Budżet: 60000 UAH Termin: 30 dni
Добрый день.
Языки в профиле.
Пишите, обсудим.
С уважением, Сергей.
На постійну основу.
будувати математичні моделі прогнозування (дефолт модель, модель відгуку і т.д.)
проводити автоматизацію/оптимізацію процесів;
структурування даних з різнотипних джерел.
Наші очікування:
знання математичних дисциплін;
досвід роботи з базами даних, SQL, Big Data (hadoop і MapReduce).
На постоянную основу.
строить математические модели прогнозирования (дефолт модель, модель отклика и т.д.)
проводить автоматизацию / оптимизацию процессов;
структурирования данных из разнотипных источников.
Наши ожидания:
знание математических дисциплин;
Понимание Теории Игр и Цепь Маркова работа с алгоритмами и умнее поставить задачу для коллег программистов.
Budżet: 60000 UAH Termin: 30 dni
Добрый день.
Языки в профиле.
Пишите, обсудим.
С уважением, Сергей.
Budżet: 60000 UAH Termin: 30 dni
Звучит заманчиво.
Если рассматриваете возможность удаленного сотрудничества - обращайтесь.
Sql , аналитика , моделирование.
Budżet: 111111 UAH Termin: 30 dni
Добрый день! Давайте обсудим, звучит очень интересно)
Я математик, аналитик. Нахожусь в Одессе.
Вам не математик, а математик-экономист нужен. Разница как летчик и летчик-космонавт.
Я понимаю примерно,что вы хотите (но вопросов множество).
Не уверен, что это задание для удаленки. Одна теория игр, которую вы хотите ввязать, потянет за собой такой пласт разработки...
Szukam doświadczonego specjalisty od Chatterfly.ai do skonfigurowania pełnoprawnego zautomatyzowanego lejka sprzedażowego w Telegramie w tematyce tradingu. Co należy zrobić: Skonfigurować Chatterfly.ai od podstaw. Podłączyć bota Telegram. Stworzyć asystenta AI, który będzie automatycznie komunikował się z użytkownikami, odpowiadał na pytania i prowadził ich do rejestracji. Skonfigurować lejek sprzedażowy z podziałem użytkowników na etapy. Zintegrować system z brokerem Pocket Option. Skonfigurować przesyłanie i weryfikację ID użytkownika, postbacków i statusów rejestracji/depozytu (jeśli dostępne API lub inne metody integracji). Skonfigurować automatyczne wiadomości, wyzwalacze, tagi i scenariusze komunikacji. W razie potrzeby pomóc w integracji CRM i innych usług. Ważne: Realne doświadczenie w pracy z Chatterfly.ai jest obowiązkowe. Doświadczenie w integracji z Telegramem i Pocket Option jest mile widziane. Nie chodzi tylko o skonfigurowanie usługi, ale o pomoc w zbudowaniu działającego systemu, który będzie automatycznie prowadził klientów i zwiększał konwersję. Rezultat pracy: Całkowicie skonfigurowany i przetestowany lejek, w którym użytkownik przechodzi drogę od pierwszej wiadomości do rejestracji u brokera, a AI automatycznie towarzyszy mu na wszystkich etapach. Potrzebna jest również krótka instrukcja dotycząca dalszego korzystania z systemu.
Poszukujemy specjalisty do stworzenia jednej realistycznej modelu AI / postaci AI oraz przygotowania pakietu treści do mediów społecznościowych. Zadanie - opracować wizualnie jakościowy i spójny wizerunek, który można wykorzystać w zdjęciach i krótkich formatach wideo. Co należy zrobić: stworzyć jeden model AI o rozpoznawalnym wyglądzie i jednolitym stylu; przygotować mały pakiet zdjęć i krótkich wideo; zaadaptować materiały do publikacji w mediach społecznościowych; zapewnić realizm i stabilność wizerunku w różnych scenach. W zgłoszeniu prosimy o podanie: czy masz doświadczenie w tworzeniu modeli AI / postaci AI; czy możesz pokazać przykłady podobnych prac; orientacyjną cenę i terminy realizacji; Szczegółowe wytyczne omówimy z odpowiednimi kandydatami w wiadomościach prywatnych.
