Python-скрипт для персональных рекомендаций

Здравствуйте!

Готов реализовать Python-скрипт для формирования персональных рекомендаций товаров.

Технический подход:

Алгоритм: Apriori (библиотека mlxtend)
Обработка данных: pandas
Метрики: расчёт Support, Confidence, Lift для товарных пар
… Сезонная аналитика: группировка по датам с определением топ-продаж
Логика рекомендаций: приоритет корреляциям (максимальный lift), при отсутствии — сезонный бестселлер
Что получите:

Python-скрипт (.py) с комментариями
Итоговый CSV: Customer ID → Recommended Product → Reason
Краткая инструкция по запуску (README)

Добрый день!

Готов выполнить задачу по построению персональных апсел-рекомендаций на Python по вашему ТЗ.

Метод корреляции / рекомендации
– Загружаю CSV через pandas, группирую позиции по Order ID.
– Для всех товаров считаю:
• общее количество покупок,
• количество совместных покупок пар товаров,
… • метрики support, confidence, lift для правил вида A→B.
– Это классический подход market basket analysis / association rules (по сути Apriori для пар товаров, без более длинных комбинаций, как указано в ТЗ).
– По датам заказов определяю сезон (зима/весна/лето/осень), считаю топ-товары по каждому сезону.
– Для каждого Customer ID:
• смотрю все купленные им товары,
• подбираю правило A→B с максимальным lift,
• если подходящих правил нет — подставляю сезонный бестселлер по текущему сезону.
– На выходе формируется CSV вида Customer ID / Recommended Product / Reason (correlation / seasonal) с 1-к-1 рекомендацией на клиента.

Сроки и стоимость
– Срок выполнения: 3–4 дня с момента предоставления тестового CSV.
– Стоимость: 250$

Здравствуйте!
Я готов завершить ваш проект по созданию скрипта на Python для персональных рекомендаций в течение 1 дня.

У меня есть опыт работы с большими CSV файлами (до 30,000+ строк), построением ассоциативных правил (Apriori / FP-Growth через mlxtend или оптимизированная реализация) и расчетом метрик Поддержка, Доверие и Прирост. Я также реализовал логику сезонной сегментации на основе дат заказов.

Я предлагаю следующий подход:

Парсинг и нормализация исходного CSV с группировкой продуктов по заказам;
Расчет ассоциаций между продуктами с ранжированием по Приросту;
… Идентификация сезонных бестселлеров (по месяцу/кварталу — я уточню в соответствии с вашим форматом даты);
Формирование одной рекомендации для каждого клиента: сначала — на основе сильных корреляций, если таковых нет — сезонный бестселлер;
Экспорт финального CSV в формате: ID клиента → Рекомендуемый продукт → Причина.
Код будет читабельным, с комментариями и инструкциями по запуску.

Показать оригинал

Перевести

Здравствуйте, имею большой опыт в веб разработке на Python!
Я тот кто Вам нужен, обращайтесь!

Здравствуйте!
Готов сделать для вас Python-скрипт, который будет обрабатывать CSV с заказами, считать товарные связи и формировать персональные рекомендации для клиентов в нужном формате.

Как вижу решение задачи:

Импорт заказов из CSV (1000–30 000 строк), нормализация данных.

Группировка позиций по заказам (basket view).

… Расчёт товарных ассоциаций: support / confidence / lift по товарам в рамках одного заказа (Apriori / FP-Growth или своё решение — выберу оптимальный вариант по скорости).

Определение сезонных бестселлеров на основе даты заказа (месяц / квартал или заданный период).

Формирование одной рекомендации на клиента:

сначала по лучшим правилам с максимальным lift;

якщо правил нет — подставляется сезонный бестселлер.

Экспорт итогового CSV вида:
Customer ID → Recommended Product → Reason (rule / seasonal bestseller).

Работаю з Python, pandas, обработкой больших CSV и ассоциативными правилами (Apriori/FP-Growth). Лаконичный код, комментарии и короткое описание, как запускать скрипт, включу в результат.

Задача по сложности и объёму добре вкладається в указанный срок (до 5 дней). Готов уточнить детали по структуре исходного CSV и формату полей перед стартом.

Я готов немедленно начать разработку этого Python-скрипта. Мой опыт в области анализа данных и разработки алгоритмов ассоциативных правил (Apriori/FP-Growth) позволит мне за 5 дней создать эффективное решение, которое автоматически будет обрабатывать CSV-файлы с заказами (до 30 000 строк), выявлять товарные корреляции, определять сезонные бестселлеры и генерировать персонализированные рекомендации для каждого покупателя, экспортируя результат в нужный CSV-формат.

