Решение задач по статистике. Разработка с нуля. Общие рекомендации: Для каждой задачи сформулируйте нулевую (H?) и альтернативную (H?) гипотезы. Обоснуйте выбор статистического критерия (почему именно он подходит для данной задачи и данных). Проведите проверку гипотез с помощью Python, используя библиотеки scipy.stats, numpy или statsmodels. Сделайте вывод на основе p-value и заданного уровня значимости ?. Уровень значимости ? = 0.05, если не указано иное. *В качестве дополнительного задания вы можете посчитать мощность критериев там, где для этого достаточно данных, и сделать вывод о том, насколько можно доверять результатам каждого теста. Создайте ноутбук в google colab, расшарьте его на чтение и сдайте ссылку на него. Задача 1: Общее понимание и выбор критерия Контекст: Вы анализируете результаты A/B-теста. Пользователи были разделены на две независимые группы: Контрольную (A) и Тестовую (B). Для каждой группы известны следующие метрики: Количество просмотренных страниц за сеанс (непрерывная числовая переменная, распределение не нормальное, но выборки большие: nA = 500, nB = 520). Факт покупки (бинарная переменная: 1 - купил, 0 - нет). Время, проведенное на сайте в группе B (непрерывная числовая переменная, распределение сильно скошено вправо). Вопросы: Какой критерий вы выберите для сравнения среднего количества страниц между группами A и B? Кратко обоснуйте. Какой критерий вы выберите для сравнения доли совершивших покупку между группами A и B? Кратко обоснуйте. Какой критерий вы выберите, чтобы проверить, отличается ли медианное время на сайте в группе B от 300 секунд? Кратко обоснуйте. Программистская часть: Смоделируйте данные для сравнения долей из пункта 2 (пусть в группе B конверсия будет чуть выше) и проверьте соответствующую гипотезу с помощью Python. Задача 2: Проверка гипотезы о доле Контекст: Руководство компании заявляет, что не менее 8% активных пользователей оформляют премиум-подписку. Для проверки этого утверждения вы случайным образом отобрали 200 пользователей и выяснили, что подписку оформили 25 из них. Вопрос: Подтверждают ли выборочные данные заявление руководства на уровне значимости ?=0.05? Программистская часть: Проведите проверку гипотезы с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 3: Проверка гипотезы о среднем (известная дисперсия) Контекст: Исторические данные показывают, что среднее время отклика сервера составляет 120 мс со стандартным отклонением 15 мс. После обновления программного обеспечения инженеры сделали 80 замеров. Среднее значение по выборке составило 115 мс. Предполагается, что обновление могло лишь уменьшить время отклика. Вопрос: Можно ли на уровне значимости ?=0.05 утверждать, что обновление привело к снижению среднего времени отклика? Известно, что дисперсия генеральной совокупности не изменилась (? = 15 мс). Программистская часть: Проведите одностороннюю проверку гипотезы с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 4: Проверка гипотезы о связи категориальных переменных Контекст: Исследуется гипотеза о зависимости типа устройства пользователя от его решения о покупке. Данные собраны в таблице: Купил Не купил Мобильное 30 170 Десктоп 50 150 Вопрос: Можно ли на уровне значимости ?=0.05 считать, что между типом устройства и фактом покупки существует статистически значимая связь? Программистская часть: Проведите проверку гипотезы о независимости признаков с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 5: Проверка гипотезы о равенстве дисперсий Контекст: Разработаны две конкурирующие версии алгоритма сжатия данных (Алгоритм X и Алгоритм Y). Критически важной характеристикой является стабильность (постоянство) размера выходного файла. Измерения размера файла (в КБ) после обработки тестовыми данными дали следующие результаты: Алгоритм X: [120, 135, 125, 140, 130, 128, 132, 138, 122, 136] Алгоритм Y: [115, 142, 130, 155, 125, 135, 148, 120, 138, 150] Вопрос: Можно ли считать, что алгоритмы различаются по стабильности (т.е. по дисперсии размера выходного файла)? Проведите двусторонний тест на уровне значимости ?=0.10. Программистская часть: Проведите проверку гипотезы о равенстве дисперсий двух независимых выборок с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий.
