Программу писать в jupyter notebook
Продемонстрировать положение No Free Lunch Theorem.
Качество работы оценивается по accuracy на тестовой выборке согласно пайплайну (см материалы семинара). Метод валидации (если вы его применяете) 5-fold cv.
В выводе для каждой модели указать какие предположения она делает относительно данных. В выводе указать почему модель плохо / хорошо работает на сгенерированной вами выборке. Использовать пространство признаков размерности 2 при классификации и размерности 1 при регрессии. При возможности, нарисовать выборку на графике (цветами обозначить классы).
1. Сгенерировать датасет для задачи бинарной классификации (binary crossentropy), на котором метод ближайших соседей работает хуже, чем логистическая регрессия.
2. Сгенерировать датасет для задачи бинарной классификации (binary crossentropy), на котором логистическая регрессия работает хуже, чем метод ближайших соседей.
3. Сгенерировать датасет для задачи бинарной классификации (binary crossentropy), на котором метод ближайших соседей с косинусной метрикой расстояния работает лучше, чем с евклидовой метрикой.
4. Сгенерировать датасет для задачи регрессии (MSE), на котором решающее дерево работает хуже, чем линейная регрессия.
Budżet: 1008 UAH Termin: 6 dni
У вас бывало так,что вы платите много думая,что дорого=качество,а потом сильно сожалеете об этом.
Но если вы обратитесь к нам, то вы получите отличное качество за оптимальную цену
Szukam doświadczonego programisty Python, który będzie w stanie przeprowadzić pełny audyt istniejącego projektu, usunąć błędy i doprowadzić go do całkowicie stabilnej pracy. W razie potrzeby dopuszczalna jest całkowita przebudowa architektury projektu lub napisanie nowej implementacji z zachowaniem całej niezbędnej funkcjonalności. Co zapewnię Źródło kodu obecnego bota. Film wideo z demonstracją, jak powinien działać bot. Pełne zadanie techniczne z logiką działania. Główne zadanie Należy przywrócić stabilną pracę bota i zagwarantować realizację pełnego scenariusza bez awarii. Jeśli obecna architektura nie może być jakościowo naprawiona, dopuszczalna jest całkowita przebudowa projektu. Głównym celem jest nie zachowanie istniejącego kodu, a uzyskanie w pełni działającego, stabilnego i wspieranego produktu. Co należy zrobić 1. Przeprowadzić audyt projektu Przed rozpoczęciem pracy należy: przeanalizować istniejący kod; określić przyczyny, dla których bot przestał działać; ocenić, co można naprawić, a co lepiej przepisać. 2. Przywrócić całą funkcjonalność Po zakończeniu prac bot powinien poprawnie realizować cały scenariusz: rejestracja nowego konta; potwierdzenie logowania kodem z e-maila; autoryzacja; realizacja scenariusza zgodnie z zadaniem technicznym; zakończenie pracy; przejście do następnego konta. Wszystkie etapy powinny działać automatycznie bez ręcznej interwencji. 3. Naprawić istniejące błędy Należy usunąć wszelkie błędy związane z: autoryzacją; uzyskiwaniem kodu potwierdzenia; niestabilną pracą; zawieszaniem się; nieoczekiwanym zakończeniem programu; błędami po aktualizacjach strony; nieprawidłowym przetwarzaniem wyjątków. 4. Uczynić projekt odpornym Bot powinien: poprawnie obsługiwać błędy; nie wchodzić w nieskończone pętle; automatycznie kończyć nieudane scenariusze; poprawnie kontynuować pracę po niekrytycznych błędach; prowadzić zrozumiałe logi. 5. Panel sterowania Należy zachować lub przebudować panel sterowania. Powinien on umożliwiać: uruchamianie i zatrzymywanie pracy; zmienianie niezbędnych ustawień; przeglądanie bieżącego statusu; przeglądanie dziennika pracy i błędów. Interfejs powinien być zrozumiały i stabilny. 6. Kod Wymagania dotyczące kodu: czytelna struktura projektu; podział logiki na moduły; możliwość dalszego wsparcia. 7. Kompatybilność Projekt powinien działać na nowoczesnej wersji Pythona. Wykonawca jest zobowiązany do dostarczenia pełnej listy zależności oraz instrukcji uruchomienia. 8. Weryfikacja wyniku Przed oddaniem projektu wykonawca jest zobowiązany do zaprezentowania w pełni działającego scenariusza na wideo: uruchomienie projektu; przejście pełnego cyklu; brak błędów; poprawna praca wszystkich funkcji. Co dostarczyć po zakończeniu źródło kodu; wszystkie zmienione pliki; instrukcje uruchomienia; lista zależności; wideo demonstracyjne pracy; krótkie opisane wprowadzone zmiany. Ważne Praca uznawana jest za zakończoną tylko po tym, jak cała funkcjonalność opisana w zadaniu technicznym i filmie demonstracyjnym będzie działać stabilnie bez krytycznych błędów. Jeśli w trakcie audytu okaże się, że obecny projekt nie może być jakościowo naprawiony, dopuszczalna jest jego całkowita przebudowa z zachowaniem całej niezbędnej funkcjonalności. Przy odpowiedzi proszę od razu podać: doświadczenie w pracy z Pythonem; doświadczenie w automatyzacji przeglądarek (Playwright, Selenium lub podobne narzędzia); doświadczenie w pracy z REST API; koszt pracy; orientacyjne terminy realizacji.
