Разработка с нуля. Пожелания и особенности: Требуется разработка управленческого аналитического дашборда для внутреннего использования театром. Цель: перейти от просмотра отдельных показателей к портфельному анализу репертуара и управлению решениями через KPI и интегральный рейтинг спектаклей. Это не маркетинговый лендинг и не простой отчёт, а полноценная BI-модель: • расчётные KPI, • интегральный score, • сценарный анализ, • работа с историческими данными. Данные обезличены. Персональных данных нет. Что нужно реализовать 1. Модель данных Источник — Excel (несколько таблиц): • Показы (каждый показ — строка) • Справочник спектаклей • Общие показатели театра 2. Расчёт 9 KPI Зрительские KPI 1. Заполняемость зала (%) 2. Глубина продаж (дни до показа) Финансовые KPI 3. Выручка на показ 4. Маржинальность показа (%) 5. Доля спектакля в общей выручке театра (%) Репертуарный KPI 6. Портфельная категория спектакля (якорный / стабильный / экспериментальный / проблемный) Репутационный KPI 7. Репутационный индекс (0–10) (задаётся справочником) Маркетинговые KPI 8. CAC — стоимость привлечения зрителя 9. ROMI — возврат маркетинговых инвестиций 3. Интегральный рейтинг спектакля • Нормализация KPI • Весовая модель • Итоговый score 0–100 • Возможность менять веса блоков 4. Визуализация Обязательно: ✅ Матрица «Спектакль × KPI» (цветовая индикация) ✅ Карточка спектакля ✅ Динамика показателей по времени ✅ Анализ портфеля (распределение ролей спектаклей) ✅ Фильтры (год / месяц / спектакль / зал) 5. Сценарный анализ (What-If) Например: • изменение количества показов • изменение цены билета • изменение маркетингового бюджета • вывод спектакля из репертуара Что я предоставляю • Excel-данные (реальные, обезличенные) • Описание KPI • Логику бизнес-процесса • Требования к визуализации Что нужно получить на выходе • Файл Power BI (.pbix) или Excel BI • Настроенную модель данных • Все KPI в расчётах • Инструкцию по обновлению данных • 1–2 итерации правок Обязательные требования к исполнителю Важно: ✔ Опыт разработки BI-дашбордов (не только визуалов) ✔ Опыт расчётных показателей (DAX / Power Pivot / SQL-логика) ✔ Понимание KPI-моделей ✔ Опыт работы с несколькими источниками данных Будет большим плюсом — Опыт управленческой аналитики — Опыт построения рейтингов / scoring моделей — Опыт What-If сценариев — Опыт Power BI DAX на хорошем уровне В отклике прошу сразу указать 1. В какой BI системе будете делать 2. Примеры похожих проектов 3. Работали ли с KPI-score моделями 4. Работали ли с What-If параметрами 5. Оценку сроков Важно Проект выполняется в рамках управленческого и исследовательского проекта в сфере культуры. Нужен человек, который понимает, что это не просто визуализация, а управленческий инструмент принятия решений.
Data Science. Разработка с нуля. Ищу Python-разработчика для создания системы сравнительного анализа двух источников данных – полей БД SQLite и Excel. Задача: - автоматизировать cсопоставление полей БД (нормализованные таблицы: группа, альбом, лейбл, страна, кат.номер, дата/год и страна релиза) с данными Excel (заголовок, описание – неструктурированные данные) - проводить ранжирование приоритетных сопоставлений по рейтингу и цене. Технологии: - Python 3.10+ (pandas, numpy, sqlite3) - Fuzzy matching (rapidfuzz/fuzzywuzzy или sentence-transformers) - SQLite - Excel Требования к специалисту: - Опыт pandas/SQLite - Понимание fuzzy string matching (rapidfuzz, Levenshtein) - Навыки data preprocessing (регулярки, очистка текста) - Опыт ранжирования по весовым коэффициентам - Желательно: ML (sentence embeddings).
Data Science. Доработка существующего продукта. Необходимо доработать файл сбора данных формата xlsx по определенным требованиям к формированию, необходима установка макросов, диаграм, возможность получения документа на печать по определенному виду.
Data Science. Разработка с нуля. Задача: Сделать скрипт для Эксель с целью: 1, Получить и записать в таблицу эксель котировки ценной бумаги по соотв. тикеру за выбранный период времени, например 5 мин, 15 мин, 1час, 1 день 2, За выбранный период получить и записать в таблицу эксель объем торгов 3, Получить и записать в эксель минимум, максимум, цену открытия и закрытия выбранной ценной бумаги за выбранный временной период. По сути, искомый результат таблицы состоит из столбцов, содержащих время с заданным интервалом (5 мин, 15 мин, 1час, 1 день или др.). И строк, соотв. заданному интервалу А (тикер ценной бумаги), В (цена открытия). С (цена закрытия). D (минимум), Е (максимум), F (объем торгов).
