Zbieranie dużej bazy adresów email naukowców i doktorantów Ukrainy

Budżet: 4000 UAH Termin: 5 dni

Dzień dobry!

Zbieram bazę na Pythonie, ale nie parserem po stronach na ślepo, a przede wszystkim przez otwarte akademickie API — OpenAlex, Crossref, ORCID i OAI-PMH ukraińskich czasopism na OJS. Tam dane są udostępniane oficjalnie i w paczkach: autor, instytucja, stanowisko, link do źródła, a w metadanych artykułów w Crossref znajduje się adres e-mail autora do korespondencji. Strony katedr oraz instytucjonalne repozytoria dobieram z góry, aby zamknąć tych, którzy mało publikują za granicą.

Na wyjściu jeden plik w Excelu i CSV: imię i nazwisko, e-mail, instytucja, stanowisko, link do źródła, data zbierania. Duplikaty czyszczę w dwóch przejściach — według e-maila i według znormalizowanego imienia i nazwiska razem z instytucją, ponieważ ludzie zmieniają afiliację i proste porównanie wierszy tutaj nie działa. Adresy e-mail przepuszczam przez sprawdzenie składni oraz MX rekordu domeny, status umieszczam w osobnej kolumnie, abyście od razu widzieli, co z bazy jest działające.

Pytanie zasadnicze: jaki orientacyjny zakres trzymacie — umownie 5 tysięcy kontaktów czy bliżej 30-40 tysięcy? I czy zostawiać w bazie wiersze bez znalezionego e-maila jako szablon, czy potrzebne są tylko kontakty z e-mailem? Od tego zależy, jak głęboko zbierać dane.

Cena 4000 UAH, jak w budżecie, termin 5 dni. Pośredni wycinek na kilka setek wierszy pokażę już drugiego dnia, abyście zweryfikowali strukturę kolumn przed tym, jak przejdę przez cały zbiór.

Piotr Pankow, BotCraft Group Rozwiń

Budżet: 4000 UAH Termin: 4 dni

Witam, zacznę od razu: w pierwszy dzień dostarczę strukturę Excel/CSV oraz pierwszą próbkę z linkami do źródeł. Zbieram publicznie dostępne kontakty przez OpenAlex, ORCID oraz oficjalne strony instytucji, znormalizuję pola, usunę duplikaty i sprawdzę format oraz domenę email. Wynik — czysta tabela z imieniem i nazwiskiem, stanowiskiem, instytucją oraz źródłem. Termin — 4 dni. Czy są priorytetowe instytucje lub branże?

Budżet: 4000 UAH Termin: 7 dni

Witam, niedawno robiłem podobny parser źródeł akademickich: zbieranie imion i nazwisk, emaili, miejsc pracy i stanowisk ze stron katedr i profili wykładowców, z odniesieniem do źródła dla każdego kontaktu. Deduplikacja i weryfikacja aktualności emaili przez API również były częścią tego projektu.

Jeśli baza jest potrzebna do wysyłek, warto od razu przepuścić emaile przez walidację SMTP i odfiltrować nieczynne, co zwiększa dostarczalność o około 20-30%.

Ile kontaktów orientacyjnie potrzeba na początku i czy to jednorazowe zbieranie, czy potrzebne są regularne aktualizacje bazy? Ważne jest też, które źródła są priorytetowe - ORCID i OpenAlex dają czystsze dane niż ResearchGate.

Proponuję się skontaktować, przy okazji naszkicuję schemat parsowania po źródłach i strukturę finalnego CSV pod wasze pola.

Budżet: 4000 UAH Termin: 4 dni

Cześć! Mam doświadczenie w zbieraniu dużych baz danych oraz pracy z otwartymi źródłami akademickimi. Proponuję zrealizować projekt w następujący sposób:

1. Wykorzystam parsowanie oficjalnych stron uniwersytetów i instytucji naukowych Ukrainy
2. Będę zbierać dane z ORCID, Google Scholar, ResearchGate oraz OpenAlex przez ich API
3. Strukturyzuję wynik w CSV/Excel z polami: Imię i nazwisko, email, instytucja, stanowisko, źródło
4. Przeprowadzę deduplikację oraz podstawową walidację adresów email
5. Zapewnię maksymalne pokrycie aktualnych kontaktów

Mogę rozpocząć od razu. Będę przestrzegać wszystkich zasad serwisów dotyczących zbierania danych.