Szukamy wysoko wykwalifikowanego inżyniera aplikacji AI oraz pełnostackowego dewelopera backendu do zbudowania gotowego do produkcji procesu walidacji, udoskonalania i zatwierdzania dokumentów zasilanego AI. To nie jest prosta rola inżyniera promptów. Potrzebujemy kogoś, kto potrafi zaprojektować i wdrożyć prawdziwą aplikację AI z silną architekturą backendową, integracją API Claude, ustrukturyzowaną logiką walidacji, śladami audytu, bezpiecznym przetwarzaniem danych oraz procesami przeglądu z udziałem człowieka. System będzie działał jako inteligentna warstwa zapewnienia jakości dla przesłanych raportów i dokumentów. Powinien przeglądać zakończone zgłoszenia, identyfikować problemy, poprawiać jakość treści, stosować zasady biznesowe, chronić wrażliwe informacje i albo automatycznie zatwierdzać dokument, albo kierować go do przeglądu przez człowieka. Deweloper będzie odpowiedzialny za zbudowanie procesu, który może: Pobierać zakończone dokumenty, raporty lub zgłoszenia z zewnętrznej platformy za pośrednictwem API Analizować pełny dokument, w tym ustrukturyzowane odpowiedzi, oceny, wybory, narracje, komentarze i pola tekstowe Przeprowadzać audyty semantyczne w celu wykrycia konfliktów logicznych, sprzeczności, brakujących informacji, niejasnych stwierdzeń, niepopartych twierdzeń lub niekompletnych sekcji Walidować, że ustrukturyzowane odpowiedzi i treść pisemna są ze sobą spójne Stosować niestandardowe zasady walidacji, wytyczne redakcyjne, standardy formatowania, wymagania dotyczące tonu i logikę biznesową Wykrywać, tokenizować, maskować lub bezpiecznie przetwarzać PII, dane poufne i wrażliwe informacje związane z bezpieczeństwem przed przetwarzaniem przez AI, gdzie to konieczne Przepisywać i ulepszać narracje, komentarze i sekcje dokumentów pod kątem gramatyki, jasności, profesjonalizmu, spójności i czytelności Zachować pierwotne znaczenie, obserwacje i intencje, jednocześnie poprawiając ostateczny wynik Standaryzować styl pisania w dokumentach, nie sprawiając, że każdy raport brzmi ogólnie lub zbyt normalizująco Zgłaszać treści, które wydają się niespójne, sfabrykowane, niejasne, niekompletne, wrażliwe lub wymagające przeglądu przez człowieka Generować konkretne notatki walidacyjne wyjaśniające, dlaczego dokument nie przeszedł przeglądu i co należy poprawić Automatycznie generować prośby o wyjaśnienia lub poprawki, gdy potrzebne są dodatkowe informacje Wspierać procesy zatwierdzania, w których dokumenty są: Automatycznie zatwierdzane, gdy spełnione są progi zaufania Kierowane do ludzkiego redaktora lub walidatora do przeglądu Zwracane do pierwotnego nadawcy w celu poprawy lub wyjaśnienia Utrzymywać pełny ślad audytu pokazujący: Pierwotne zgłoszenie Wydarzenia związane z tokenizowanymi lub maskowanymi danymi wrażliwymi Ustalenia i rekomendacje AI Treść przepisana przez AI Edytacje ludzkie Decyzje o zatwierdzeniu lub odrzuceniu Ostateczna zatwierdzona wersja Pisać zatwierdzoną i zwalidowaną treść z powrotem na platformę źródłową za pośrednictwem integracji API Rola wymaga również zbudowania edytora i procesu podejmowania ostatecznych decyzji. Ludzkie osoby przeglądające powinny mieć możliwość inspekcji ustaleń AI, porównania oryginalnej i poprawionej treści, dokonywania edycji, zatwierdzania zmian, odrzucania rekomendacji i finalizowania dokumentu przed jego wysłaniem dalej. Idealne doświadczenie obejmuje: Silne doświadczenie w integracji API Claude / Anthropic API