Решение зада по статистике. Разработка с нуля. Общие рекомендации: Для каждой задачи сформулируйте нулевую (H?) и альтернативную (H?) гипотезы. Обоснуйте выбор статистического критерия (почему именно он подходит для данной задачи и данных). Проведите проверку гипотез с помощью Python, используя библиотеки scipy.stats, numpy или statsmodels. Сделайте вывод на основе p-value и заданного уровня значимости ?. Уровень значимости ? = 0.05, если не указано иное. *В качестве дополнительного задания вы можете посчитать мощность критериев там, где для этого достаточно данных, и сделать вывод о том, насколько можно доверять результатам каждого теста. Создайте ноутбук в google colab, расшарьте его на чтение и сдайте ссылку на него. Задача 1: Общее понимание и выбор критерия Контекст: Вы анализируете результаты A/B-теста. Пользователи были разделены на две независимые группы: Контрольную (A) и Тестовую (B). Для каждой группы известны следующие метрики: Количество просмотренных страниц за сеанс (непрерывная числовая переменная, распределение не нормальное, но выборки большие: nA = 500, nB = 520). Факт покупки (бинарная переменная: 1 - купил, 0 - нет). Время, проведенное на сайте в группе B (непрерывная числовая переменная, распределение сильно скошено вправо). Вопросы: Какой критерий вы выберите для сравнения среднего количества страниц между группами A и B? Кратко обоснуйте. Какой критерий вы выберите для сравнения доли совершивших покупку между группами A и B? Кратко обоснуйте. Какой критерий вы выберите, чтобы проверить, отличается ли медианное время на сайте в группе B от 300 секунд? Кратко обоснуйте. Программистская часть: Смоделируйте данные для сравнения долей из пункта 2 (пусть в группе B конверсия будет чуть выше) и проверьте соответствующую гипотезу с помощью Python. Задача 2: Проверка гипотезы о доле Контекст: Руководство компании заявляет, что не менее 8% активных пользователей оформляют премиум-подписку. Для проверки этого утверждения вы случайным образом отобрали 200 пользователей и выяснили, что подписку оформили 25 из них. Вопрос: Подтверждают ли выборочные данные заявление руководства на уровне значимости ?=0.05? Программистская часть: Проведите проверку гипотезы с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 3: Проверка гипотезы о среднем (известная дисперсия) Контекст: Исторические данные показывают, что среднее время отклика сервера составляет 120 мс со стандартным отклонением 15 мс. После обновления программного обеспечения инженеры сделали 80 замеров. Среднее значение по выборке составило 115 мс. Предполагается, что обновление могло лишь уменьшить время отклика. Вопрос: Можно ли на уровне значимости ?=0.05 утверждать, что обновление привело к снижению среднего времени отклика? Известно, что дисперсия генеральной совокупности не изменилась (? = 15 мс). Программистская часть: Проведите одностороннюю проверку гипотезы с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 4: Проверка гипотезы о связи категориальных переменных Контекст: Исследуется гипотеза о зависимости типа устройства пользователя от его решения о покупке. Данные собраны в таблице: Купил Не купил Мобильное 30 170 Десктоп 50 150 Вопрос: Можно ли на уровне значимости ?=0.05 считать, что между типом устройства и фактом покупки существует статистически значимая связь? Программистская часть: Проведите проверку гипотезы о независимости признаков с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 5: Проверка гипотезы о равенстве дисперсий Контекст: Разработаны две конкурирующие версии алгоритма сжатия данных (Алгоритм X и Алгоритм Y). Критически важной характеристикой является стабильность (постоянство) размера выходного файла. Измерения размера файла (в КБ) после обработки тестовыми данными дали следующие результаты: Алгоритм X: [120, 135, 125, 140, 130, 128, 132, 138, 122, 136] Алгоритм Y: [115, 142, 130, 155, 125, 135, 148, 120, 138, 150] Вопрос: Можно ли считать, что алгоритмы различаются по стабильности (т.е. по дисперсии размера выходного файла)? Проведите двусторонний тест на уровне значимости ?=0.10. Программистская часть: Проведите проверку гипотезы о равенстве дисперсий двух независимых выборок с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий.
