Все зробив швидко і точно вчасно, навіть раніше. Рекомендую !
5.0
Профіль видалено
- Проєкти -
- Оцінка -
- Рейтинг 103
Бюджет: 2000 RUB Термін: 1 день
Я можу допомогти з виконанням. Детальніше напишіть на пошту [email protected]
Скопіювати
11 грудня 2018
Ставки приховані
У списку не показані ставки, приховані замовником чи фрилансером з Plus, а також ставки, що порушують правила
Ставки поки відсутні
Фрилансери знайомляться з завданням — скоро тут з'являться пропозиції.
Ставки приховані
У списку не показані ставки, приховані замовником чи фрилансером з Plus, а також ставки, що порушують правила
-
Алексей Стасевич 11 грудня 2018Скиньте задачи в ЛС, ссылка не открывается у меня
-
Татьяна Шумихина
11 грудня 2018
Задание 1. Решение задачи кластеризации данными разными методами
Для выполнения задания необходимо загрузить свой или любой набор данных с репозитория https://archive.ics.uci.edu/ml/datasets.html , который содержит как минимум 300 объектов в выборке. Кластеризация выполняется по двум числовым признакам.
1. Выполнить задачу, предварительной обработки данных:
* Заполнение пропущенных значений
* Приведение признаков к одной шкале
2. Решить задачу кластеризации на предмет нахождения оптимального числа кластеров методом К-средних с учетом метода локтя.
3. Выполнить задачу кластеризации с использованием метода DBSCAN.
4. Оформить отчет включающий описание используемой выборки (размер выборки, число признаков, типы признаков, значения, принимаемые признаками), код на Python, выполненные обработки, результаты анализа, параметры моделей с оценками качества моделей и выводы.
Задание 2. Оценка нескольких моделей машинного обучение для решения задачи регрессии и сравнительной оценке их результатов
Взять свой набор данных или выборку из сайта, обозначенную как набор данных для решения задачи регрессии http://archive.ics.uci.edu/ml/datasets.html (минимум 300 объектов и 5 атрибутов)
1. Выполнить задачу предварительной обработки данных:
* Отбор признаков, которые используются в модели
* Заполнение пропущенных значений
* Кодирование категориальных признаков
* Приведение признаков к одной шкале
* Разделить выборку на тестовую и обучающую
2. Создать и обучить 3 регрессора: линейный, полиномиальный и случайный лес
3. Оценить качество работы регрессоров на тестирующей выборке – получить характеристики MSE и R2. По модели случайный лес оценить важность признаков.
4. Оформить отчет, включающий описание используемой выборки (размер выборки, число признаков, типы признаков, значения, принимаемые признаками), код на Python, выполненные обработки, результаты анализа с оценками качества моделей и выводы.
Задание 3. Поиск наилучшего классификатора для решения задачи классификации при использовании нескольких типов моделей обучения и сравнительной оценке их результатов
Взять свой набор данных или выборку из сайта, обозначенную как набор данных для решения задачи классификации http://archive.ics.uci.edu/ml/datasets.html (минимум 300 объектов и 5 атрибутов)
1. Выполнить задачу предварительной обработки данных:
* Отбор признаков, которые используются в модели
* Заполнение пропущенных значений
* Кодирование категориальных признаков
* Приведение признаков к одной шкале
* Разделить выборку на тестовую и обучающую
2. Создать и обучить 3 классификатора (три любые разные модели – например логистическая регрессия, случайный лес, метод опорных векторов и т.д.)
3. Оценить качество работы классификатора на тестирующей выборке – получить для каждого класса значения полноты (recall), точности (precision) и верность для всей модели (accuracy).
4. Оформить отчет, включающий описание используемой выборки (размер выборки, число признаков, типы признаков, значения, принимаемые признаками), код на Python, выполненные обработки, результаты анализа с оценками качества моделей и выводы.
Актуальні фриланс-проєкти в категорії Python
1276 UAH
31 ставка
Необхідно провести глибоку технічну перевірку трьох PDF-файлів на достовірність та можливі ознаки редагування або підробки. Потрібна не лише візуальна оцінка документів. Виконавець повинен добре розуміти внутрішню структуру PDF-файлів та вміти аналізувати: метадані файлів; структуру PDF та окремих об’єктів; історію створення і можливого редагування; використане програмне забезпечення; вбудовані шрифти, зображення, шари та інші елементи; можливі ознаки повторного збереження, конвертації, внесення змін або формування документа заднім числом; будь-які технічні невідповідності, які можуть свідчити про маніпуляції з файлами. За результатом перевірки необхідно надати зрозумілий письмовий висновок щодо кожного файлу із зазначенням виявлених ознак, ризиків та обмежень перевірки. Розглядаємо фахівців, які мають практичний досвід у цифровій криміналістиці, аналізі PDF-документів, метаданих або перевірці електронних файлів на автентичність. У відгуку, будь ласка, коротко опишіть ваш досвід, методи та інструменти, які ви використовуєте для такої перевірки.
