Вход Блог
Строительство и ремонт
Репетиторы
Красота
Фрилансеры
Разные специалисты
Уход за животными
Тренеры
Автоинструкторы

Программисты — удалённая работа в Москве

Дата: 2025-12-11
Детали
Регион
Москва
Занятость
дистанционно
Стоимость
договорная
Дата публикации
2025-12-11
Описание
Data Science. Доработка существующего продукта, тестирование, настройка. Радио-поиск 2D (20 баллов) Ограничение времени 1 с Ограничение памяти 64.0 Мб Ввод стандартный ввод Вывод стандартный вывод [канал связи; математические модели] Задача является прямым продолжением задачи «Радио-поиск». Теперь на том же поле сыграем в охоту на «тень». Внутри поля, представленного декартовой плоскостью в виде квадрата с углами в точках (0; 0) и (1000; 1000), находится «радио-тень» в виде круга диаметром 300 м. Вы можете установить излучатель и приёмник в двух точках поля, выполнить передачу сигнала и получить обратную связь: пришёл сигнал или не пришёл. Если между микрофоном и динамиком есть тень, сигнал не придёт. Если микрофон или динамик в тени – сигнал также не придёт. Ваша задача – определить координаты центра тени с точностью до 3 м. Задача проверяет навык реализации автономного управления и работы с пространственными моделями, что потребуется при решении финальной задачи. Для решения этой задачи у вашей команды есть 20 попыток. Протокол взаимодействия Это интерактивная задача. Ваша программа взаимодействует с проверочной системой посредством стандартных потоков ввода и вывода. Каждое входящее и исходящее сообщение должно сопровождаться переносом строки и очисткой буфера. Иными словами, после отправки сообщения программа должна очистить буфер (выполнить flush) и считать ответ от системы (прочесть строку или несколько строк). В случае некорректного поведения решения, проверка прерывается с вердиктом PE (Presentation Error). Формат ввода Ваше решение отправляет одно из двух сообщений. Выполнение передачи: восклицательный знак, пробел и четыре вещественных числа через пробел – координаты излучателя и приёмника. Проверка координаты: «собачка», пробел и два вещественных числа через пробел – предполагаемые координаты центра. После этой команды решение должно завершить работу Формат вывода Выполнение передачи: одна строка с одним из двух слов, пришёл ли сигнал – YES или NO. Проверка координаты: одна строка со словом OK. Система оценивания Балл за решение выставляется по сумме баллов за обнаружение каждой тени. Один запуск – одна тень. Полный балл выставляется, если для обнаружения тени понадобилось не более, чем на три передачи больше авторского решения. Если разница составит больше 3 передач, или точность определения составит от 3 до 10 метров, выставляется 50%. После 100 передач решение прерывается досрочно. Примечание Каждое входящее и исходящее сообщение должно сопровождаться переносом строки. Очистка буфера в Python делается функцией sys.stdout.flush(), в Java – System.out.flush(), в C++ – std::flush.
Похожие заказы

Разработка на Python

дистанционно
договорная
Data Science. Разработка с нуля. Есть архив телефонных разговоров из МегаФон ВАТС — ориентировочно 400–500 MP3-файлов на русском языке. Средняя длительность разговора около 1–2 минут. Мне нужно не транскрибировать файлы вручную, а сделать простую автоматизацию, которая пакетно обработает всю папку. Что я предоставлю: папку с выбранными MP3; историю звонков в Excel; при необходимости — отдельный временный API-ключ для сервиса транскрибации; пример одного реального MP3. Что нужно сделать: Написать простой скрипт для пакетной обработки всех MP3 в папке. Транскрибировать русскую речь через Whisper / faster-whisper либо согласованный API. Обязательно сохранять связь транскрипта с исходным именем MP3. При повторном запуске не обрабатывать уже готовые файлы заново. Ошибочные/необработанные файлы складывать в отдельный список. По возможности извлекать из имени файла дату, время, направление звонка и номера телефонов. Если это не усложняет решение — сопоставить транскрипты с предоставленной Excel-историей звонков. Что должно быть на выходе: один CSV или XLSX со столбцами примерно: filename date time direction phone_from phone_to duration transcript status отдельный .txt для каждого разговора; папка с результатами; файл со списком ошибок; исходный скрипт; короткая инструкция: как запустить обработку новой папки самостоятельно. Важно: решение должно быть простым, без сложной инфраструктуры; Telegram-боты для транскрибации не использовать; аудиозаписи и транскрипты никуда не сохранять после выполнения работы; API-ключи не прописывать в коде; если используете локальный faster-whisper — отлично; если используется платный API — предварительно согласовать со мной. Первый этап — проверить всё на 5–10 MP3. После подтверждения качества запускаем весь массив. В отклике напишите: каким способом предлагаете делать; нужен ли вам GPU; сколько времени займёт настройка; стоимость; пример похожей задачи, если ест.
Москва Фрилансеры