Системное программирование. Разработка с нуля. Общие рекомендации: Для каждой задачи сформулируйте нулевую (H?) и альтернативную (H?) гипотезы. Обоснуйте выбор статистического критерия (почему именно он подходит для данной задачи и данных). Проведите проверку гипотез с помощью Python, используя библиотеки scipy.stats, numpy или statsmodels. Сделайте вывод на основе p-value и заданного уровня значимости ?. Уровень значимости ? = 0.05, если не указано иное. *В качестве дополнительного задания вы можете посчитать мощность критериев там, где для этого достаточно данных, и сделать вывод о том, насколько можно доверять результатам каждого теста. Создайте ноутбук в google colab, расшарьте его на чтение и сдайте ссылку на него. Задача 1: Общее понимание и выбор критерия Контекст: Вы анализируете результаты A/B-теста. Пользователи были разделены на две независимые группы: Контрольную (A) и Тестовую (B). Для каждой группы известны следующие метрики: Количество просмотренных страниц за сеанс (непрерывная числовая переменная, распределение не нормальное, но выборки большие: nA = 500, nB = 520). Факт покупки (бинарная переменная: 1 - купил, 0 - нет). Время, проведенное на сайте в группе B (непрерывная числовая переменная, распределение сильно скошено вправо). Вопросы: Какой критерий вы выберите для сравнения среднего количества страниц между группами A и B? Кратко обоснуйте. Какой критерий вы выберите для сравнения доли совершивших покупку между группами A и B? Кратко обоснуйте. Какой критерий вы выберите, чтобы проверить, отличается ли медианное время на сайте в группе B от 300 секунд? Кратко обоснуйте. Программистская часть: Смоделируйте данные для сравнения долей из пункта 2 (пусть в группе B конверсия будет чуть выше) и проверьте соответствующую гипотезу с помощью Python. Задача 2: Проверка гипотезы о доле Контекст: Руководство компании заявляет, что не менее 8% активных пользователей оформляют премиум-подписку. Для проверки этого утверждения вы случайным образом отобрали 200 пользователей и выяснили, что подписку оформили 25 из них. Вопрос: Подтверждают ли выборочные данные заявление руководства на уровне значимости ?=0.05? Программистская часть: Проведите проверку гипотезы с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 3: Проверка гипотезы о среднем (известная дисперсия) Контекст: Исторические данные показывают, что среднее время отклика сервера составляет 120 мс со стандартным отклонением 15 мс. После обновления программного обеспечения инженеры сделали 80 замеров. Среднее значение по выборке составило 115 мс. Предполагается, что обновление могло лишь уменьшить время отклика. Вопрос: Можно ли на уровне значимости ?=0.05 утверждать, что обновление привело к снижению среднего времени отклика? Известно, что дисперсия генеральной совокупности не изменилась (? = 15 мс). Программистская часть: Проведите одностороннюю проверку гипотезы с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 4: Проверка гипотезы о связи категориальных переменных Контекст: Исследуется гипотеза о зависимости типа устройства пользователя от его решения о покупке. Данные собраны в таблице: Купил Не купил Мобильное 30 170 Десктоп 50 150 Вопрос: Можно ли на уровне значимости ?=0.05 считать, что между типом устройства и фактом покупки существует статистически значимая связь? Программистская часть: Проведите проверку гипотезы о независимости признаков с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 5: Проверка гипотезы о равенстве дисперсий Контекст: Разработаны две конкурирующие версии алгоритма сжатия данных (Алгоритм X и Алгоритм Y). Критически важной характеристикой является стабильность (постоянство) размера выходного файла. Измерения размера файла (в КБ) после обработки тестовыми данными дали следующие результаты: Алгоритм X: [120, 135, 125, 140, 130, 128, 132, 138, 122, 136] Алгоритм Y: [115, 142, 130, 155, 125, 135, 148, 120, 138, 150] Вопрос: Можно ли считать, что алгоритмы различаются по стабильности (т.е. по дисперсии размера выходного файла)? Проведите двусторонний тест на уровне значимости ?=0.10. Программистская часть: Проведите проверку гипотезы о равенстве дисперсий двух независимых выборок с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий.
