משרד האוצר מפרסם נתונים רבים על תמיכות, התקשרויות, פטור ממכרז וכד׳.
אחד הנתונים המעניינים ביותר הוא מי קיבל את הכסף - עמותה, חברה, עוסק מורשה וכו׳.
הבעיה היא שלרוב מופיע שם הספק בלבד, ללא מספר מזהה ייחודי.
במקרים אחרים, מופיע המספר המזהה אולם הוא לא תמיד נכון (מוזן ידנית)
מה צריך לעשות?
אנו רוצים לבנות אלגוריתם אמין ויציב שיודע לקחת את המזהים ה״רועשים״ הללו ולהאים אותם למקור מידע אמין.
(במקרה שלנו, מקור מידע אמין הוא רשימת כל החברות וכל העמותות המפורסמת על ידי משרד המשפטים)
הוראות מפורטות
אפשר להתחיל מהקוד הקיים ואפשר לכתוב אותו מאפס
צריך לקחת את הקבצים לדוגמה שיצורפו למשימה זו ולנסות לבצע התאמות מול הרשימות המלאות.
האלגוריתם הסופי צריך להיות מהיר, יעיל בזיכרון ובעיקר לא לטעות (כלומר, עדיף לא להתאים מאשר לעשות טעות)
התוצר צריך להיות סקריפט פייתון גנרי שמקבל מספר מקורות ומוציא התאמות שונות.
Lemore
commented
8 years ago
מטרה
משרד האוצר מפרסם נתונים רבים על תמיכות, התקשרויות, פטור ממכרז וכד׳.
אחד הנתונים המעניינים ביותר הוא מי קיבל את הכסף - עמותה, חברה, עוסק מורשה וכו׳. הבעיה היא שלרוב מופיע שם הספק בלבד, ללא מספר מזהה ייחודי. במקרים אחרים, מופיע המספר המזהה אולם הוא לא תמיד נכון (מוזן ידנית)
מה צריך לעשות?
אנו רוצים לבנות אלגוריתם אמין ויציב שיודע לקחת את המזהים ה״רועשים״ הללו ולהאים אותם למקור מידע אמין. (במקרה שלנו, מקור מידע אמין הוא רשימת כל החברות וכל העמותות המפורסמת על ידי משרד המשפטים)
הוראות מפורטות
אפשר להתחיל מהקוד הקיים ואפשר לכתוב אותו מאפס צריך לקחת את הקבצים לדוגמה שיצורפו למשימה זו ולנסות לבצע התאמות מול הרשימות המלאות. האלגוריתם הסופי צריך להיות מהיר, יעיל בזיכרון ובעיקר לא לטעות (כלומר, עדיף לא להתאים מאשר לעשות טעות)
התוצר צריך להיות סקריפט פייתון גנרי שמקבל מספר מקורות ומוציא התאמות שונות.
איך להתחיל
מי שמעוניין במשימה שידבר עם @akariv