МОВС Прикладной анализ данных в ритейле (2023-24 уч. год, 6 модуль) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
м (add dates) |
м (UPD after sem2) |
||
| Строка 3: | Строка 3: | ||
''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.'' | ''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 [ | + | Занятия проводятся в [https://us06web.zoom.us/j/84499463217?pwd=kFzXszo0xS6e6apvdaQpAQrnDEZ7A7.1 Zoom] '''по четвергам в 18:00''' |
==Контакты== | ==Контакты== | ||
| Строка 23: | Строка 23: | ||
Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzDodShsQ5mz2lcJxAO96vDb | Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzDodShsQ5mz2lcJxAO96vDb | ||
| − | GitHub с материалами курса: | + | GitHub с материалами курса: https://github.com/elentevanyan/applied_data_science_in_retail/ |
{| class="wikitable" | {| class="wikitable" | ||
| Строка 29: | Строка 29: | ||
! Занятие !! Тема !! Дата !! Ссылки | ! Занятие !! Тема !! Дата !! Ссылки | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''1''' [[ Запись]] || [[ | + | | style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=ubfBZQtC6g8&list=PLmA-1xX7IuzDodShsQ5mz2lcJxAO96vDb Запись]] || [[https://github.com/elentevanyan/applied_data_science_in_retail/blob/main/01_intro.pdf Слайды]] Intro: задачи в ритейле; метрики, которые улучшаем ML-моделями; ML System Design || 02.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''2''' [[ Запись]] || [[ | + | | 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''' [[ Запись]] || [[ | + | | style="background:#eaecf0;" | '''3''' [[ Запись]] || [[ Слайды]] Uplift- и Look-alike-моделирование || 16.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''4''' [[ Запись]] || [[ | + | | style="background:#eaecf0;" | '''4''' [[ Запись]] || [[ Слайды]] Рекомендации и персонализация клиентского опыта || '''21.11.23, Вт.''' || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''5''' [[ Запись]] || [[ | + | | style="background:#eaecf0;" | '''5''' [[ Запись]] || [[ Слайды]] Ценообразование 1 || 30.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''6''' [[ Запись]] || [[ | + | | style="background:#eaecf0;" | '''6''' [[ Запись]] || [[ Слайды]] Ценообразование 2 || 07.12.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ | + | | style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] Эксперименты: свитчбэки и методы с синтетическим контролем || 14.12.23 || |
|- | |- | ||
|} | |} | ||
| − | |||
| − | |||
==Формула оценивания== | ==Формула оценивания== | ||
| Строка 52: | Строка 50: | ||
== Проекты == | == Проекты == | ||
| + | Anytask: https://anytask.org/course/1069 | ||
| + | |||
| + | Инвайт: <code></code> | ||
| + | |||
# Прогнозирование спроса или пользовательской метрики | # Прогнозирование спроса или пользовательской метрики | ||
# Оценка нестандартных экспериментов | # Оценка нестандартных экспериментов | ||
Версия 08:18, 12 ноября 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:
- Прогнозирование спроса или пользовательской метрики
- Оценка нестандартных экспериментов
- ML System Design (case-study)
