МОВС Прикладной анализ данных в ритейле (2023-24 уч. год, 6 модуль) — различия между версиями
м |
м |
||
| (не показаны 4 промежуточные версии этого же участника) | |||
| Строка 33: | Строка 33: | ||
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=a29H7v-zfEs&list=PLmA-1xX7IuzDodShsQ5mz2lcJxAO96vDb Запись]] || [[https://github.com/elentevanyan/applied_data_science_in_retail/blob/main/02_demand_metrics.pdf Слайды]] Прогноз спроса || 09.11.23 || | | style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=a29H7v-zfEs&list=PLmA-1xX7IuzDodShsQ5mz2lcJxAO96vDb Запись]] || [[https://github.com/elentevanyan/applied_data_science_in_retail/blob/main/02_demand_metrics.pdf Слайды]] Прогноз спроса || 09.11.23 || | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''3''' [[https:// | + | | style="background:#eaecf0;" | '''3''' [[https://youtu.be/DsxSSj8yJIc?si=mG0t0PpWPHwTtKwu Запись ]] || [[https://github.com/elentevanyan/applied_data_science_in_retail/blob/main/03_uplift_look_alike.pdf Слайды]] Uplift- и Look-alike-моделирование || 16.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''4''' [[ Запись]] || [[ Слайды]] Рекомендации и персонализация клиентского опыта || '''21.11.23, Вт.''' || | + | | style="background:#eaecf0;" | '''4''' [[https://youtu.be/bqqYnVJbQCo?si=OSkBfug6V7PaB7aS Запись]] || [[ Слайды]] Рекомендации и персонализация клиентского опыта || '''21.11.23, Вт.''' || |
|- | |- | ||
| style="background:#eaecf0;" | '''5''' [[ Запись]] || [[ Слайды]] Ценообразование 1 || 30.11.23 || | | style="background:#eaecf0;" | '''5''' [[ Запись]] || [[ Слайды]] Ценообразование 1 || 30.11.23 || | ||
Текущая версия на 13:46, 4 декабря 2023
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*ОПроект 1 + 0.25*ОПроект 2 + 0.5*ОПроект 3
Проекты
Anytask: https://anytask.org/course/1069
Инвайт: NLSAbHd
- Прогнозирование спроса или пользовательской метрики
- Оценка нестандартных экспериментов
- ML System Design (case-study)