Budżet: 4000 UAH Termin: 2 dni

Witam! Jestem gotów zebrać dla Państwa maksymalnie pełną i czystą bazę kontaktów ukraińskich naukowców i wykładowców. Specjalizuję się w automatyzacji i pracy z danymi (Python, API). Zamiast ręcznego wyszukiwania szybko wyciągnę zweryfikowane profile przez API otwartych baz (OpenAlex, Crossref, ORCID) i napiszę niestandardowe parsery dla instytucjonalnych repozytoriów i stron uczelni. Następnie za pomocą skryptów zbiorę wszystko w jeden uporządkowany plik Excel (imię i nazwisko, email, miejsce pracy, stanowisko, źródło), całkowicie usunę duplikaty i sprawdzę ważność adresów email. Mam duże praktyczne doświadczenie w masowym parsowaniu. Proszę napisać, jaki zakres bazy Państwa interesuje na początek, a ja jestem gotów od razu rozpocząć zbieranie!

Budżet: 4000 UAH Termin: 5 dni

Dzień dobry! Zapoznałem się z zadaniem. Mam doświadczenie w tworzeniu parserów oraz pracy z otwartymi API naukowymi (procesy ETL), dlatego będę w stanie zebrać dużą, uporządkowaną i szczegółową bazę wyłącznie z otwartych źródeł, jak wskazano w specyfikacji.

Jak będzie zrealizowane zbieranie i przetwarzanie danych (Python):

Źródła wyładowania: Zautomatyzowane zbieranie danych przez darmowe API naukowych baz danych (OpenAlex, ORCID), a także parsowanie otwartych rejestrów ukraińskich czasopism naukowych (OJS) oraz profili uczelni. To pozwoli uzyskać dokładne powiązania: Imię i nazwisko + Email + Uniwersytet/Katedra + Stanowisko.

Czyszczenie i deduplikacja: Za pomocą biblioteki pandas znormalizuję dane i usunę wszystkie duplikaty według adresów e-mail oraz kombinacji „Imię i nazwisko + Instytucja”.

Walidacja kontaktów: Automatyczna weryfikacja składni adresów e-mail oraz obecności aktywnych rekordów MX serwerów pocztowych w celu odfiltrowania przestarzałych/nieaktywnych skrzynek pocztowych.

Format wyniku: Starannie przygotowana tabela .xlsx / .csv ze wszystkimi obowiązkowymi polami (w tym bezpośrednie linki do źródeł danych dla każdego kontaktu). Rozwiń

Budżet: 4000 UAH Termin: 5 dni

Witam! Mam doświadczenie w zbieraniu dużych baz danych z otwartych źródeł i internetu.

Zbieram czystą bazę bez duplikatów w formacie Excel/CSV ze wszystkimi polami i linkami do źródeł.

Zapraszam do kontaktu, będę zadowolona ze współpracy.

Budżet: 4000 UAH Termin: 4 dni

Dzień dobry, Zoriano. ORCID, OpenAlex i Crossref dostarczą czystą strukturę imienia i nazwiska, afiliacji oraz stanowiska prawie bez pracy ręcznej, ale osobisty email jako oddzielne pole tam nie istnieje. Rzeczywistym źródłem maila jest strona katedry lub profil wykładowcy na stronie uczelni oraz blok „do korespondencji” na pierwszej stronie PDF samego artykułu. Ukraińskie czasopisma na OJS dodatkowo udostępniają metadane przez OAI-PMH, co jest szybsze niż ręczne przeszukiwanie stron i obejmuje publikacje, których nie ma w międzynarodowych bazach.

Google Scholar i ResearchGate zabraniają automatycznego zbierania zgodnie ze swoimi warunkami użytkowania, dlatego te dwa źródła biorę ręcznie i w małych porcjach, a nie jako główny strumień. Duplikaty usuwam według emaila i osobno według znormalizowanego imienia i nazwiska razem z instytucją, ponieważ afiliacja ludzi się zmienia, a zbieżność tylko według imienia jest niewiarygodna. Maila sprawdzam pod kątem formatu i rekordu MX domeny, a nie pod kątem faktycznej dostarczalności, to różne rzeczy i drugiego bez wysłania listu nie sprawdzisz.

Za 4000 UAH i 4 dni zbiorę pierwszą partię 2000-3000 unikalnych zweryfikowanych kontaktów z odniesieniem do źródła w każdym wierszu, na drugi dzień pokażę kilka setek wierszy do weryfikacji struktury. Jeśli po tym trzeba będzie przejść do trzydziestu-czterdziestu tysięcy, będę kontynuować w oddzielnych partiach po cenie uzgodnionej za tysiąc nowych kontaktów. Jaki orientacyjny zakres utrzymujecie, kilka tysięcy czy od razu taki skala?