Научить решать задачи. Разработка с нуля. Общие рекомендации: Для каждой задачи сформулируйте нулевую (H?) и альтернативную (H?) гипотезы. Обоснуйте выбор статистического критерия (почему именно он подходит для данной задачи и данных). Проведите проверку гипотез с помощью Python, используя библиотеки scipy.stats, numpy или statsmodels. Сделайте вывод на основе p-value и заданного уровня значимости ?. Уровень значимости ? = 0.05, если не указано иное. *В качестве дополнительного задания вы можете посчитать мощность критериев там, где для этого достаточно данных, и сделать вывод о том, насколько можно доверять результатам каждого теста. Создайте ноутбук в google colab, расшарьте его на чтение и сдайте ссылку на него. Задача 1: Общее понимание и выбор критерия Контекст: Вы анализируете результаты A/B-теста. Пользователи были разделены на две независимые группы: Контрольную (A) и Тестовую (B). Для каждой группы известны следующие метрики: Количество просмотренных страниц за сеанс (непрерывная числовая переменная, распределение не нормальное, но выборки большие: nA = 500, nB = 520). Факт покупки (бинарная переменная: 1 - купил, 0 - нет). Время, проведенное на сайте в группе B (непрерывная числовая переменная, распределение сильно скошено вправо). Вопросы: Какой критерий вы выберите для сравнения среднего количества страниц между группами A и B? Кратко обоснуйте. Какой критерий вы выберите для сравнения доли совершивших покупку между группами A и B? Кратко обоснуйте. Какой критерий вы выберите, чтобы проверить, отличается ли медианное время на сайте в группе B от 300 секунд? Кратко обоснуйте. Программистская часть: Смоделируйте данные для сравнения долей из пункта 2 (пусть в группе B конверсия будет чуть выше) и проверьте соответствующую гипотезу с помощью Python. Задача 2: Проверка гипотезы о доле Контекст: Руководство компании заявляет, что не менее 8% активных пользователей оформляют премиум-подписку. Для проверки этого утверждения вы случайным образом отобрали 200 пользователей и выяснили, что подписку оформили 25 из них. Вопрос: Подтверждают ли выборочные данные заявление руководства на уровне значимости ?=0.05? Программистская часть: Проведите проверку гипотезы с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 3: Проверка гипотезы о среднем (известная дисперсия) Контекст: Исторические данные показывают, что среднее время отклика сервера составляет 120 мс со стандартным отклонением 15 мс. После обновления программного обеспечения инженеры сделали 80 замеров. Среднее значение по выборке составило 115 мс. Предполагается, что обновление могло лишь уменьшить время отклика. Вопрос: Можно ли на уровне значимости ?=0.05 утверждать, что обновление привело к снижению среднего времени отклика? Известно, что дисперсия генеральной совокупности не изменилась (? = 15 мс). Программистская часть: Проведите одностороннюю проверку гипотезы с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 4: Проверка гипотезы о связи категориальных переменных Контекст: Исследуется гипотеза о зависимости типа устройства пользователя от его решения о покупке. Данные собраны в таблице: Купил Не купил Мобильное 30 170 Десктоп 50 150 Вопрос: Можно ли на уровне значимости ?=0.05 считать, что между типом устройства и фактом покупки существует статистически значимая связь? Программистская часть: Проведите проверку гипотезы о независимости признаков с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий. Задача 5: Проверка гипотезы о равенстве дисперсий Контекст: Разработаны две конкурирующие версии алгоритма сжатия данных (Алгоритм X и Алгоритм Y). Критически важной характеристикой является стабильность (постоянство) размера выходного файла. Измерения размера файла (в КБ) после обработки тестовыми данными дали следующие результаты: Алгоритм X: [120, 135, 125, 140, 130, 128, 132, 138, 122, 136] Алгоритм Y: [115, 142, 130, 155, 125, 135, 148, 120, 138, 150] Вопрос: Можно ли считать, что алгоритмы различаются по стабильности (т.е. по дисперсии размера выходного файла)? Проведите двусторонний тест на уровне значимости ?=0.10. Программистская часть: Проведите проверку гипотезы о равенстве дисперсий двух независимых выборок с помощью Python. Сформулируйте H? и H?, выберите и примените подходящий критерий.
