Рекомендательная система — различия между версиями
(Новая страница: «== О нас и о проекте == Наша компания выпускает мобильные приложения для кафе, магазинов и…») |
|||
Строка 1: | Строка 1: | ||
+ | {{Карточка_командного_проекта | ||
+ | |name=Рекомендательная система | ||
+ | |company=РуБикон | ||
+ | |semester=Осень 2018 | ||
+ | |course=3 | ||
+ | |number_of_students=? | ||
+ | |categorize=yes | ||
+ | }} | ||
+ | |||
+ | |||
== О нас и о проекте == | == О нас и о проекте == | ||
Наша компания выпускает мобильные приложения для кафе, магазинов и ресторанов (среди них МакДоналдс, Оранжевый Экспресс, Ташир, KrispyKreme, Теремок, ДаблБи и др). Эти заведения имеют огромное количество товаров и клиентов на территории РФ и СНГ – и чем больше мы понимаем, кому что нравится, тем лучше мы удовлетворяем потребности конечных пользователей и наших контрагентов. С этой целью и предлагается разработать рекомендательную систему, которая будет обрабатывать сотни гигобайт имеющихся у нас данных по истории заказов пользователей. | Наша компания выпускает мобильные приложения для кафе, магазинов и ресторанов (среди них МакДоналдс, Оранжевый Экспресс, Ташир, KrispyKreme, Теремок, ДаблБи и др). Эти заведения имеют огромное количество товаров и клиентов на территории РФ и СНГ – и чем больше мы понимаем, кому что нравится, тем лучше мы удовлетворяем потребности конечных пользователей и наших контрагентов. С этой целью и предлагается разработать рекомендательную систему, которая будет обрабатывать сотни гигобайт имеющихся у нас данных по истории заказов пользователей. |
Текущая версия на 00:05, 16 октября 2018
Компания | РуБикон |
Учебный семестр | Осень 2018 |
Учебный курс | 3-й курс |
Максимальное количество студентов, выбравших проект: ? | |
О нас и о проекте
Наша компания выпускает мобильные приложения для кафе, магазинов и ресторанов (среди них МакДоналдс, Оранжевый Экспресс, Ташир, KrispyKreme, Теремок, ДаблБи и др). Эти заведения имеют огромное количество товаров и клиентов на территории РФ и СНГ – и чем больше мы понимаем, кому что нравится, тем лучше мы удовлетворяем потребности конечных пользователей и наших контрагентов. С этой целью и предлагается разработать рекомендательную систему, которая будет обрабатывать сотни гигобайт имеющихся у нас данных по истории заказов пользователей.
Чему научатся студенты?
- Работать с разнообразными сторонними API.
- Создавать бэкэнд на Google App Engine и Python.
- Анализировать данные используя Google BigQuery, SQL, NumPy.
- Создавать интерактивный и информативный фронтэнд используя Bootstrap, JavaScript и разные плагины.
- Понимать, как можно применять анализ данных в бизнес-процессах.
Контакты:
Айван
aivanf@mail.ru