Программисты

дистанционно
договорная
Data Science. Разработка с нуля. Пожелания и особенности: Ищу No-code разработчика / IT-специалиста для создания ИИ-агента, который автоматизирует разбор коммерческих предложений (ТКП) от поставщиков.Логика работы системы:Входящий триггер: Мониторинг почты Gmail на предмет новых писем с ТКП и счетами (приходят в хаотичном формате: текст письма, Excel, PDF-сканы).ИИ-Парсинг: Письмо и вложения отправляются по API в нейросеть (GPT-4o / Claude). Нейросеть должна распознать текст/таблицу, извлечь название компании-поставщика и вытащить табличную часть: Наименование товара, Количество, Цена за единицу с НДС. Пустые письма-отбивки без цен — игнорировать.Выгрузка: Автоматическая запись извлеченных данных в итоговую сравнительную Google Таблицу, сопоставляя позиции поставщика с позициями нашего исходного ТЗ.Стек: На ваше усмотрение (Python, Make.com, n8n, Albato). Подключение к почте строго через App Passwords.Жду откликов с примерной стоимостью и сроками. Готов предоставить примеры писем для теста.
Москва Фрилансеры

Data scientist

дистанционно
договорная
Доработка существующего продукта. Пожелания и особенности: Будет дана google таблица, в которой отмечены товары, нужно будет в приложении отмечать этот товар.
Москва Фрилансеры

Data scientist

дистанционно
договорная
Провести анализ для открытия точки по аренде инструмента.
Москва Фрилансеры

Data scientist

дистанционно
договорная
Разработка с нуля.
Москва Фрилансеры

Data scientist

дистанционно
договорная
Доработка существующего продукта. Пожелания и особенности: Ищем Senior Data Engineer / Technical Lead на длительный проект в телекоме. Формат: удалённо Занятость: полная Срок проекта: до конца 2027 года Локация: РФ Гражданство: РФ / РБ График: МСК ±2 Проект: миграция ETL-процессов с Informatica PowerCenter на открытый Apache-стек: NiFi + Airflow + Greenplum Ключевые требования: • Опыт Team Lead / управления командой — от 4 лет • Сильный опыт ETL / ELT и DWH • Практический опыт миграции ETL с Informatica PowerCenter на Airflow + Greenplum • Apache Airflow — самостоятельная разработка и отладка DAG’ов • Apache NiFi — проектирование и разработка потоков • Python, pandas • Spark / PySpark • SQL, PL/SQL, хранимые процедуры и функции • Oracle, PostgreSQL, Greenplum, ClickHouse • Hadoop, Hive, Hive Metastore • Kafka и потоковая обработка данных • Grafana / Prometheus • Data Quality и автоматическая валидация результатов миграции • Опыт оптимизации сложных SQL-запросов в highload • Опыт работы с биллингом Будет плюсом: • системный анализ ETL; • перевод бизнес-требований в технические спецификации; • ER-диаграммы; • подготовка технической документации и тест-кейсов. При отклике, пожалуйста, сразу напишите: 1. Сколько лет опыта в роли Team Lead? 2. Был ли именно проект миграции Informatica PowerCenter ? Airflow / Greenplum? 3. Какой практический опыт с NiFi? 4. Есть ли опыт с биллингом?.
Москва Фрилансеры

Data scientist

дистанционно
договорная
Необходимо собрать датасет из 1000 изображений объекта с разных ракурсов\погодой\времени суток. Разовая подработка: сбор и разметка скриншотов STALZONE — 5?000 ? Ищу человека, который играет в STALZONE и поможет подготовить изображения для обучения нейросети распознавать кабанов. Что нужно сделать: * Собрать 1000 разнообразных кадров из нескольких игровых заходов: 800 с живыми кабанами и 200 без них — окружение, другие персонажи, трупы. * Снимать кабанов с разных сторон, на разных расстояниях и при разном освещении. * Удалять одинаковые и почти одинаковые кадры. * В программе CVAT выделить каждого видимого живого кабана отдельной прямоугольной рамкой с меткой `live_boar`. Рамки должны плотно охватывать объект. Трупы этой меткой не отмечать. * Передать оригинальные изображения и разметку в формате YOLO Detection, сохранив информацию, из какого игрового захода получен каждый кадр. Требования: установленная игра, возможность самостоятельно находить кабанов, внимательность. Опыт работы с CVAT будет плюсом. Оплата — 5?000 ? за весь объём. Сначала оплачиваемая пробная партия: 50 кадров за 500 ?. Она входит в общий объём и бюджет. После проверки согласуем продолжение и срок сдачи. В отклике напишите, играете ли вы в STALZONE и есть ли опыт разметки изображений.
Москва Фрилансеры