Услуги по Data Science в Воронеже

Разработка с нуля.

Пожелания и особенности: Требуется разработать единое программное обеспечение для автоматизации расчетов и мониторинга работы сооружений водоотведения. Программа должна включать функционал для стадии предпроектной подготовки, который обеспечивает ввод исходных данных, выполнение расчетов технологических параметров строго по алгоритмам приложения Г свода правил СП 32.13330 и выгрузку итоговых отчетов. Также в системе необходимо реализовать электронный журнал для этапа пуско-наладочных работ. Этот инструмент должен позволять вносить оперативные показатели работы сооружений, автоматически высчитывать по ним базовую статистику и строить наглядные масштабируемые графики для визуального анализа эффективности процессов во времени. Весь описанный функционал следует объединить интуитивно понятным интерфейсом с надежной системой сохранения данных

Разработка с нуля.

Пожелания и особенности: Вот пример как нужно сделать

Разработка с нуля

Настройка, разработка с нуля.

Формат работы

Удаленно / гибрид

Проектная занятость

Срочный проект до сентября 2027 года

Обязанности:

Руководство научно-исследовательской работой (НИР) по теме перспективного технологического развития ПАО «Транснефть» до 2050 года;

Организация и проведение форсайт-исследований;

Проведение сценарного анализа и Delphi-опросов;

Формирование и координация экспертных групп;

Анализ перспективных технологий в нефтегазовой отрасли и ТЭК;

Разработка дорожных карт развития технологий до 2050 года;

Подготовка аналитических и научно-технических отчетов;

Проведение экспертных панелей и стратегических сессий;

Взаимодействие с Заказчиком, участие в регулярных ВКС;

Подготовка материалов в соответствии с ГОСТ 7.32-2017.

Требования:

Высшее образование;

Опыт участия в НИР, стратегических или аналитических проектах от 5 лет;

Опыт проведения форсайт-исследований обязателен;

Знание методов:

Delphi;

сценарный анализ;

roadmap planning;

оценка критических технологий;

Опыт подготовки аналитических отчетов и дорожных карт;

Понимание нефтегазовой отрасли / ТЭК;

Опыт взаимодействия с крупными промышленными или государственными заказчиками;

Навыки системной аналитики и стратегического планирования;

Грамотная письменная речь и опыт подготовки больших отчетных документов.

Будет преимуществом:

Наличие публикаций, патентов;

Опыт участия в отраслевых экспертных советах;

Опыт работы с ПАО, госкомпаниями, институтами развития;

Участие в технологических стратегиях или программах инновационного развития.

Условия:

Работа в масштабном долгосрочном проекте федерального уровня;

Возможность привлечения собственной экспертной команды;

Удаленный формат работы;

Гибкий график;

Долгосрочный контракт до 09.2027;

Уровень оплаты обсуждается индивидуально

Python, API, системный анализ.

1. Обучение python;

2. Проектирование API;

3. Системный анализ;

4. Работа с GIT

5. Работа с БД

Тестирование, разработка с нуля

Поиск данных.

Поиск потенциальных покупателей на медные пластины есть полное описание оплата с каждого покупателя Оплата не всего 4000рубл. а уточняю с каждого покупателя так в день можно найти несколько покупателей

Помочь разобраться.

Нужна помощь в методологии расчета некоторых показателей

Разработка с нуля

Разработка с нуля.

Нужна помощь с лабораторными работами, где нужно сделать маленькое исследование датасета по критериям преподавателя и теме

Объяснение задач по продуктовой аналитике.

Пожелания и особенности: Объяснить как решать задачки по продуктовой аналитике:

Вы — аналитик данных, и сейчас идёте в стартап, который создает новый маркетплейс. Он недавно появился на рынке и занимается продажей новых товаров из Бразилии, которые только начинают поступать в продажу.

Продакт-менеджер Петя переживает за свой продукт, так как выручка маркетплейса стоит на месте уже несколько месяцев. Он предложил вам полную свободу действий. Главное — чтобы метрики росли, а мы не причиняли неудобства клиентам, ведь Петя заботится об их опыте.

Задачи

Вы поразмышляли и сформулировали список задач:

Задача 1: Оценить месячный retention в оформление заказа с помощью когортного анализа.

Задача 2: Определить, существует ли product/market fit у этого маркетплейса.

Задача 3: Определить 5 основных метрик, на которых продакту можно сконцентрироваться, чтобы максимизировать прибыль компании.

Задача 4: Выбрать одну из 3 основных гипотез с помощью фреймворка ICE.

Задача 5: Сформулировать нужные метрики, на которые ваша гипотеза должна повлиять.

Задача 6: Сформулировать выводы о проделанной работе и составить отчет.

