Необходимо создать DAG в Apache Airflow, который будет по расписанию запускать расчёт витрины активности клиентов по сумме и количеству их транзакций.Нужно наладить следующий ETL-процесс:Extract. Необходимые данные хранятся в таблице profit_table.csv. Это таблица, в которой для каждого клиента по 10-ти продуктам собраны суммы и количества транзакций за каждый месяц.Что в названиях столбцов:id — уникальный идентификатор клиента;продукты обозначены буквами от a до j латинского алфавита;сумма транзакций по соответствующим продуктам начинается с sum_…;количество транзакций по соответствующим продуктам начинается с count_….Для примера в таблице содержатся данные с октября 2023 года по март 2024.Transform. Суть витрины, которую необходимо собрать, таблица с флагами активностей клиентов по продуктам. Методика расчёта следующая: клиент считается активным по продукту за дату X, если в предыдущие 3 месяца (X, X-1 и X-2) у него были ненулевая сумма и количество транзакций по нему.Но это за нас уже реализовали дата-саентисты. Их код для сбора итоговой витрины находится в функции transform в файле transform_script.py, его необходимо встроить в процесс.Load. Итоговые результаты необходимо сохранять в csv-файл flags_activity.csv в той же директории, не перезатирая при этом данные старых расчётов в нём (обратите внимание, последнее не реализовано в примере кода от дата-саентиста, подумайте, какой параметр добавить при сохранении, чтобы всё прошло корректно).Особенности дага: он должен запускаться по расписанию каждый месяц 5-го числа. Предполагается, что данные profit_table хранятся в общедоступной директории и пополняются ежемесячно новыми данными - поэтому при чтении таблицы всё должно выполниться без ошибок при наличии данных.Какой ожидаем увидеть результат:Необходимо реализовать DAG в Apache Airflow по указанной выше инструкции. В качестве ответа на задание приложите код создания дага и налаженного etl-процесса; а также скрин графа в Airflow и его успешного запуска на главной странице.profit_table.csv — таблица с данными по транзакциям;transform_script.py — скрипт от дата-саентиста;flags_activity.csv — пример рассчитанного результата за 2024-03-01.
в недавно появившейся нейросети HunyuanVideo нужно найти VAE энкодер и сделать так, чтобы можно было давать на вход этой сети видео, а она возвращала сжатые данные этого видео, то есть результат энкодера. Напишите, пожалуйста, если я ошибаюсь и имею неправильное представление об этой нейронке
Нужен шаблон договора между физлицом и самозанятым на информационно консультативные услуги. Самозанятый - представитель конного клуба, физ лицо - человек, предоставляющий клиентов на конный прокат/проведение конных прогулок за 15% от суммы. Договор заключен с 1.01.2025 на 3 года.
Сделать сайт на тильде по гайду презентации со своим дизайном, по аналогии с сайтом: https://kazan.mts-home.online/?ysclid=m66axpp9ca7811430 1.) Сайт на подпапках, с выбором города, 2.) для каждого города свои тарифы 3.) Парсинг тарифов, акций из свода тарифов файла Эксель, чтобы можно было загрузить на сайт 4.) базовая сео оптимизация, по брендовым и общим запросам подключить интернет и тв, МТС 5.) разделы сайта: тарифы, отдельные страницы МТС: интернет для квартиры, мобильная связь, интернет для бизнеса, отзывы, контакты 6.) сайты на эти города нужны: Уфа, Москва, Нижний Новгород, Екатеринбург, Челябинск, Ростов на Дону, Тюмень. С возможностью увеличения количества городов 7.) подключить к амо срм, настроить интеграции
Клуб виртуальной реальности, к нам приходят праздновать разные события, снимаем видео и фото, отзывы, просто картинки и т.п. Задача из этих снятых нами видео и фото сделать один интересный видос + клип. Всё это для VK. Стабильно минимум 1 раз в 2 недели нудно делать видео, если понравится работать, тогда будете делать и другие видео для VK Жду адекватные цены и сроки. Есть тестовое задание за оплату, предлагайте. Спасибо за внимание
Нужно сделать ЗД модель габарита по референсам Дам несколько референсов самого габарита и стекла к нему, нужно сделать 3Д модели двух элементов одного объекта, необходимо сделать их совместимыми, то есть стекло должно идеально вставать в габарит. Размеры габарита Д 29.5 Ш 10 В 11.5, размеры стекла д 23.5 Ш 2 В 10.2. Больше референсов в архиве в прикреплённом архиве. По возможности лобовой слой стекла если можно сделайте потоньше,печататься он будет соплом 1.2 в 1 слой для прозрачности, и учитывая внутренние ребра получается в 2,в общем чем тоньше,тем лучше. Также дальше ещё будут заказы. Не разовый заказ
Я сам фронтендер, ищу нового бекендера так как прошлый облажался и сроки поджимают. Задача: Нужно сделать небольшой бекенд для магазина по продаже аккаунтов соц. сетей. Стек не важен. Главное чтобы все работало адекватно. Еще не мало важно нужно будет развернуть фронт (next.js) и бек после завершении работы на хостинг. Хостинг будет предоставлен от нас. Тз всех роутов будет внизу в excel. Платежка должна быть на cryptomus это важно. Строго соблюдать типы в роутах. А также в ТЗ есть момент с 2fa регистрацией который надо продумать. Буду рад сотрудничать с вами. Если все будет хорошо то потом нужно будет сделать админ панель для сайта Рассматриваю только тех у кого есть хоть какой-то рейтинг так как был уже печальный опыт. Без обид. Буду рад сотрудничать
