/ML_for_marketing

Primary LanguageJupyter Notebook

Машинное обучение в маркетинге

Это не очень сложный курс по машинному обучению с математикой и питоном. Он состоит из двух частей: введение в DS и ML для маркетинга. Первая, вводная часть в отдельном репозитории.

  • Материалы для каждого семинара лежат в папках ./sem*

  • В каждой папке есть свой небольшой README с дополнительными материалами, которые желательно посмотреть

  • Если вы хотите скачать из репозитория конкретную папку, просто вставьте ссылку на неё в сервис для скачки. Кнопка "скачать" есть в README к каждой неделе.

  • Таблица с оценками

  • Видео записи семинаров и лекций

  • Любые вопросы можно задать в чат с технической поддержкой. Он с прошлого года не поменялся: TG1 TG3

Перед стартом курса:

  • 📦 Установите себе на компьютер anaconda. Это среда, в которой мы будем работать.
  • 📦 Заведите себе anytask. Туда мы будем сдавать домашние работы.
  • 📦 Вторая часть заданий будет сдаваться в В нём надо зарегистрироваться и ввести инвайт для своей группы:
Тут будут инвайты

Домашние задания

  • Дз#1: дедлайн 9 декабря 2020 в 23.30
  • Дз#2:
  • Дз#3: дедлайн 20 декабря 2020 в 23.30

Лекции

Слайды от Теванян Э.А. здесь

Большой план маленьких побед

Онлайн часть: Вводимся в python на Datacamp. Зачем: когда начинаешь учить новый язык, возникает языковой барьер. В онлайн-модуле вам предстоит через боль и страдания преодолеть этот языковой барьер. Двойной языковой барьер. Курсы будут на английском. Не зря же вы его учите...

  • sem01&02&03 строим в python визуализации и работает с логами магазина, вспоминаем как работает pandas
  • sem03&04&05 собираем таргет под задачу прогноза возврата, делаем фичи и учим модель
  • sem06&07 __Кластеризация.__ Кластеризация руками на доске. Решаем ручные задачки, разбираемся в алгоритмах.
  • sem08 __AB-тесты и финансовый эффект

Задумка: пройтись по основным простым задачам, которые всплывают в маркетинге и постараться решить их в python.

Самый важный раздел

Оценка ставится по формуле:

Итог = 0.3*ДЗ + 0.06*DC + 0.18*П + 0.06*СР + 0.4*ЭКЗ
  • DC - ваша оценка за онлайн-часть
  • СР - оценка за единственную самостяоятельную работу по кластеризации
  • П - оценка за групповой проект
  • ДЗ - средняя оценка за домашки
  • ЭКЗ - оценка, полученная за экзамен.

Контрибьюторы и создатели

Лицензия

Весь контент, созданный для этого курса распространяются на правах лицензии Creative Commons Attribution-Share Alike 4.0. Материалы публикуются как общественное достояние.