Разработка приложений для ПК. Разработка с нуля. 1. Назначение и цели проекта Создать современный, стильный и функциональный голосовой помощник для ПК под управлением Windows. Основные цели: Управление компьютером и приложениями с помощью голосовых команд. Предоставление пользовательского интерфейса (лаунчера) для управления настройками помощника. Возможность создания и редактирования пользовательских команд. Создание продукта с "вау-эффектом" за счёт продуманного UI/UX-дизайна. 2. Ключевые функции и требования Голосовое взаимодействие: "Горячее слово": Запуск режима прослушивания команд по ключевой фразе "Квант" (функция вкл/выкл). Распознавание речи: Использование современного и точного API (например, Vosk для оффлайн-распознавания или Yandex SpeechKit / Google Speech-to-Text для онлайн). Синтез речи (TTS): Голосовой ответ помощника. Должен быть приятный, естественный голос (возможность выбора голоса/скорости). Основные системные команды: Открытие/закрытие системных приложений (калькулятор, браузер) и пользовательских программ (Telegram, Steam и т.д.) по команде. Поиск в интернете (открытие браузера с поисковым запросом). Управление системой: выключение/перезагрузка ПК, регулировка громкости. Ответы на базовые вопросы (время, дата, погода через API). Лаунчер (Основное приложение .exe): Современный, "крутой" дизайн в стиле неоморфизм/глассморфизм или техно-футуризм. Темная/светлая тема. Визуальный интерфейс для: Включения/выключения голосового модуля. Просмотра лога последних команд и ответов. Настройки параметров: выбор горячего слова, голоса, чувствительности микрофона. Главная фича: Редактор кастомных команд. Пользовательский интерфейс для добавления/удаления/редактирования команд. Формат команды: Триггер (фраза) -> Действие. Действия должны поддерживать: запуск исполняемого файла, открытие URL, выполнение скрипта (Python/PowerShell), имитацию нажатия клавиш, вывод текстового ответа. Технические требования: Платформа: Windows 10/11. Итоговый продукт: единый исполняемый файл (.exe) или установочный пакет. Архитектура: Модульная. Отдельно модуль распознавания, синтеза, ядро команд, GUI. Производительность: Минимальное потребление ресурсов в фоновом режиме. 3. Примеры сценариев использования (User Stories) Как пользователь, я говорю "Квант, запусти Steam", и приложение Steam открывается на моём компьютере. Как пользователь, я открываю лаунчер "Кванта", перехожу во вкладку "Мои команды" и создаю правило: при фразе "На работу" -> последовательно открывать браузер с почтой, Telegram и Visual Studio. Как пользователь, я одним кликом в лаунчере могу отключить микрофон помощника, чтобы сохранить конфиденциальность. 4. Этапы разработки (Roadmap) Прототип (MVP): Консольное приложение, распознающее базовые команды ("привет", "открой калькулятор") и выполняющее их. Ядро + GUI: Разработка графического лаунчера с базовыми настройками и интеграция с голосовым модулем. Редактор команд: Реализация системы создания кастомных команд через GUI. Полировка и дизайн: Доводка интерфейса, добавление анимаций, улучшение стабильности и точности распознавания. Тестирование и сборка: Создание финального .exe файла, упаковка зависимостей. 5. Технологический стек (рекомендации) Язык программирования: Python (быстрая разработка, богатые библиотеки) или C# (глубокая интеграция с Windows, производительность). GUI: PyQt6 / CustomTkinter (для Python) или WPF/UWP (для C#) для современного внешнего вида. Распознавание речи: Vosk (оффлайн, бесплатно), Yandex SpeechKit. Синтез речи: Pyttsx3 (оффлайн), Yandex SpeechKit или Microsoft Speech API. Управление приложениями: Стандартные библиотеки ОС для запуска процессов.