Budżet: 4000 UAH Termin: 7 dni

Musisz zebrać aktualną bazę kontaktów ukraińskich naukowców, wykładowców i doktorantów z otwartych źródeł akademickich w formacie Excel lub CSV. Zorganizuję zbieranie danych z stron uniwersytetów, stron katedr, ORCID, OpenAlex, Google Scholar, Crossref oraz instytucjonalnych repozytoriów za pomocą Pythona i parsowania. Każdy wpis będzie zawierał imię i nazwisko, email, miejsce pracy, stanowisko oraz link do źródła. Dodam oczyszczanie z duplikatów i weryfikację aktualności adresów tam, gdzie to możliwe. Automatyzację zbuduję tak, aby nie naruszać zasad serwisów, a tabela będzie wygodna do pracy. Jestem gotów podjąć się zadania i zebrać dla Ciebie pełną bazę z otwartych źródeł. Napisz do mnie, aby uzgodnić szczegóły i potrzebny zakres próby.

Budżet: 3999 UAH Termin: 2 dni

Mam prawie gotową bazę nauczycieli, którzy oferują usługi korepetycji. Zrzut ekranu bazy https://ibb.co/xSz30ZBS Liczba kontaktów 30+ tys. Ale nie ma pól stanowisko, miejsce pracy, dokładne imię i nazwisko.

Budżet: 3900 UAH Termin: 3 dni

Witam, jestem gotów skonfigurować zbieranie kontaktów ukraińskich naukowców z zasobów akademickich i stworzyć uporządkowaną bazę w formacie CSV. Opracowanie algorytmu do przetwarzania stron katedr i portali tematycznych jest zrozumiałym zadaniem. Jaki przybliżony zakres bazy planujecie uzyskać na pierwszym etapie? Będę wdzięczny za Waszą opinię, odpowiem na wszystkie Wasze pytania i lepiej się zorientujemy w terminach oraz innych szczegółach projektu. Chętnie pomogę.

Budżet: 4000 UAH Termin: 7 dni

Dzień dobry! Mam doświadczenie w automatyzacji i parsowaniu otwartych źródeł (Python, praca z API, Google Sheets). Proponuję pipeline: masowe zbieranie imion i afiliacji przez OpenAlex i Crossref API w ukraińskich instytucjach naukowych, uzupełnienie emaili przez parsowanie artykułów PDF (autor korespondencyjny) oraz stron katedr/nauczycieli na stronach uniwersytetów, deduplikacja według imienia i nazwiska. Wynik — Excel/CSV: imię i nazwisko, email, miejsce pracy, stanowisko, źródło.

Ponieważ zakres "dużej bazy" w specyfikacji nie jest skonkretyzowany, proponuję rozpocząć od zbierania 1000-1500 unikalnych, ważnych kontaktów w ciągu 5 dni w ramach budżetu — w razie potrzeby kontynuuję zbieranie jako osobny etap. Jestem gotów omówić szczegóły.

Budżet: 4000 UAH Termin: 2 dni

Dzień dobry! Jestem gotowa zebrać tak dużą i aktualną bazę kontaktów w ciągu kilku dni! Wszystkie kontakty będą aktualne i relewantne!!! Proszę o kontakt!!!

Budżet: 4000 UAH Termin: 7 dni

Cześć! Mam doświadczenie w tworzeniu niestandardowych parserów oraz pracy z akademickimi API (OpenAlex, Crossref, ORCID) i stronami uczelni. Jestem gotowa zebrać czystą bazę ukraińskich naukowców z deduplikacją, linkami do źródeł oraz eksportem do Excel/CSV. Ile rekordów planujecie zebrać?

Budżet: 4000 UAH Termin: 1 dzień

Cześć! Jestem gotowy do realizacji tego projektu. Mam doświadczenie w pisaniu niestandardowych skryptów w Pythonie do zbierania, parsowania i oczyszczania danych z otwartych źródeł akademickich (OpenAlex, API platform naukowych, strony uniwersytetów).

Zrobię wszystko za pomocą kodu (Python + BeautifulSoup/Pandas/API), skonfiguruję deduplikację oraz podstawową weryfikację domen (rekordy MX), aby na wyjściu otrzymali Państwo czystą tabelę w formacie CSV/Excel z wymaganymi polami i źródłami.

Jestem gotowy do omówienia szczegółów (jaki dokładnie zakres bazy jest potrzebny i czy są priorytetowe instytucje) oraz uzgodnienia terminów i kosztów. Proszę pisać na prywatne!