Dzień dobry! Należy wykonać dwa zadania: 1. Opracować parser produktów z zewnętrznej strony (10–40 tys. pozycji, marketplace) z zachowaniem zorganizowanych danych w MySQL do późniejszego wyświetlenia w WordPressie. 2. Zainstalować i skonfigurować n8n na VPS, a także zorganizować przetwarzanie treści AI: konfiguracja promptów, przeredagowanie tekstów, przetwarzanie obrazów, optymalizacja SEO i sprawdzanie tekstów pod kątem detekcji AI. Można oszacować koszt realizacji zarówno całego projektu, jak i każdego zadania osobno. .
Zadanie: jeden dashboard ze wszystkimi wskaźnikami biznesowymi — reklama, lejek, płatności, praca menedżerów, planowanie przychodu. Dane są pobierane automatycznie przez API. Zakres: tylko kierunek YCL (zatrudnienie w Europie). W Kommo są też inne kierunki — do magazynu trafiają tylko transakcje z lejek YCL (filtr według lejka/tagu ustalimy).1. Źródła danych (integracje) Kommo CRM — leady, transakcje, etapy lejka, odpowiedzialni, źródła, daty przejść między etapami (koniecznie zachować historię), przyczyny odmowy, pola niestandardowe transakcji (patrz p. 2). Stripe — płatności, kwoty, statusy (sukces/odmowa/zwrot), powiązanie z transakcją. Meta Ads — wydatki, wyświetlenia, kliknięcia, CPL, leady według kampanii (działa teraz). Google Ads, Reddit Ads, LinkedIn Ads — planowane; architektura — rozszerzalne konektory bez przeróbek rdzenia. SEO/organika— Google Search Console + GA4. Przeszły związek: źródło ruchu → lead w Kommo → płatność w Stripe (UTM, ID transakcji w metadanych Stripe — mechanikę zaproponować). 2. Obowiązkowe przekroje (pola transakcji w Kommo) Każda metryka musi być filtrowana/grupowana według: Obywatelstwo klienta (Kenia, Nigeria, Indie itp.). Status pobytu: mieszka w swoim kraju / ekspat (już przebywa w Europie). To dwa różne segmenty z różnym cyklem, konwersją i wartością transakcji. Kraj umiejscowienia / usługa: Polska, Serbia, Słowacja, Niemcy (ZAV). Menedżer, zespół, kanał ruchu, okres. Jeśli jakichś pól w Kommo brakuje — wykonawca wskazuje, jakie pola należy dodać, zamawiający dodaje.3. Lejek i wskaźniki wyprzedzające Dane w przekroju lejka, dla każdego etapu — podsumowujące i wyprzedzające (leading) metryki: Ruch → lead: leady, CPL według kanałów + dynamika wydatków/kliknięć dzień do dnia. Lead → kwalifikacja: konwersja + czas pierwszej odpowiedzi, kontakty/telefony do menedżera dziennie, leady bez odpowiedzi. Kwalifikacja → umowa/faktura: konwersja + wysłane oferty, zawieszone transakcje (dni na etapie powyżej normy). Faktura → płatność: płatności, średnia wartość transakcji + niezapłacone faktury, nieudane płatności. Podsumowanie: przychód, ROMI według kanałów, run rate do planu miesiąca. 4. Cykl transakcji Średni i medianowy cykl lead → płatność (punkt odniesienia biznesu ~4 tygodnie), trend cyklu w czasie. Rozkład cyklu według etapów (ile dni transakcja spędza na każdym etapie) — aby zobaczyć, który etap się wydłuża. Lista transakcji, które utknęły na etapie dłużej niż norma. Przekrój cyklu według segmentów: obywatelstwo, status pobytu, kraj umiejscowienia, menedżer. 5. Wczesne ostrzeżenie o spadku (kluczowy blok) Ponieważ cykl ~4 tygodnie, dzisiejsze leady = płatności za miesiąc. System powinien: Porównywać leady/kwalifikacje bieżącego tygodnia z średnią ruchomą (4 tygodnie) i przy odchyleniu w dół wydawać alert: „leadów −X%, przy cyklu 4 tygodnie oczekuj spadku płatności w tygodniu [daty]”. Budować prognozę płatności na 4 tygodnie do przodu z bieżącego pipeline'u: transakcje na każdym etapie × historyczna konwersja etapu × pozostały cykl. Podświetlać na czerwono tygodnie, gdzie prognoza jest niższa od planu — z zapasem czasu na reakcję. 