Doświadczenie w budowaniu procesów przeglądu dokumentów, walidacji, edytowania lub zgodności zasilanych AI Silne umiejętności architektury backendowej Umiejętność pełnostackowego rozwoju Doświadczenie z integracjami API, webhookami, kolejkami, przetwarzaniem zadań i projektowaniem baz danych Umiejętność projektowania ustrukturyzowanych wyników AI, oceny zaufania, walidacji opartej na regułach i przeglądów z udziałem człowieka Doświadczenie w wykrywaniu PII, tokenizacji, maskowaniu, szyfrowaniu, kontroli dostępu i bezpiecznym przetwarzaniu danych AI Doświadczenie w budowaniu bezpiecznych śladów audytu i systemów zatwierdzania Silne zrozumienie projektowania promptów, ale także umiejętności inżynieryjnych do przekształcania promptów w niezawodny system produkcyjny Szukamy kogoś, kto już zbudował poważne aplikacje AI, a nie kogoś, kto tylko pisze prompty. Odpowiednia osoba powinna być w stanie zaprojektować architekturę, zintegrować z zewnętrznymi API, zarządzać logiką przetwarzania dokumentów, chronić wrażliwe dane, zbudować interfejs przeglądu i dostarczyć niezawodny proces, który można wykorzystać w produkcji.
Szukamy inżyniera 3D GenAI / dewelopera AI 3D Pipeline Potrzebujemy stworzyć rozwiązanie, które będzie w stanie jakościowo generować modele 3D z jednego lub kilku obrazów. Ważne, aby to nie była tylko gotowa demka, ale zrozumiały i powtarzalny proces: od wejściowego obrazu do pełnoprawnego zasobu 3D z siatką, geometrią, teksturami i możliwością dalszego wykorzystania. Co należy zrobić: - przetestować nowoczesne modele image-to-3D i podejścia; - określić, która opcja najlepiej pasuje do naszego zadania; - wykorzystać Trellis, Hunyuan3D lub podobne rozwiązania; - w razie potrzeby wykorzystać Gaussian Splatting w 3D-pipeline; - dostosować konwersję Gaussian Splat / reprezentację splat do 3D mesh; - uzyskać użyteczną geometrię; - wygenerować tekstury wysokiej jakości; - doprowadzić wynik do stanu użytecznego zasobu 3D; - dobrać optymalny balans między jakością, szybkością generacji a złożonością pipeline'u; - zbudować zrozumiały proces, który będzie można powtarzać dla różnych obrazów; - wykonać fine-tuning, LoRA lub inne adaptacje modeli pod konkretny typ obiektów.
Konieczne jest podłączenie formularza zgłoszeniowego na landing page do keycrm. Wszystkie niezbędne dostępne dane przekażę. Proszę napisać, ile czasu i kosztów zajmie to zadanie.
Należy opracować program dla systemu Windows, który umożliwia podłączenie iPhone'a z jailbreak przez kabel USB i zarządzanie nim z komputera. Główne funkcje: Podłączenie iPhone'a przez USB. Program powinien szybko rozpoznawać podłączonego iPhone'a i działać przez kabel, aby zminimalizować opóźnienia i lagi. Transmisja ekranu iPhone'a na komputer. (Na komputerze ma być wyświetlany ekran telefonu w czasie rzeczywistym) Zarządzanie telefonem za pomocą myszy. Użytkownik powinien mieć możliwość klikania, przesuwania, przewijania i zarządzania ekranem iPhone'a za pomocą myszy z komputera. Wprowadzanie tekstu z komputera. Musi być wspólny schowek między komputerem a iPhone'em. Przesyłanie plików z komputera na iPhone'a. Należy dodać funkcję przesyłania plików z komputera do pamięci telefonu lub do odpowiednich folderów/aplikacji. Stabilna praca. Program ma działać płynnie, bez znaczących opóźnień, zawieszeń i przerw w połączeniu. Kompatybilność: wsparcie dla „złamanego” iPhone'a, rootless jailbreak, iOS 16.7.12, podłączenie przez USB.