Data scientist — удалённая работа в Москве

Решение проекта по обучению. Пожелания и особенности: Решение проекта: Задание Представьте, что вы работаете в крупном дейтинговом приложении. Помимо базовых функций, в приложении также имеется премиум-подписка, которая дает доступ к ряду важных дополнительных возможностей. Был проведен A/B тест, в рамках которого для новых пользователей из нескольких стран была изменена стоимость премиум-подписки* при покупке через две новые платежные системы. При этом стоимость пробного периода оставалась прежней. Проверьте: Был ли эксперимент успешен в целом. *Деньги за подписку списываются ежемесячно до тех пор, пока пользователь её не отменит. Важно: это задание наиболее приближено к работе с реальными данными, и в реальных данных часто бывают ошибки и подвохи. Будьте аккуратны и не торопитесь при анализе — уделите как можно больше внимания этим данным. Данные: Всего есть три группы: тестовая (test), контрольная 1 (control_1) и контрольная 2 (control_2). Для каждой из них: users_*.csv – информация о пользователях: uid – идентификатор пользователя age – возраст attraction_coeff – коэффициент привлекательности (от 0 до 1000, \frac{лайки}{просмотры}*1000 просмотры лайки ? ?1000) coins – число монеток (внутренняя валюта) country – страна visit_days – в какие дни после регистрации пользователь посещал приложение (напр. в 1, затем в 7) gender – пол age_filter_start – фильтр поиска, мин. значение age_filter_end – фильтр поиска, макс. значение views_count – число полученных оценок was_premium – был ли когда-либо премиум (либо пробный период премиум-статуса, либо купленный за деньги) is_premium – является ли премиум total_revenue – нормированная выручка transactions_*.csv – информация о платежах пользователей: uid – идентификатор пользователя country – страна joined_at – дата и время регистрации paid_at – дата и время покупки revenue – нормированная выручка payment_id – идентификатор платежа from_page – откуда пользователь перешел на страницу оплаты product_type – тип продукта (trial_premium – пробная премиум-подписка, premium_no_trial – премиум-подписка без пробной, coins – подписка за внутреннюю валюту, other_type – другое) Файлы: users_test – информация о пользователях в тестовой группе. users_control_1 – информация о пользователях в первой контрольной группе. users_control_2 – информация о пользователях во второй контрольной группе . transactions_test – информация о платежах пользователей в тестовой группе. transactions_control_1 – информация о платежах пользователей в первой контрольной группе. transactions_control_2 – информация о платежах пользователей во второй контрольной группе. Файлы будут направлены по почте после договоренности.

Обучение взрослых. Программа: «Скульптор Данных в Excel с Power Query» 16 ак. часов Модуль 1. Введение в Power Query и интерфейс Что такое Power Query: назначение, место в аналитическом пайплайне. Где находится Power Query в Excel (разные версии), подключение надстройки. Редактор Power Query: панель навигации, лента, область шагов, расширенный редактор, язык M (обзор). Практика: Открытие редактора, создание первого запроса из простой таблицы. Просмотр и редактирование списка шагов. Сохранение и обновление запроса. Модуль 2. Подключение к источникам данных Типы источников: файлы (Excel, CSV, TXT), папки, базы данных, веб-страницы. Особенности подключений: аутентификация, параметры, динамические пути. Практика: Подключение к Excel-файлу и CSV, настройка типов данных. Импорт из папки (Power Query Folder), объединение файлов по шаблону. Простой запрос к веб-странице (публичная таблица). Модуль 3. Очистка и базовая трансформация данных Основные операции: удаление строк/столбцов, фильтрация, замена значений. Работа с типами данных, обработка ошибок и пустых значений. Разделение и объединение столбцов, работа с текстом и датами. Практика: Очистка «грязной» выборки: дубликаты, лишние строки, некорректные форматы. Преобразование дат и времени, приведение к единому формату. Создание пользовательских столбцов (Add Column), условные правила. Модуль 4. Объединение и агрегация данных Merge vs Append: когда и что использовать. Виды соединений (Left, Right, Inner, Full Outer), ключи соединения. Группировка и агрегации в Power Query (Group By). Практика: Объединение двух таблиц по ключу (Merge), проверка качества соединения. Консолидация нескольких файлов с разной структурой (Append). Группировка по категориям с подсчётом сумм, средних, количества записей. Модуль 5. Продвинутые приёмы и параметризация Параметры запросов: зачем нужны и как создавать. Динамические пути к файлам, управление обновлениями. Оптимизация производительности: буферизация, отключение предварительного просмотра, порядок шагов. Практика: Создание параметров для источника данных и фильтров. Настройка автоматического обновления при смене папки/файла. Рефакторинг шагов для ускорения работы запроса.

Тестирование. Ищу исполнителя для поиска и анализа информации из открытых источников. В рамках проекта потребуется: * искать сведения по заданным темам; * сравнивать найденные данные; * оформлять результаты в таблицах; * готовить краткие выводы; * структурировать материалы; * соблюдать требования технического задания. Работа проектная, при хорошем результате возможны новые задания на постоянной основе.

Доработка существующего продукта, настройка. Нужна помощь в возникающих ошибка в уже составленном query.

Data Science. Разработка с нуля. Пожелания и особенности: Задача : новые сотрудники должны писать входное тестирование результаты которого должны попадать « куда-то « где сразу будет виден результат тестирования. Так же для каждого сотрудника есть характеристики и тд и на каждого из них должны быть папки . Если возможно это сделать в Яндексе 360 то отлично, если нет то предложите альтернативу и помогите настроить быстро.

Доработка существующего продукта. Добрый день. Есть готовые ежемесячные отчеты -они одинаковые но помесячные, необходимо свести все в один отчет с янв-июль по тем же параметрам что и в помесчяных отчетах. подробно расскажу испольнителю.