6. Dopłaty i planowanie sprzedaży W karcie transakcji Kommo przechowywane są data i kwota planowanej dopłaty. System powinien: Zbierać kalendarz przyszłych dopłat: całkowita liczba oczekiwanych, według tygodni/miesięcy. Podświetlać przeterminowane dopłaty (data minęła, brak płatności w Stripe) — osobna lista do dociśnięcia. Liczyć plan miesiąca jako: plan − już opłacone − dopłaty zgodnie z harmonogramem = ile nowych sprzedaży potrzebnych (w pieniądzach i w sztukach transakcji przy średniej wartości transakcji). Harmonogram według tygodni: dopłaty + prognoza nowych płatności w stosunku do tygodniowego planu. 7. Praca menedżerów Dzienny przekrój dla każdego menedżera: kontakty/telefony, rozmowy, wysłane oferty, płatności — dla każdego dnia osobno, z wykresem za okres. Postęp realizacji osobistego planu w porównaniu z tempem miesiąca (na przodzie / w tempie / w tyle). Benchmarking z kolegami. 8. Wizualizacja i role „Sygnalizatory” (zielony/żółty/czerwony) w kluczowych metrykach w odniesieniu do norm/planu; skale postępu; wykresy trendów; adaptacja do urządzeń mobilnych. Role: CEO — wszystko; ROP — cały lejek i menedżerowie; team lead — swój zespół; menedżer — swoje wskaźniki i pozycja w stosunku do kolegów. 9. Raporty i AI Automatyczne raporty według harmonogramu (codzienne podsumowanie, tygodniowy raport) w dashboardzie i/lub komunikatorze. Zapytania w dowolnej formie („jak zmienił się CPL z Meta w ciągu 2 tygodni?”) — LLM nad magazynem. Alerty w strefie czerwonej oraz według zasad z p. 5–6. 10. Oczekiwania techniczne i etapowość Magazyn (PostgreSQL/BigQuery lub analog) + ETL: webhooks Kommo + okresowa synchronizacja (15–60 min). Frontend: niestandardowy lub narzędzie BI — zaproponować z uzasadnieniem; wymagania dotyczące ról, sygnalizatorów, prognoz i zapytań AI muszą być wykonalne. Etapy: (1) audyt i mapa metryk → (2) MVP: Kommo + Stripe + Meta, lejek, sygnalizatory, role → (3) cykl transakcji, wczesne ostrzeżenie, dopłaty i plan → (4) SEO, raporty AI, alerty → (5) nowe kanały reklamowe. Płatność etapowa, po każdym etapie — demo. W odpowiedzi proszę wskazać: podobne projekty (analiza przeszła), stack z uzasadnieniem, oszacowanie czasów i kosztów według etapów, miesięczny koszt posiadania (hosting, tokeny, licencje).
Zadanie: wdrożenie usługi LLM, która zna całą dokumentację firmy i odpowiada na pytania menedżerów działu sprzedaży. Co jest teraz: klient samodzielnie stworzył prototyp (oddzielny projekt z załadowanymi informacjami o firmie, umieszczony na serwerze), ale informacje z bazy nie są przekazywane do modelu — prawdopodobnie problem z API. Kod i dostęp udostępnimy. Pierwszy krok — audyt: naprawić istniejące lub uzasadnione zbudować od nowa. Wymagana funkcjonalność: Załadowanie całej dokumentacji firmy: opis każdej usługi, regulaminy, FAQ, cenniki (wszystkie materiały udostępnimy). Odpowiedzi ściśle na podstawie załadowanych dokumentów (RAG). Model nie wymyśla faktów; jeśli odpowiedzi w bazie nie ma — uczciwie o tym informuje. Dostęp dla menedżerów poprzez link (interfejs webowy), z autoryzacją. Scenariusze: menedżer zadaje dowolne pytanie dotyczące pracy firmy; wstawia pytanie klienta „jak jest” i otrzymuje gotową odpowiedź do wysłania; znajduje potrzebny regulamin/raport na żądanie. Aktualizacja bazy wiedzy bez programisty (ładowanie plików przez interfejs lub podłączony folder). Język angielski. Historia zapytania do kontroli jakości. Oczekiwania techniczne: LLM przez API (Claude/OpenAI — proszę zaproponować z wyliczeniem kosztów tokenów), pipeline RAG (baza wektorowa, embeddings), hosting na naszym serwerze lub w chmurze, HTTPS. Architektura ma pozwalać w przyszłości na podłączenie asystenta do analitycznego magazynu danych (równoległy projekt). W odpowiedzi proszę podać: przykłady podobnych projektów RAG, stack, czas, koszt pracy oraz orientacyjną miesięczną koszt posiadania (tokeny + hosting).