Data scientist — удалённая работа в Москве

Data Science. Разработка с нуля, настройка. Команда в поисках разработчиков, креаторов и вайбкодеров для автоматизации генерации видеоконтента. Берём людей с готовыми пайплайнами и тех кто только хочет начать — велком всем. Интересуют любые форматы автоматизации создания видео — со сценарием и без, любой длительности и направленности. Подходят решения на любом стеке — чистый код, агентские пайплайны (n8n, LangGraph, Make, Crew, AutoGen), no-code, гибридные конструкции, на промптах или на API любых AI-сервисов. Любые ниши — нейроаватары, мультики, слайдшоу, реакционные ролики, подкасты с визуализацией, карусели для соцсетей, VEO/Sora-форматы, нишевые направления под конкретные сегменты. Чем нестандартнее формат — тем интереснее. Условия гибкие. Базовый выкуп пайплайна — от 5 000 до 30 000 ?, оцениваем по сложности, качеству, стабильности и тому насколько хорошо автоматизирован формат. Для уникальных и сложных решений бюджет обсуждается отдельно и может быть значительно выше. Альтернатива выкупу — подключение к нашей системе через API с процентом от каждой генерации на вашем пайплайне. Вы остаётесь владельцем, можем хостить либо у себя, либо на ваших ресурсах. Возможен гибрид — частичный выкуп + меньший процент. На ваш выбор. Минимальные требования к автоматизации (для тех у кого уже есть пайплайн): принимает сценарий или промпт на входе, выдаёт готовое видео, есть базовая кастомизация (минимум шрифты и цвета, в идеале больше параметров), стабильно работает на типовых входах. Сценарии писать не нужно — это не ваша задача, нужен сам пайплайн. Для тех кто только хочет начать — мы поможем определиться с форматом, обсудим референсы и направление, дадим конкретное ТЗ или творчество без рамок — как удобнее. Если получится — выкупаем или подключаем по API с процентом, дальше переходим к следующим форматам. Полное творчество с вашей стороны. Никаких ТЗ на 50 страниц. Согласовываем итоговый формат, принимаем работу, оплачиваем быстро. Если зайдёт сотрудничество — будем выкупать ваши следующие форматы тоже, превращаем это в постоянный поток заказов. Открыты к любым нестандартным форматам и любой географии. Работаем удалённо. Откликайтесь в личку — расскажите что у вас уже есть или с чем хотите начать.

Data Science. Разработка с нуля, настройка. Требуется специалист для настройки выгрузки данных о продажах из кассовой системы SET Retail (CSI / Кристалл Сервис) в базу данных PostgreSQL в режиме, максимально приближенном к реальному времени (near real-time). Что нужно сделать: — Подключиться к источнику данных SET Retail (внутренняя БД / файлы выгрузки / очередь / API — вариант предложить). — Проектирование схемы в PostgreSQL под хранение чеков, позиций, оплат, возвратов и отмен. — Реализовать сервис/ETL-пиплайн, который потоком забирает данные из SET Retail и загружает их в PostgreSQL с минимальной задержкой. — Обеспечить отказоустойчивость, мониторинг, логи, повторную доставку при сбоях (idempotency). — Оформить короткую документацию по развёртыванию и эксплуатации. Требования к специалисту: — Подтверждённый опыт интеграций с кассовыми системами (желательно именно SET Retail 5/10 от CSI). — Уверенный PostgreSQL: проектирование схем, SQL, индексы, партиционирование. — Опыт построения ETL/streaming-пиплайнов (любой из вариантов: Python/Java/.NET, Kafka/RabbitMQ, Debezium/CDC, cron-выгрузки — предложите своё решение). — Понимание ритейл-домена (чеки, позиции, SKU, оплаты, возвраты). Формат работы: удалённо. Результат: работающая выгрузка в PostgreSQL, проверенная на реальных данных, с документацией. Буду благодарен за предложения с оценкой срока, стоимости и кратким описанием предлагаемого подхода.

Разработка с нуля. Есть дата сет выгруженных вакансий с HH.ru, содержащий переменную key_skills (ключевые навыки упомянутые в вакансиях). Выгрузка была сделана по it-специальностям. После первичного исследовательского анализа было обнаружено, что большая доля навыков упоминается только 1 раз, предполагаем, что это описки, ошибки, синонимы и аббревиатуры. Задача: максимально стандартизировать это поле, снизить размерность данных, чтобы они были применимы для дальнейшего анализ. Проект должен быть реализован на Python.

Доработка существующего продукта, настройка, тестирование, разработка с нуля. Разработать приложение на Flask с графическим интерфейсом или интерфейсом командной строки, которое будет выдавать прогноз показателя модели машинного обучения код модели написан и сохранен. Написать краткую инструкцию пользователя по приложению Выложить все репозиторий в GitHub разместить там код , продемонстрировать работу приложения. Оформить файл README.

8 домашних заданий. Пожелания и особенности: Необходимо выполнить 8 простых заданий по аналитике данных применяя Google Colab по готовым примерам и написать отчёт о проделанной работе. Отправить задания нужно отдельными файлами. Время выполнения - 1 сутки. Сами задания прописаны в гугл-доке, внутри есть ссылки на примеры: https://docs.google.com/document/d/126Zgn10JRPqXuXfYA8WHBo0dcgjqLvRw1bsVHO44Ves/edit?tab=t.0.

Доработка существующего продукта. Необходим специалист работающий в qlik view. Помочь разобраться с моим файлом. Пример того, что нужно сделать. помочь дописать выражение - вывести клиентов с положительным итогом в гистограмме. Дописать выражение в кнопку ( при нажатии открывалось нужное поле с данными) Связь онлайн через тимс. Оплата 600 руб.час.