Построю прогноз спроса, продаж или цены по вашим данным на Python: заказать услугу у исполнителя Валентина Кудренко на бирже удаленной работы FL.RU

Построю прогноз числового показателя по вашим историческим данным: спроса, продаж, выручки, цены, количества заказов, нагрузки или другого согласованного значения. Услуга подойдёт, когда нужно оценить будущую динамику показателя, сравнить несколько подходов и получить не только прогноз, но и понятную оценку его точности и ограничений. В фиксированную стоимость входит: — проверка и подготовка одного файла Excel или CSV согласованной структуры; — анализ качества данных, пропусков и доступного периода наблюдений; — выбор одной целевой переменной для прогнозирования; — выявление основных факторов, тренда и сезонности, если они присутствуют в данных; — построение и сравнение до 3 моделей; — выбор лучшей модели по согласованным метрикам качества; — построение прогноза на один согласованный горизонт; — график фактических и прогнозных значений; — расчёт до 4 метрик качества, например MAE, RMSE, MAPE или R²; — краткие выводы о качестве прогноза и факторах, влияющих на результат; — рекомендации по практическому использованию модели; — подготовка исходного кода на Python и инструкции по запуску. Метод прогнозирования подбирается после просмотра данных. В зависимости от структуры задачи могут использоваться модели временных рядов, регрессия или алгоритмы машинного обучения. Перед началом работы согласуем: — показатель, который требуется прогнозировать; — периодичность данных: день, неделя, месяц или другой интервал; — желаемый горизонт прогноза; — доступные дополнительные признаки; — критерии, по которым будет оцениваться качество модели; — формат итогового результата. Важно: качество прогноза зависит от объёма, полноты и устойчивости исторических данных. До начала работы я проверю, достаточно ли информации для корректного моделирования. Прогноз является расчётной оценкой, а не гарантией будущего результата. В базовую стоимость не входят: — прогнозирование нескольких целевых показателей; — объединение файлов разной структуры; — восстановление большого количества пропущенных или ошибочных данных; — подключение к базам данных, CRM и внешним API; — создание интерактивного дашборда; — размещение модели на сервере; — автоматическое регулярное переобучение; — оценка вероятности наступления события; — нейросетевые модели и глубокое обучение. Технологии: Python, Pandas, NumPy, Scikit-learn, Matplotlib и другие библиотеки в зависимости от выбранного метода.

Заказчик получит:

Прогноз, графики, метрики качества, выводы, исходный код на Python и инструкция по запуску.

До начала работы заказчик должен предоставить:

Пришлите один файл Excel или CSV и опишите значение столбцов. Укажите, какой показатель нужно прогнозировать, периодичность данных и желаемый горизонт прогноза. Сообщите примерное количество строк, период наблюдений, наличие пропусков и известных факторов, которые могут влиять на результат. Конфиденциальные данные можно удалить или заменить условными обозначениями.