kogr83/ml_for_marketing

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:

Перед стартом курса:

• 📦 Установите себе на компьютер anaconda. Это среда, в которой мы будем работать.
  • как установить: Windows macOS
  • как открыть 1ый семинар: Windows macOS
• 📦 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

• Рожков Александр: лекции
• Беднарский Роман: лекции, notebooks
• Теванян Элен: лекции, семинары, notebooks
• Ульянкин Пилиф: семинары, notebooks

Лицензия

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