1000 UAH
37 ставок
Індикатор для користування у торгівлі повинен визначати певні діапазони з історію і аналізувати їх з поточним
Не вказано
101 ставка
Потрібен досвідчений Python-розробник для створення програми автоматизації роботи із сайтом. Що має робити бот: Авторизуватися в моєму акаунті на сайті. Постійно (24/7) відстежувати появу новихWork Orders. Після появи нового замовлення відкривати його картку. Аналізувати інформацію про замовлення (тип робіт, місто, відстань, опис). Автоматично приймати замовлення, які відповідають заданим умовам. Якщо замовлення не відповідає умовам, пропускати його. Надсилати сповіщення в Telegram про прийняті та пропущені замовлення. Вимоги: Python. Playwright (бажано) або Selenium. Робота через звичайний браузер. Передача повного вихідного коду після завершення проєкту. Надання інструкції зі встановлення та запуску. Обов’язковий досвід розробки подібних систем автоматизації. Під час відгуку, будь ласка, надішліть приклади аналогічних проєктів.
Не вказано
72 ставки
Потрібно реалізувати проєкт зі збору та структурування великого масиву зображень із відкритих вебджерел (на першому етапі 2000 зображень). Задача включає: - автоматизований збір зображень; - завантаження файлів у максимально доступній якості; - класифікацію зображень за категоріями. Очікуваний результат: - структурована база зображень; - зрозуміла система каталогізації; - передача результату через Google Drive або інший погоджений спосіб;
Терміновий
Аспект
25 000 UAH
72 ставки
Розробка Telegram Mini App (Бот + WebApp) для продажу цифрових товарів та ігрових валют (Python / aiogram) Опис проекту: Потрібно розробити Telegram-бота з повноцінним WebApp-інтерфейсом для автоматизованого продажу цифрових товарів (Telegram Stars, Telegram Premium, ігрові валюти/донати для PUBG Mobile, Steam тощо). Проект називається Aspect App. Головний акцент на швидкості роботи, плавному UI/UX в стилі Web3/мінімалізму та повній автоматизації видачі товарів після оплати. Стек технологій: Backend: Python 3.10+, aiogram 3.x (FastAPI для Webhook/API вітається). Database: PostgreSQL / Redis (для сесій та кешування). Frontend (WebApp): React.js / Vue.js / Next.js (на розсуд розробника, важлива швидкість і плавність анімацій). Інтеграції: Telegram WebApp API. Основний функціонал (MVP): 1. Клієнтська частина (Telegram Mini App): Головний екран: Категорії товарів (Telegram Активи, Ігровий Донат). Банерна сітка для акцій. Каталог товарів: Картки товарів з вибором обсягу (наприклад: 50, 100, 500 Telegram Stars або UC). Поля для введення даних гравця (Player ID для PUBG). Кошик та Оформлення: Швидка покупка в 2 кліка. Модуль оплати: Інтеграція платіжних методів (CryptoBot API / TON Connect / інші фіатні шлюзи за погодженням). Особистий кабінет: Історія замовлень, статус виконання, реферальна система (баланс всередині додатку). 2. Адміністративна панель (вбудована в WebApp або окремий бот): Управління каталогом (додавання/видалення товарів, зміна цін). Моніторинг замовлень та статистика продажів. Система розсилок по базі користувачів. 3. Логіка автоматизації (буде плюсом): Готовність архітектури під інтеграцію з API постачальників (API для авто-купівлі Stars/UC). На етапі MVP частина товарів може видаватися кодами з бази даних. Що потрібно від виконавця: 1. Розробка архітектури БД та бекенду на Python. 2. Верстка та інтеграція WebApp (дизайн-макет обговоримо, важливий чистий Web3-стиль, Glassmorphism). 3. Налаштування безпечних транзакцій та вебхуків оплати. 4. Деплой на сервер (Docker, Ubuntu, налаштування SSL). Вимоги до кандидата: Досвід комерційної розробки Telegram WebApps від 1 року. Наявність портфоліо з запущеними та працюючими Mini Apps (скидайте посилання в відповіді). Чистий, документований код. Умови роботи: Робота тільки через Безпечну Угоду (Сейф / Escrow) платформи. Оплата поетапна (розбиваємо проект на Спринт 1: Бекенд + БД, Спринт 2: Фронтенд WebApp, Спринт 3: Інтеграція платіжок і тести). Бюджет: Обговорюється з успішним кандидатом (вказуйте вашу вилку цін і терміни в відповіді)
Loading...
Loading...