Датасет

Файлы:

olist_customers_dataset.csv — таблица с уникальными идентификаторами пользователей

customer_id — позаказный идентификатор пользователя

customer_unique_id — уникальный идентификатор пользователя (аналог номера паспорта)

customer_zip_code_prefix — почтовый индекс пользователя

customer_city — город доставки пользователя

customer_state — штат доставки пользователя

olist_orders_dataset.csv — таблица заказов

order_id — уникальный идентификатор заказа (номер чека)

customer_id — позаказный идентификатор пользователя

order_status — статус заказа

order_purchase_timestamp — время создания заказа

order_approved_at — время подтверждения оплаты заказа

order_delivered_carrier_date — время передачи заказа в логистическую службу

order_delivered_customer_date — время доставки заказа

order_estimated_delivery_date — обещанная дата доставки

olist_order_items_dataset.csv — товарные позиции, входящие в заказы

order_id — уникальный идентификатор заказа (номер чека)

order_item_id — идентификатор товара внутри одного заказа

product_id — ид товара (аналог штрихкода)

seller_id — ид производителя товара

shipping_limit_date — максимальная дата доставки продавцом для передачи заказа партнеру по логистике

price — цена за единицу товара

freight_value — вес товара

Пример структуры данных можно визуализировать по order_id == 00143d0f86d6fbd9f9b38ab440ac16f5

Уникальные статусы заказов в таблице olist_orders_dataset:

created — создан;

approved — подтверждён;

invoiced — выставлен счёт;

processing — в процессе сборки заказа;

shipped — отгружён со склада;

delivered — доставлен пользователю;

unavailable — заказ отменён по причине недоступности товара;;

canceled — отменён

Доработка существующего продукта.

Здравствуйте! Мне необходима помощь в выполнении аналитической работы по банковскому сектору Австрии с использованием методов DEA (Data Envelopment Analysis) и последующего регрессионного анализа.

🔹 Исходные данные:

Я предоставлю готовый датасет (банки Австрии) в формате, пригодном для работы в статистическом ПО (например, R / Stata / Python — по согласованию).

🔹 Задачи:

1. DEA-анализ (двухуровневый подход)

1.1. Внутригрупповой анализ:

Разделить банки на категории:

кооперативные (Raiffeisen)

акционерные (commercial banks)

при необходимости — отдельная группа сберегательных банков (Sparkassen)

Провести DEA-анализ внутри каждой группы отдельно

Определить:

эффективные банки (efficiency = 1)

распределение эффективности внутри группы

Рассчитать и интерпретировать:

среднее значение эффективности

дисперсию / вариативность

ranking банков внутри группы

1.2. Межгрупповой анализ:

Провести DEA на объединённой выборке всех банков

Сравнить эффективность между группами

Проверить, влияет ли тип банка на эффективность

2. Регрессионный анализ

Использовать DEA-оценки эффективности как зависимую переменную

Построить регрессионную модель (OLS / Tobit — обсудить):

независимые переменные: размер банка, капитал, структура активов и др.

включить dummy-переменные по типу банка

Проверить:

статистическую значимость факторов

влияние типа банка на эффективность

3. Визуализация (очень важно)

Работа должна содержать качественные визуализации:

📊 Внутригрупповой анализ:

boxplot по каждой группе

распределение эффективности (histogram / density)

scatter plots (inputs vs outputs)

📊 Межгрупповой анализ:

сравнение групп (boxplot по типам банков)

bar charts (средняя эффективность по группам)

📍 Географическая визуализация:

карта Австрии с отображением банков

выделение наиболее эффективных (например, heatmap)

4. Теоретическая и математическая часть

Краткое объяснение метода DEA:

CCR / BCC модели

input/output orientation

Формулы, используемые в DEA

Обоснование выбора модели

Объяснение регрессионной модели

5. Итоговый результат

Полноценная работа объёмом 15–20 страниц

Структура:

Введение

Методология (DEA + регрессия)

Описание данных

Результаты DEA (внутри групп)

Результаты DEA (между группами)

Регрессионный анализ

Выводы

Все результаты должны быть:

интерпретированы

визуализированы

логически связаны

🔹 Дополнительно:

Важно, чтобы работа была:

академически корректной

с хорошими пояснениями (не только цифры)

с чистой и понятной визуализацией

пригодной для сдачи в университет

Если есть возможность, хотелось бы также:

получить код (R / Python / Stata)

чтобы я мог при необходимости воспроизвести результаты

Если кратко: нужна полная аналитическая работа “под ключ” с сильной визуализацией и объяснением каждого шага

Настройка аналитики, исходные данные в гугл таблице , настройка.

Пожелания и особенности: Цена договорная

Доработка существующего продукта

Работа с определенным датасетом, выполнение критериев

Разработка с нуля.

Нужно создать дашборд на основе данных, настроить его на автообновление. Провести расчеты и отобразить на диаграммах. По ним сформировать аналитические выводы

Разработка с нуля.

Пожелания и особенности: Помочь разобрать документ в системе Orange, ответить на вопросы

Доработка существующего продукта.

Необходимо написать схему BPMn для имеющегося продукта с помощью инструмента ARIS. Учебная задача