Методы сегментации в рекомендациях

Открытый вебинар по курсу Рекомендательные системы

будет рассмотрено формирование рекомендаций с точки зрения сегментации клиентов аналитическими методами или методами машинного обучения.
Так, в фокусе окажутся подход RFM-анализа, методы кластеризации и look-a-like моделирование.

На вебинаре:

Вы познакомитесь с несложными подходами к формированию рекомендаций, а также узнаете, в каких случаях для эффективной коммуникации достаточно применить классические подходы машинного обучения

В результате вебинара:

Этот вебинар будет полезен:

IT-специалистам, которые хотят расширить свои знания в Data Science
Дата-сайентистам, желающим применить свои знания к практическим задачам сегментации базы
Тем кто самостоятельно изучает Data Science и хочет узнать про области применимости своего знания

Спикер

Руководитель команды Data Science в трайбе Customer Wallet, Сбер. Занимается разработкой и внедрением классических, uplift и NBO моделей в контексте развития портфеля кредитных и дебетовых карт.

Закончила механико-математический факультет МГУ и более 10 лет преподает олимпиадную математику на Малом МехМате. В свободное время участвует в соревнованиях по Computer Vision и хакатонах.

Елена Позднеева

Этот вебинар — лишь небольшая часть большого образовательного курса "Рекомендательные системы", который создан для DS и ML-специалистов, которые хотят углубить знания в области рекомендательных систем. В рамках курса вы не только получите теоретические знания, но и сможете применять их на практике под руководством опытных преподавателей.

Программа курса включает в себя как классические методы рекомендаций, так и современные, а также блок по внедрению рекомендательных систем в продакшн. Занятия помогут вам уверенно освоить концепции рекомендательных систем и их применения.

Узнайте больше о курсе и присоединяйтесь к нашим участникам, чтобы получить полный доступ к знаниям и практическим материалам.

О курсе

Все участники вебинара получат