Показать оригинал

Перевести

Привет, Марк,
Я могу выполнить это за 2-3 дня за 500 PLN.
Я создам чистый скрипт на Python, используя pandas для обработки данных и mlxtend для эффективного извлечения ассоциативных правил (Apriori/FP-Growth). Логика будет простой:

Парсить ваш CSV и группировать транзакции
Вычислить Поддержку/Доверие/Увеличение для пар продуктов
Извлечь сезонные паттерны из дат заказов
Сгенерировать одну рекомендацию для каждого клиента, используя корреляционные правила (приоритизируя по увеличению), с возвратом к сезонным бестселлерам
Экспортировать с четким обоснованием для каждой рекомендации
…
Я работал над аналогичными проектами в области аналитики электронной коммерции и регулярно работаю с большими наборами данных CSV. Выходные данные будут готовым к производству кодом с правильной оптимизацией памяти для ваших файлов с 30 тысячами строк.
У меня есть один быстрый вопрос: у вас есть образец структуры CSV, на который я могу сослаться, или мне следует работать с форматом, описанным в приложенном документе?
С нетерпением жду работы над этим.

Показать оригинал

Перевести

Готов оперативно и качественно выполнить ваш заказ. Имею опыт работы с аналогичными проектами, всегда соблюдаю дедлайны и техническое задание. Буду рад сотрудничеству!

Показать оригинал

Перевести

Готов взять на себя реализацию вашего проекта по созданию Python-скрипта для формирования персональных апсел-рекомендаций.

Что будет сделано:

Обработка CSV-файлов объемом до 30 000 строк.

Группировка товаров по заказам, построение товарных пар и расчет:

Поддержка
…
Уверенность

Прирост

Формирование списка правил A→B, отсортированных по показателю прироста.

Сезонная аналитика с определением топовых товаров каждого сезона.

Генерация персональной рекомендации для каждого клиента (1-к-1 сопоставление).

Формирование финального CSV в соответствующем формате.

Методика:
Для расчета ассоциативных правил планирую использовать Apriori или собственную оптимизированную реализацию под ваши объемы данных (уточню в зависимости от структуры в примере CSV).

Показать оригинал

Перевести

Сделаю для вас скрипт на Python, который считывает CSV с заказами, группирует товары по заказам и считает корреляции и всё согласно ТЗ, буду рад сотрудничеству

Показать оригинал

Перевести

Привет, Марк,
Я могу сделать твой скрипт за 1-2 дня, используя Python.

С наилучшими пожеланиями,
Джо

Показать оригинал

Перевести

Привет!

Я могу подготовить скрипт на Python, который прочитает ваши заказы из файла CSV, вычислит корреляции между продуктами и сгенерирует персонализированную рекомендацию для каждого клиента.
Я планирую использовать ассоциативные правила, основанные на лифте, чтобы выделить самые сильные связи между продуктами, а в случае отсутствия явной корреляции соединить это с сезонными бестселлерами, чтобы каждый клиент получил ценное предложение.
У меня также есть небольшая идея отметить каждую рекомендацию сезоном, к которому она относится, что даст дополнительный взгляд на временной контекст и предпочтения.
Я просто хочу убедиться, что все даты в вашем CSV имеют единый формат YYYY-MM-DD.

Спасибо!

Показать оригинал

Перевести

Здравствуйте!!!

У меня большой опыт в Python, метод возьму Apriori

Обращайтесь

Показать оригинал

Перевести

Добрый день, Mark!
В целом задача ясна, для точного ответа по срокам и цене, хотелось бы уточнить некоторые вопросы, которые у меня возникли после анализа вашей задачи.
Пишите в приватные сообщения — обсудим детали и ваши пожелания.

Добрый день. Имею большой опыт написания скриптов на пайтон для работы с CSV файлами. Готов написать скрипт для решения вашей задачи после обсуждения деталей

Здравствуйте.
Сделаю качественно и в срок
Думаю никаких проблем

Здравствуйте. Имею большой опыт подобных задач. С ТЗ ознакомился.
Нужно пример входных данных.

Добрый день, Марк! Я проверил техническое задание в документе и готов приступить сегодня. В предложении указана цена и максимальный срок, но я постараюсь уложиться в меньший срок. Мне нужно будет 2-3 примера как подбирается вариант по корреляции и сезону. Буду ждать вашего сообщения.

Спасибо!

Здравствуйте, имею 7 лет опыта в разработке на Python. Без проблем сделаю ваш проект максимально быстро и качественно. Уже был опыт работы с CSV, а также с FP-Growth. Готов приступить к выполнению прямо сейчас

Здравствуйте Марк, готов написать для Вас такой скрипт

Пишите, обсудим

Меня зовут Роман, и я вхожу в топ-5 разработчиков в категории «Искусственный интеллект и машинное обучение» среди ~1600 специалистов на платформе. Гарантирую: - Быстрое и качественное выполнение задания - Четкое соблюдение дедлайнов - Регулярная связь на протяжении всего процесса Буду рад обсудить детали вашего проекта в личных сообщениях.

Показать оригинал

Перевести