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

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
м (fix formula)
м (add chat link)
Строка 7: Строка 7:
 
==Контакты==
 
==Контакты==
  
Чат курса в TG: [[ chat link]]
+
Чат курса в TG: https://t.me/+gly4v5N_ZzgzYWVi
  
 
Преподаватель: Теванян Элен Арамовна
 
Преподаватель: Теванян Элен Арамовна
Строка 17: Строка 17:
 
| style="background:#eaecf0;" | Даша Саламашенкова || [https://t.me/salamashenkovadasha @salamashenkovadasha]
 
| style="background:#eaecf0;" | Даша Саламашенкова || [https://t.me/salamashenkovadasha @salamashenkovadasha]
 
|-
 
|-
| style="background:#eaecf0;" | ||  
+
| style="background:#eaecf0;" | Савелий Прохоров || [https://t.me/Savely_Prokhorov @Savely_Prokhorov]
 
|}
 
|}
  

Версия 00:25, 30 октября 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 ... в ...

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: GitHub repository

Занятие Тема Дата Ссылки
1 Запись Ноутбук Intro: задачи в ритейле; метрики, которые улучшаем ML-моделями; ML System Design
2 Запись Ноутбук Прогноз спроса
3 Запись Ноутбук Uplift- и Look-alike-моделирование
4 Запись Ноутбук Рекомендации и персонализация клиентского опыта
5 Запись Ноутбук Ценообразование 1
6 Запись Ноутбук Ценообразование 2
7 Запись Ноутбук Эксперименты: свитчбэки и методы с синтетическим контролем

Записи консультаций

Формула оценивания

Оценка = 0.25*ОПроект 1 + 0.25*ОПроект 2 + 0.5*ОПроект 3

Проекты

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

Литература