Data Science. Разработка с нуля. Пожелания и особенности: Необходимо выбрать файл, содержащий информацию об экономических показателях. Источник может служить World Bank, Росстат, ЦБ, или другой ресурс. Можно выбрать данные по логистике или маркетингу. Нужно проанализировать данные из файла при помощи Python, пользуясь теми конструкциями, которые есть в файле. Использование сторонних библиотек запрещено. Критериев по объему кода нет. Файл с более точным заданием и кодом отправлю лично.
Доработка существующего продукта. Пожелания и особенности: Нужно собрать данные через апи с АРШИНА и как-то автоматизировать это. Нужна логика как добавлять туда данные и отслеживать появление новых продуктов. задача будет разработать инструмент по аналитике конкурентов. Есть онлайн система Аршин, там куча данных. Надо научиться забирать оттуда данные, очистить, структурировать, и визуализировать.
Data Science. Тестирование. Добрый вечер! Нужна помощь в решении экзаменационной задачи. ER- диаграммы, язык прогр-я VBA, коды в draw.io. Пожелания и особенности: Нужна помощь в решении задачи. ER- диаграммы.
Разработка с нуля. Пожелания и особенности: Ищем Python-разработчика (проект) Ищем опытного Python-инженера на проектную занятость для интеграции внешних API, матчинга данных и загрузки в PostgreSQL. ?? Задача • Получение данных из Companies House UK API • Получение данных из Google Places API • Нормализация и матчинг данных (названия компаний, адреса, postcode) • Загрузка данных в PostgreSQL (upsert, индексы) • Формирование SQL-запросов и выгрузка результатов в CSV • Подготовка базовой документации (README) ?? Технологический стек • Python 3.x • Работа с API (requests / httpx, обработка rate limits) • PostgreSQL (схемы, индексы, ON CONFLICT) • pandas • Fuzzy matching (rapidfuzz или аналоги) • SQL ? Ожидания от кандидата • Опыт коммерческой разработки на Python от 3 лет • Реальный опыт интеграции внешних API • Понимание проектирования схем БД • Аккуратный, поддерживаемый код • Умение работать автономно и доводить задачи до результата ?? Формат работы • Проектная занятость (1-2 месяца) • Удалённо • Гибкий график • Оплата: фикс за проект или почасовая (обсуждается).
Репетитор для собеседования. Пожелания и особенности: Нужен репетитор который поможет подготовиться к собеседованию sql Хочу чтобы мне провели предсобес.
Data Science. Разработка с нуля. Подготовка и обработка данных в Excel • Работа с Power Query: • очистка данных • приведение типов • нормализация структуры • объединение и фильтрация таблиц • Подготовка Excel-файлов для корректной загрузки в SQL • Работа с именованными таблицами (Named Tables) и запросами (Queries) Проектирование структуры SQL Database • Анализ целевой структуры БД • Создание таблиц в SQL Database • Настройка первичных и внешних ключей • Проверка соответствия Excel - SQL (типы данных, nullable, ограничения) Автоматизация через Power Automate Desktop (PAD) • Создание Power Automate Desktop flows • Чтение данных из Excel (локально или через OneDrive/SharePoint) • Логика: • инкрементальной загрузки • полной перезагрузки • обработки ошибок • Логирование выполнения Использование скриптов и дополнительных инструментов (по необходимости) • SQL-скрипты (INSERT / MERGE / UPSERT) • Python: • pandas / pyodbc / sqlalchemy • подготовка и валидация данных • Shell / PowerShell (если требуется) • Azure Data Factory: • настройка pipeline • linked services • integration runtime Тестирование и документация • Проверка корректности миграции • Сверка данных Excel - SQL • Краткая документация: • описание пайплайна • инструкции по запуску • рекомендации по масштабированию.
Data Science. Доработка существующего продукта. Здравствуйте. Возникла проблема. Никак не получается запустить продукт, построенный в VS. Программа ругается на root. Т.е. корневой пароль продукта не совпадает с паролем БД, хотя по сути всё иначе. Помогите разобраться! Желательно онлайн провести диагностику программы и объяснить что да как работает.
Data Science. Разработка с нуля. Нужен Backend/Search Engineer для улучшения поиска по туристическому контенту (места/события/маршруты) + отдельно/дополнительно LLM (RAG) Engineer для внедрения контекстного (семантического) поиска на OpenAI с векторной базой и re-ranking.
С точки зрения информационных систем и технологий, будет написана научная статья об использовании искусственного интеллекта для снижения энергозатрат, которая будет соответствовать стандартам журнала ВAK и пригодна для публикации.
Разработка с нуля. Нужно из существующих данных собрать все в единый формат чтобы это было информативно и были показаны ключевые показатели за год , как была проделана работа.
