Разработка управленческих решений в маркетинге — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Fulyankin (обсуждение | вклад) |
Fulyankin (обсуждение | вклад) |
||
| (не показаны 4 промежуточные версии этого же участника) | |||
| Строка 17: | Строка 17: | ||
* Темы итогового проекта и материалы для него будут выданы немного позже. На последнем семинаре надо будет сверх-кратко презентовать его итоги. | * Темы итогового проекта и материалы для него будут выданы немного позже. На последнем семинаре надо будет сверх-кратко презентовать его итоги. | ||
| − | # Проверочная по python. Вы же прошли курсы на DataCamp?! | + | # Проверочная по python. Вы же прошли курсы на DataCamp?! |
| − | # | + | # Делаем кластеризацию вручную на доске. |
| − | # | + | # Решаем задачи на кластеризацию на компьютере. Изучаем сегментацию. |
| − | # | + | # Cамостоятельная по кластеризации. Решаем задачи на классификацию вручную на доске. |
| − | # | + | # Решаем задачи на классификацию на компьютере. Изучаем привлечение клиентов. |
| − | # | + | # Самостоятельная по классификации. Решаем задачи на регрессию вручную на доске. |
| − | # | + | # Решаем задачи на регрессию на компьютере. Изучаем продажи. |
| − | # | + | # Самостоятельная по регрессии. Изучаем метрики классификации. |
| − | # Решаем | + | # Решаем кейс целый семинар! |
| − | # | + | # Разбираемся с рекомендательными системами. |
# Говорим об итоговых проектах. | # Говорим об итоговых проектах. | ||
== Материалы курса == | == Материалы курса == | ||
| − | = | + | |
| + | * [https://docs.google.com/spreadsheets/d/1pj3_i_Y4NrEXeones3O9kRg0MK2OETqcV2REaXadVPM/edit?usp=sharing Текущие оценки] | ||
| + | * [https://t.me/joinchat/B2EhSBCNsbeTKFYbUkMsBA Чат в телеграм] | ||
| + | * [https://github.com/FUlyankin/HSE_Data_Culture/blob/master/docs/index_intro_2017.Rmd Материалы прошлого года] | ||
| + | * [https://fulyankin.github.io/HSE_Data_Culture/ Материалы этого года] | ||
== Преподаватели и контакты == | == Преподаватели и контакты == | ||
Текущая версия на 22:18, 1 октября 2018
Содержание
О курсе
Курс предназначен для студентов второго года обучения на программе "Маркетинг и рыночная аналитика", и является продолжением курса "Введение в Data Science". Изучаем различные маркетинговые задачи и способы их решения с помощью методов машинного обучения: сегментация клиентов, привлечение клиентов, продажи, удержание клиентов, рекомендательные системы. Курс построен по принципу смешанного обучения: в онлайн-формате студенты тренируют навыки работы на Python, на лекциях обсуждают маркетинговую составляющую, на семинарах самостоятельно решают задачи.
Оценивание курса
0.1*DataCamp + 0.1*Контрольная по Python + 0.1*Самостоятельные работы + 0.2*Кейс + 0.3*Итоговый проект + 0.2*Экзамен
Программа курса
Большой план семинаров
- Самостоятельные проводятся примерно раз в две пары, в самом начале на 10 минут. На них мы решаем ручные задачи.
- Кейс проводится на 9 семинаре. За семинар в команде надо успеть накидать решение. Баллы ставятся на группу. Внутри группы вы делите баллы как хотите.
- Темы итогового проекта и материалы для него будут выданы немного позже. На последнем семинаре надо будет сверх-кратко презентовать его итоги.
- Проверочная по python. Вы же прошли курсы на DataCamp?!
- Делаем кластеризацию вручную на доске.
- Решаем задачи на кластеризацию на компьютере. Изучаем сегментацию.
- Cамостоятельная по кластеризации. Решаем задачи на классификацию вручную на доске.
- Решаем задачи на классификацию на компьютере. Изучаем привлечение клиентов.
- Самостоятельная по классификации. Решаем задачи на регрессию вручную на доске.
- Решаем задачи на регрессию на компьютере. Изучаем продажи.
- Самостоятельная по регрессии. Изучаем метрики классификации.
- Решаем кейс целый семинар!
- Разбираемся с рекомендательными системами.
- Говорим об итоговых проектах.