Архитектура Big Data. Доработка существующего продукта. Data Lakehouse и BI-ассистент. Выполнить ТОЛЬКО часть SQL AI-агента (пункты 6-8). Остальные части будут выполнены другими исполнителями. Будет доступен удаленный доступ к ноутбуку. Структура проекта: Часть 1 - Разворачивание и обработка данных в Data Lakehouse 1. Найти любые данные для обработки, лучше более 1 ГБ (данные уже выбраны!!!) 2. Установить S3 Minio, Hive Metastore, Iceberg/ Hudi, Trino 3. Выполнить загрузку данных в S3 Minio AS IS 4. Выполнить загрузку данных в Iceberg с помощью движка 5. Выполнить обработку данных в Iceberg, сформировать набор аналитик. По рез-ту обработки данных - получить готовую аналитическую витрину или набор витрин Часть 2 - Разработка своего SQL AI агента Пререквизиты: Наличие Апи ключа для одной из иностранных нейросетей: Gemini, OpenAI, Claude и др. в зависимости от используемой в проекте В зависимости от выбранного решения возможно потребуется дополнительно поставить другую СУБД и в нее загрузить витрину, полученную в части 1. 6. Далее предлагается на выбор изучить набор вариантов по разработке BI-агента. В рамках проекта потребуется выбрать одно из решений или предложить свое, на базе которого будет работать SQL AI агент/ ассистент. Возможные варианты решений: - Проект https://github.com/Canner/WrenAI (предпочтительный вариант) - https://github.com/vanna-ai/vanna - https://github.com/AnandThirwani8/Agentic-AI-Driven-Chat-with-SQL-Database - Любые другие релевантные проект - Написать проект самому на базе питон-библиотеки langchain, langgraph 7. Развернуть локально и настроить выбранное решение для загрузки из DLH 8. Настроить семантический слой к данным при необходимости - описание данных. Полезные материалы для изучения SQL AI агентских решений: https://github.com/HKUSTDial/NL2SQL_Handbook https://towardsdatascience.com/agentic-ai-from-first-principles-reflection/ 9. В рамках сдачи групповой работы: - Установить и настроить DLH, показать его работу в действии - Показать формирование аналитических витрин данных на основе вашего датасета - Показать рабочее GenAI решение для анализа данных - Показать интеграцию GenAI решения с DLH и процесс загрузки витрины данных - Осветить настройку GenBI решения - конфигурацию, семантический слой (если есть), код работы с данными и моделями (если есть), настроенные промпты - Сделать демо в реальном времени - задать вопросы к данным, показать, что модель формирует ответы на основе данных - Осветить, как улучшать качество работы модели Будет плюсом: - Произвести оценку качества работы модели с использованием лучших практик - например, LLM-as-a-Jundge, когда другая LLM-модель проверяет качество ответов другой модели.
Почему стоит искать работу для фриласнеров по профилю программисты в России у нас?
🔸 Более 5 предложений о работе за сегодня в тематике программисты
🔸 Работа и подработка на бирже фриланса от прямых заказчиков, которым нужна помощь специалистов по профилю программисты уже сегодня!
🔸 Свежих заказов на программисты в России для фрилансеров на сентябрь 2026 года — 6014 шт.
Как найти удалённую работу для фриланс-специалистов по профилю программисты в России?
Вы специалист по программисты 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 программисты в России?
На сентябрь 2026 года опубликовано 6014 предложений удалённой работы от прямых заказчиков для исполнителей по специализации программисты
Сколько можно заработать выполняя проекты по программисты?
Специалисты по профилю программисты зарабатывают от 0.00 рублей с заказа. Хотите больше? Выполняйте как можно больше заказов и зарабатывайте сколько пожелаете