МОВС Прикладной анализ данных в ритейле (2023-24 уч. год, 6 модуль)

О курсе

В курсе рассматриваются задачи, которые решаются в ритейле с применением анализа данных и машинного обучения: прогноз спроса, прогноз пользовательских метрик, рекомендации, ценообразование, аплифт-моделирование и look-alike-моделирование. Обсуждается, как формализуется задача с т.з. машинного обучения, каким алгоритмами решается и как устроен дизайн ML-системы, решающий конкретную задачу.

Занятия проводятся в Zoom по четвергам в 18:00

Контакты

Чат курса в TG: https://t.me/+gly4v5N_ZzgzYWVi

Преподаватель: Теванян Элен Арамовна

Ассистент	Контакты
Даша Саламашенкова	@salamashenkovadasha
Савелий Прохоров	@Savely_Prokhorov

Материалы курса

Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzDodShsQ5mz2lcJxAO96vDb

GitHub с материалами курса: https://github.com/elentevanyan/applied_data_science_in_retail/

Занятие	Тема	Дата	Ссылки
1 [Запись]	[Слайды] Intro: задачи в ритейле; метрики, которые улучшаем ML-моделями; ML System Design	02.11.23
2 [Запись]	[Слайды] Прогноз спроса	09.11.23
3 [Запись ]	[Слайды] Uplift- и Look-alike-моделирование	16.11.23
4 [Запись]	Слайды Рекомендации и персонализация клиентского опыта	21.11.23, Вт.
5 Запись	Слайды Ценообразование 1	30.11.23
6 Запись	Слайды Ценообразование 2	07.12.23
7 Запись	Слайды Эксперименты: свитчбэки и методы с синтетическим контролем	14.12.23

Формула оценивания

Оценка = 0.25*О_{Проект 1} + 0.25*О_{Проект 2} + 0.5*О_{Проект 3}

Проекты

Anytask: https://anytask.org/course/1069

Инвайт: NLSAbHd

1. Прогнозирование спроса или пользовательской метрики
2. Оценка нестандартных экспериментов
3. ML System Design (case-study)