Data Science. Разработка с нуля. Генерация изображений 1. Выбрать открытую диффузионную модель для генерации изображений по тексту, которая использует эмбеддинги текста на основе CLIP ( StableDiffusion v1.5). 2. Заменить CLIP эмбеддинг текста на другую версию CLIP, BLIP эмбеддинг и еще один эмбеддинг на выбор. 3. Сгенерировать изображения по одному и тому же промпту для трех видов эмбеддингов. Попробовать 5 промптов разной 4. Оценить результаты по 5 метрикам качества генерации изображений, обосновать выбор метрик. 5. Добавить полносвязный адаптер, чтобы приблизить ваши эмбеддинги к CLIP пространству. 6. Обучить адаптер на небольшом наборе пар (текст, эмбеддинг CLIP ). 7. Оценить полученный результат аналогично шагу 4 и сформулировать вывод. Рекомендуется использовать Pytorch и библиотеку diffusers.
Data Science. Разработка с нуля. Трансформеры 1. Выбрать архитектуру модели с использованием разреженного внимания (LongFormer или BigBird), реализовать самостоятельно разреженное внимание для этой модели. 2. Обучить реализованную модель на небольшом датасете (например, tiny_shakespire) 3. Обучить модель с полным вниманием с тем же количеством параметров на этом же датасете 4. Сравнить на разной длине вывода (например, 128, 256, 512 токенов) качество генерации (например, по перплексии), количество используемой памяти и время на генерацию токенов для этих 2 моделей.
Data Science. Настройка. ТЗ: Создание персональной RAG-системы для анализа большого архива текстов Кратко о проекте: Нужно создать персональную систему на основе RAG (Retrieval-Augmented Generation) для работы с моим архивом исследовательских текстов. Система должна позволять задавать вопросы на естественном языке и получать точные ответы, основанные исключительно на содержимом моих документов, без необходимости их ручной загрузки для каждого запроса. 1. Детальное описание проблемы (бэкграунд) У меня есть собрание авторских текстов (статьи) общим объёмом от 10 000 до 100 000+ слов. В настоящее время я пытаюсь работать с ними через чат DeepSeek, что приводит к следующим проблемам: • Невозможность работы со всем архивом: Лимит контекста чата не позволяет загружать все тексты одновременно. • Ненадёжность ссылок: Публикация текстов в откытых ресурсах и попытка загрузки по ссылкам приводит к искажениям и неполной передаче текста. • Непрактичность ручной загрузки: Копировать большие тексты вручную для каждого нового диалога — нереалистично. Цель: Преодолеть эти ограничения, перенести работу в специализированную систему, где весь архив будет проиндексирован и доступен для интеллектуального поиска. 2. Что нужно сделать (Конкретные задачи) Исполнителю необходимо разработать и развернуть рабочее решение, которое включает: 1. Загрузку и индексацию архива: o Приём предоставленных текстовых файлов (форматы: .txt, .pdf, .docx). o Настройку процесса разбивки текстов на оптимальные фрагменты (chunking) с учётом смысловой целостности. o Преобразование текстов в векторные эмбеддинги и сохранение в векторную базу данных. 2. Разработку ядра RAG-системы: o Создание модуля, который по текстовому запросу пользователя находит в векторной БД наиболее релевантные фрагменты из всего архива. o Интеграцию языковой модели (DeepSeek через официальный API) для генерации ответов на основе найденных фрагментов. o Настройка промта (инструкции) для LLM, чтобы ответы были точными, ссылались на исходные тексты и избегали «галлюцинаций». Т.З. писал ИИ. Могу в чем то ошибаться, но суть вопроса, надеюсь раскрыл.
Почему стоит искать работу для фриласнеров по профилю data scientist в России у нас?
🔸 Более 3 предложений о работе за сегодня в тематике data scientist
🔸 Работа и подработка на бирже фриланса от прямых заказчиков, которым нужна помощь специалистов по профилю data scientist уже сегодня!
🔸 Свежих заказов на data scientist в России для фрилансеров на июнь 2026 года — 222 шт.
Как найти удалённую работу для фриланс-специалистов по профилю data scientist в России?
Вы специалист по data scientist и ищете проекты и заказы на удалёнке в России? Нам всегда есть что вам предложить. Ежедневно мы публикуем новые проекты и заказы по вашей специальности. Найдите интересную работу уже сегодня
Сколько проектов для IT-специалистов по профилю data scientist в России?
На июнь 2026 года опубликовано 222 предложений удалённой работы от прямых заказчиков для исполнителей по специализации data scientist
Сколько можно заработать выполняя проекты по data scientist?
Специалисты по профилю data scientist зарабатывают от 0.00 рублей с заказа. Хотите больше? Выполняйте как можно больше заказов и зарабатывайте сколько пожелаете