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

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск

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 02.11.23
2 Запись Ноутбук Прогноз спроса 09.11.23
3 Запись Ноутбук Uplift- и Look-alike-моделирование 16.11.23
4 Запись Ноутбук Рекомендации и персонализация клиентского опыта 21.11.23, Вт.
5 Запись Ноутбук Ценообразование 1 30.11.23
6 Запись Ноутбук Ценообразование 2 07.12.23
7 Запись Ноутбук Эксперименты: свитчбэки и методы с синтетическим контролем 14.12.23

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