Разработка на Python — удалённая работа в Москве

Data Science. Разработка с нуля. Py-файл: - Через параметры командной строки получить путь к анализируемой папке и другие параметры (например, исключения, вложенность, типы файлов и т.п.), в том числе путь к БД (если не задан путь, то предусмотреть путь по умолчанию, например, рядом с анализируемой папкой). - Рекурсивно пройтись по полученному пути, найти все необходимые файлы и обработать их, а в консоль выводить этапы выполнения и/или прогресс выполнения, предусмотреть возможность отмены и/или паузы. - По каждому файлу достать всю информацию (атрибуты, метаданные, tags и т.п.), в том числе и превью файла (например, 15 секунд) и сохранить это в БД. - Если БД для хранения информации о файлах не создана, то ее необходимо создать и начать заполнение данными. - Если БД создана и там уже хранится какая-то информация о файле, то предусмотреть возможность ее обновления или пропуска, например, управлять этим через командную строку. - Через параметры командной строки добавить механизм экспортирования некоторых данных в CSV-файл. ipynb-файл: - Создать несколько типичных запросов к БД, на которых можно было бы увидеть основные возможности выборки данных, желательно с использованием NumPy, Pandas, Matplotlib и т.п. (минимум 10 выборок). Например: - показать ТОП самых больших файлов в байтах, по ширине, по высоте и т.п.; - показать ТОП самых новых файлов по дате создания, по дате съемки и т.п.; - построить график по размеру файлов, по типам файлов и т.п. Уточнение: - БД создаем на SQLite, проектируем ее самостоятельно. - Предусмотреть возможность работы с различными типами файлов. - Предусмотреть возможность обновления данных в БД. - Предусмотреть обработку потенциальных ошибок. - Для демонстрации возможностей использовать разные типы файлов, множество подкаталогов, различные параметры, возможные ошибки и т.п. - Помним, что, например, в файлах mp3 есть различные версии тегов, в которых находятся данные: название альбома, фото, исполнитель, жанр и т.п.