Хардкорный Machine Learning. Часть 2 [karpov.courses]
КАК ПРОХОДИТ ОБУЧЕНИЕ:
Решайте реальные задачи:
— Решаем сложные ML-задачи
— Строим своё приложение с применением всего, чему вы научитесь
— Не только обучаем модельки, а изучаем их и настраиваем всё, что нужно для их работы
Используйте нашу инфраструктуру:
— Работа на выделенном сервере
— Данные - из реальных задач
— Изучайте решения преподавателей и других студентов
Задавайте любые вопросы в поддержку:
— Обсуждайте задачи и проекты с преподавателями и менторами
— Вашими менторами будут ML-инженеры из ведущих компаний в России
ДЛЯ КОГО ЭТА ПРОГРАММА:
ML-разработчик
Вы уже имеет опыт работы в областях связанных с машинным обучением и хотите понять, как решать специфические задачи.
Тимлид
Программа поможет вам понять, как лучше создать сервис, который сможет решать сложные бизнес-задачи с использованием машинного обучения. От момента постановки задачи, до запуска приложения на основе ML алгоритмов в работу.
ПРОГРАММА КУРСА:
ВЫ ОСВОИТЕ:
Динамическое ценообразование
Научим делать динамическое ценообразование на основе машинного обучения, что позволит вам максимизировать прибыль в компании, в которой вы работаете и построить баланс между трафиком, выручкой и маржой.
Matching
Матчинг решает несколько важных проблем для любых компаний. Вы научитесь выявлять товары-дубли по их названиям. Научитесь сопоставлять покупателей в онлайне, приложении и в офлайне. Сможете мониторить цены постоянно
Uplift-моделирование
Научим делать uplift-моделирование от постановки задачи до реализации. Данный тип моделирования позволит учесть изменения в поведении клиентов, которые, к примеру, были вызваны рекламной акцией (реализация модели next best action). Благодаря данной модели можно будет планировать и своевременно предлагать определенным клиентам нужные акции и особые цены.
A/B тестирование при помощи ML
Вы научитесь использовать ML алгортимы для ускорения A/B тестов. Помимо этого тесты станут намного более чувствительными, а плохо показывающие себя тесты можно будет быстро выявить и отключить.
Поддержание жизни ML-модели
ML-модели со временем умирают. Чтобы этого не происходило её надо доучивать. Мы научим делать это правильно.
