Twip battle - Создание проекта API с - VS - Создание предиктивных

Каждый владелец сайта желает ускорить его индексацию для попадания в топ по ключевым запросам. 

Польза инструмента Google Indexing API

С помощью нового API можно:

-быстрее индексировать контент, поэтому сайт будет ранжироваться лучше;

-улучшить качество пользовательского трафика, поддерживая актуальность информации на сайте;

-в результате занять место в выдаче выше, чем конкуренты.

От Вас нужно:

 - список Google аккаунтов(xxx@gmail.com),активных,без необходимости верификации с помощью телефона и тд,для которых необходимо создать Service account+json key. Можно списком в  Блокноте .txt

 -пароли к этим аккаунтам. Можно указать рядом с аккаунтом в блокноте.

От меня получаете:

 - Exсel файл типа xxx@gmail.com I идентификатор учетной записи службы Service account

 - папку с API ключами формата JSON

Минимальное количество аккаунтов в Твипе 30. Максимальное 50. Можно больше,оговаривается отдельно.

Если нужно сменить язык в аккаунте,сделаю в процессе,просто скажите заранее.

Стоимость работы с одним аккаунтом 18 руб. Срочное выполнение 20 руб./аккаунт.

В общую стоимость Твипа включена комиссия сервиса infotwip.com

Предиктивная модель - эффективный инструмент поддержки принятия бизнес-решений. Создание такой модели - процесс поиска закономерностей с использованием алгоритмов машинного обучения (Mashine Lerning) в существующем наборе исторических данных (обучение модели) для предсказания наиболее вероятных вариантов развития событий в будущем (применение модели).

Классифицирующая модель позволяет разбить большой массив данных на группы (классы), характеризующиеся сходным набором признаков, используя явные и неявные закономерности. Применение такой модели, позволяет, например, определить группы пользователей, характеризующихся определенным поведением и сделать им предложения, интересные именно для них.

Для обеспечения качества работы модели необходим тщательный отбор и подготовка входных данных. Также может возникнуть необходимость во внешних данных. Результатом моей работы будет:

1) сама модель в формате, определяемом выбранной моделью (например, в случае линейных моделей это будет вектор весов каждого из факторов. Вес фактора определяет степень его влияния на результат)

2) отчет о валидности (точности предсказания) модели

3) файл с результатами применения модели к исследуемому набору данных