Budżet: 4000 UAH Termin: 10 dni

Dzień dobry, widzę, że ponownie opublikowaliście projekt. Ponownie oferuję swoje usługi, przykład danych już dostarczałem.

Budżet: 4000 UAH Termin: 1 dzień

Cześć! Jestem gotów to wykonać, ale szkoda, że mnie nie wybiorą! Bez opinii wszyscy uważają, że jestem złym specjalistą! Chociaż na pewno wykonuję swoją pracę lepiej niż 99%. Zrobię to w ciągu 1 dnia, jeśli terminy są dla Ciebie interesujące!

Budżet: 4000 UAH Termin: 2 dni

Dzień dobry, Zoriano!

Zbieram bazę z oficjalnych API — ORCID, OpenAlex, Crossref — plus strony wydziałów ukraińskich uczelni. Zaletą tych źródeł jest to, że dostarczają one stanowisko i instytucję w sposób zorganizowany, dlatego kolumny „stanowisko” i „miejsce pracy” będą wypełnione, a nie puste, jak to bywa przy zwykłym parsowaniu stron.

Proponuję zacząć od pilota: 2000–3000 unikalnych kontaktów z deduplikacją i weryfikacją domen e-mail, 4 dni, 4000 UAH. Zobaczycie jakość i strukturę — potem skalujemy, 1500 UAH za każdą następną tysiąc.

Szczerze o dwóch kwestiach. Google Scholar i ResearchGate zabraniają automatycznego zbierania, dlatego biorę je punktowo ręcznie lub w ogóle ich nie biorę. A pełna weryfikacja „żywotności” e-maila jest możliwa tylko poprzez testową wysyłkę — sprawdzam poprawność domeny i formatu.

Jedno pytanie: do czego planujecie wykorzystać bazę? Od tego zależy, które pola są ważniejsze.

Python, parsowanie, praca z API — to mój główny profil: github.com/kamedashe

Bohdan Rozwiń

Budżet: 6000 UAH Termin: 5 dni

Zbieranie dużej bazy email naukowców — zadanie, w którym kluczowe jest nie tylko znalezienie adresów, ale także filtrowanie duplikatów i nieaktualnych kontaktów. Mam doświadczenie w parsowaniu stron z Selenium oraz przetwarzaniu dużych zbiorów danych (Allegro API, aukcje samochodowe). Jak widzę rozwiązanie:
1. 2. Deduplikacja według imienia, nazwiska i email, sprawdzenie aktualności przez składnię i weryfikację SMTP. 3. Eksport do CSV/Excel z linkami do źródeł. Pracowałem nad podobnym projektem — skrypter Selenium dla aukcji samochodowych (https://freelancehunt.com/showcase/work/selenium-veb-skraper-dlya-izvlecheniya-dannyih/1874474.html). Jaki jest zakres bazy (tysiące/dziesiątki tysięcy)? Czy są konkretne źródła, które należy wykorzystać? Czy potrzebna jest weryfikacja ważności email?

Cena: 6000 UAH
Termin: 5 dni

Budżet: 4000 UAH Termin: 1 dzień

Witam.

Dokładnie przejrzałem wasze wymagania i jestem gotów rozpocząć, gdy tylko zakończymy naszą dyskusję.

Zrealizuję wasze wymagania za pomocą skryptu Python.

Budżet: 5000 UAH Termin: 7 dni

Stattiinua, witam! Widzę, że potrzebna jest baza email naukowców i doktorantów z otwartych źródeł, z weryfikacją duplikatów i ważności adresów, eksport do Excel/CSV z odniesieniem do źródła dla każdego kontaktu.

Zrealizuję to za pomocą skryptu Python, który współpracuje z API OpenAlex i ORCID w celu uzyskania imienia i nazwiska, afiliacji, stanowiska oraz emaila tam, gdzie są publiczne, uzupełnię parsowaniem stron katedr i repozytoriów uniwersytetów tam, gdzie email w API nie jest dostępny. Duplikaty usunę według ORCID ID oraz znormalizowanego emaila, aktualność adresów sprawdzę przez zapytanie SMTP bez wysyłania wiadomości. Wynik przekażę w jednym pliku ze wszystkimi potrzebnymi kolumnami.

Na wykonanie potrzebuję 7 dni.

Proszę, daj znać, czy są priorytety dotyczące konkretnych uniwersytetów lub dziedzin nauki, czy potrzebna jest maksymalnie szeroka próbka z całej Ukrainy?