Маркетинговые агенства хотят проводить успешные рекламные кампании, но рынок сложен, что требует оценивать эффективности разных вариантов, что обуславливает необходимость проведения АБ-тестирования.Компании заинтересованы в ответах на два вопроса:Будет ли кампания успешной?Если кампания была успешной, насколько этот успех можно объяснить рекламой?Чтобы ответить на второй вопрос, мы обычно проводим A/B тестирование.Большинство людей будут видеть рекламу (экспериментальная группа). А небольшая часть людей (контрольная группа) вместо этого увидит объявление государственной службы (PSA) (или ничего) точно такого же размера и в том же месте, где обычно находится реклама.Идея задания состоит в том, чтобы проанализировать группы, выяснить, была ли реклама успешной, сколько компания может заработать на рекламе и является ли разница между группами статистически значимой.Словарь данных:user id: Идентификатор пользователя (уникальный).test group: Если "ad", то человек видел рекламу, если "psa", то он видел только объявление государственной службы.converted: Если человек купил продукт, то True, иначе False.total ads: Количество рекламы, увиденной человеком.most ads day: День, в который человек увидел наибольшее количество рекламы.most ads hour: Час дня, в который человек увидел наибольшее количество рекламы.Проанализируйте структуру данных и проведите их предобработку:Исследуйте структуру данных;Преобразуйте столбцы к необходимым типам данных.Проверьте данные на наличие пропусков и избавьтесь от них, если нужно.Проверьте, есть ли пользователи, которые в процессе A/Bтеста попали в обе группы. Если да, исключите пользователей, оказавшихся в обеих группах.Сделайте первичный анализ результатов A/B-тестированияРассчитайте вспомогательные показатели для контрольной и тестовой групп:количество посещений сайта;суммарное количество совершённых покупок;Сделайте промежуточные выводы по построенной таблице. Сопоставимо ли количество посещений обоих вариантов посадочной страницы? Можно ли говорить о сбалансированности выборок?В каждой из групп рассчитайте ключевые показатели:конверсия;среднее количество рекламы, увиденной пользователем.Сделайте первичные выводы о результатах A/B-тестирования на основе показателей конверсии и среднего количества увиденной рекламы в каждой из групп. По какому(-им) показателю(-ям), на первый взгляд, вариант А эффективнее варианта B и наоборот?Проведите статистический анализ результатов A/B-тестированияСформулируйте статистические гипотезы, соответствующие поставленным бизнес-вопросам, и выберите статистический тест для их проверки.Не забудьте проверить данные на нормальность там, где это необходимо.С помощью аппарата статистических тестов определите:Есть ли статистическая разница между конверсиями в группах А и B?Есть ли статистическая разница между средними количествами увиденной рекламы в группах А и B?Подкрепите результаты статистических тестов, построив 95 % доверительные интервалы для:конверсий в каждой из групп;разницы конверсий в группах;среднего количества увиденной рекламы в группах А и B.Проинтерпретируйте построенные доверительные интервалы для конверсий и среднего количества увиденной рекламы группах. Есть ли перекрытие между доверительными интервалами для групп? Если есть, то о чём это говорит?
Вам предстоит предсказать цену жилой недвижимости в г. Москва. Задача заключается в разработке модели машинного обучения, которая определит цену объектов недвижимости по различным признакам недвижимости. Это задание поможет вам освоить основные принципы работы с регрессионными моделями.Условие задачиВам предоставлены два набора данных: train.csv и test.csv. Набор данных test.csv будет использоваться для финального тестирования модели.train.csv: содержит данные для обучения модели. Каждая строка представляет собой информацию об одном объекте недвижимости с ценой (price).test.csv: содержит данные для тестирования модели, где необходимо предсказать цену объектов недвижимости. Тестовый набор также содержит поле index, которое не является признаком и служит исключительно для идентификации записей в финальном файле предсказаний.ЗадачаРазработайте модель машинного обучения, используя библиотеки классического ML (например, sklearn, Logistic Regression, Random Forest, CatBoost или XGBoost.Обучите модель на данных из train.csv, используя колонку price в качестве целевой переменной.Используйте обученную модель для предсказания цены для данных из test.csv.Сохраните предсказания в файл submission.csv в следующем формате:Файл должен содержать два столбца:index (значения индекса из test.csv)price — предсказанные значенияОписание признаковindex – уникальный идентификатор записи. Используется для связи с исходными данными.apartment_type – Тип квартиры (например, студия, однокомнатная, двухкомнатная).metro_station – Ближайшая станция метро.minutes_to_metro – Время пешком до ближайшей станции метро.region – Регион расположения квартиры.number_of_rooms – Количество комнат в квартире.area – Общая площадь квартиры.living_area – Жилая площадь квартиры.kitchen_area – Площадь кухни.floor – Этаж, на котором расположена квартира.number_of_floors – Общее количество этажей в доме.renovation – Наличие и тип ремонта.Формат файла submission.csvФайл должен содержать два столбца:index — изначальные значения индекса из test.csvprice — предсказанные значения в виде положительного числаКритерии оценкиИтоговый результат будет рассчитан на основе метрики MAPE на скрытых тестовых данных.
Нужно найти API/RSS погоды или реализовать парсер с любого сервиса погоды, чтобы бесплатно или по адекватной цене (до 2000р/мес.) можно было регулярно получать как минимум 7-дневный прогноз погоды для любого города России. Напишите функцию Python для получения этой погоды в виде словаря для нужного города
Нужно размешать в ручную в 100 чатах короткие посты, размещая в каждые 5-10 минут схожий другую строку пост. Список постов и аккаунтов представим, в том числе и КЗ. Желательно в каждый чат 100 - 200 сообщений в день и в каждые 100 групп = по 20 000 постов комментарий или столько сколько справитесь Подсчет по ключевым уникальным словам. 1 кворк 160 однострочных коротких комментов в чатах
Текущая страница: 10
Всего страниц: 16799
