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

IT-аутсорсинг — удалённая работа в Москве

Дата: 2025-12-30
Детали
Регион
Москва
Занятость
дистанционно
Стоимость
договорная
Дата публикации
2025-12-30
Описание
Разработка ПО. Data Science. Разработка с нуля, тестирование, настройка, git hab. Развернутая версия ТЗ: 1. Цель Разработать систему, которая автоматически: Находит земельные участки площадью от 8-10 гектаров (любой вид разрешённого использования); Фильтрует участки по географическим направлениям и трассам; Исключает участки с застройкой (дома, производственные здания, крупные постройки); Анализирует территорию с помощью искусственного интеллекта для определения: Процента залесённости и его окружения; Наличия воды или водоёмов (реки, озёра, пруды и др.). 2. Географические ограничения Радиус и направления: Поиск ведётся в радиусе до 130 км от МКАД. Для участков, находящихся на расстоянии 70–100 км от МКАД, минимальная площадь допускается от 8 гектаров. Участки ищутся вдоль ключевых направлений, в зоне от 2 до 15 км от трассы. Основные направления и трассы: Направление Основные шоссе Север Дмитровское шоссе, Ленинградское шоссе Запад Новорижское шоссе, Минское шоссе, Смоленское направление Юг Киевское шоссе, Симферопольское шоссе, Каширское шоссе Юго-запад Калужское шоссе Система должна позволять поиск по каждому направлению отдельно и по всем вместе. 3. Регионы для поиска Московская область Калужская область Тульская область Смоленская область Тверская область Дополнительно: Ярославская область Рязанская область Нижегородская область 4. Функциональность 4.1. Парсер Поиск участков ?8-10 Га по кадастровой карте РФ с учётом регионов и направлений; Фильтр по расстоянию от трассы (2–15 км) и от МКАД (до 130 км); Исключение участков с признаками застройки (наличие контуров зданий, плотных структур); Сбор базовой информации: кадастровый номер, площадь, координаты границ, вид разрешённого использования, регион, район, ссылка на источник. 4.2. Анализатор (на основе ИИ) Получает спутниковые снимки (Sentinel-2, Landsat и др.); Определяет: % залесённости участка и % леса вокруг участка (в радиусе 100–300 м); наличие водоёмов (% или факт); отсутствие/наличие застройки (булево); Сохраняет полученные метрики в таблицу или базу данных. 4.3. Интерфейс и отчёты Удобный просмотр результатов в таблице и на карте (с полигонами участков); Фильтрация по направлению, трассе, площади, проценту залесённости и наличию воды; Возможность выгрузки в CSV / Excel / GeoJSON. 5. Ожидаемый результат Автоматизированный поиск и анализ участков ?8-10 Га; Возможность фильтрации по направлениям и трассам; Исключение застроенных территорий; Выгрузка результатов с указанием площади, координат, % залесённости, наличия воды. 6. Требования к исполнителю Опыт в геоинформационных системах (GIS), работе с кадастровыми данными; Знание спутниковой аналитики и методов сегментации изображений (NDVI/NDWI);.
Похожие заказы

Data scientist

дистанционно
договорная
Разработка с нуля. Титаник. Сбор решений EDA и ресерч-анализ. Графики, применение инструментов EDA. Комментарий до графика. Вывод после графика/стат методов. Корреляция колонок с таргетом. Feature Engineering. Корреляция новых колонок с таргетом. Feature Importances. Простая модель. Эксперименты с моделями машинного обучения/глубокого обучения. По одной из каждого семейства. Линейные, деревья, модификации градиентного бустинга , нейронные сети. На основе результатов выбрать лучшую - делаем кросс-валидацию(не менее 5 фолдов) и итоговый вывод. Spotify. Сбор решений EDA и ресерч-анализ. Графики, применение инструментов EDA. Комментарий до графика. Вывод после графика/стат методов. Корреляция колонок с таргетом. feature Engineering. Корреляция новых колонок с таргетом. Feature Importances. Простая модель. Эксперименты с моделями машинного обучения/глубокого обучения. По одной из каждого семейства. Линейные, деревья, модификации градиентного бустинга , нейронные сети. На основе результатов выбрать лучшую - делаем кросс-валидацию(не менее 5 фолдов) и итоговый вывод.
Москва Фрилансеры

Программисты

дистанционно
договорная
Data Science. Доработка существующего продукта. Пожелания и особенности: Я разработал проект есть html файл самого сервиса и админка, нужно настроить базу данных и всю архитектуру. Сервис для поиска компаний для коллабораций, фалы готов предоставить для просмотра.
Москва Фрилансеры

Программисты

дистанционно
договорная
Data Science. Поиск данных. Мне нужно узнать где находится человек посредством поиска по его данных, взятых из интернета.
Москва Фрилансеры

Data scientist

дистанционно
договорная
Исследовательский анализ физиологических данных и временных рядов. Ищу специалиста для исследовательской работы с данными. Во время медитативных сессий смартфон регистрирует акселерометр и гироскоп, на их основе также рассчитываются дыхание и пульс. Задача — исследовать данные, искать артефакты и закономерности, различия между пользователями и сессиями, формулировать вопросы к участникам. Также формулирование гипотез и способов их проверки. Требуемый опыт: * использование ChatGPT / Claude или аналогов для исследовательского анализа данных * хорошее понимание математических методов анализа и обработки временных рядов и сигналов Формат: проектная работа с почасовой оплатой.
Москва Фрилансеры

Программисты

дистанционно
договорная
Data Science. Разработка с нуля, тестирование, настройка, доработка существующего продукта.
Екатеринбург Фрилансеры

Data scientist

дистанционно
договорная
Помочь разобраться в материале.
Москва Фрилансеры

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