Скоро! Хардкорный Machine Learning. Блок: Динамическое ценообразование (обновленный 2024) [karpov.courses] [Ирина Евстратенко]

[EGround]

Хардкорный Machine Learning. Блок: Динамическое ценообразование (обновленный 2024) [karpov.courses] [Ирина Евстратенко]​

Хардкорный курс для опытных ML-специалистов. Вы научитесь решать нестандартные ML-задачи бизнеса, от предсказания ценовых диапазонов до решения маркетинговых задач с помощью uplift-моделирования и отработаете всё это на реальных кейсах. Можно не проходить весь курс целиком, а купить отдельные блоки.

Блок: Динамическое ценообразование
Эффективность деятельности многих компаний зависит от способности устанавливать оптимальные цены на продукцию с учётом различных факторов и изменений, происходящих на рынке. Научимся создавать пайплайн динамического ценообразования с нуля для решения бизнес-задачи. Будем решать задачу динамического ценообразования через построение модели спроса/ определение эластичности/ многоруких бандитов.

Преподаватель: Ирина Евстратенко
9 уроков и финальный проект. 6 недель.

Программа модуля:
— 1. Введение в динамическое ценообразование
Пройдемся по основным понятиям ценообразования
Посмотрим на примерах как работает динамическое ценообразование в разных компаниях
Верхнеуровнево обсудим, как можно решить бизнес задачу при помощи подходов динамического ценообразования
— 2. Онлайн / офлайн метрики и Backtest
Рассмотрим какие метрики используются при оценке алгоритмов динамического ценообразования в онлайне и офлайне
Построим Backtest для измерения качества алгоритмов в офлайне
— 3. Модель предсказания спроса
Научимся строить модель спроса разными способами от самого простого — аналического — до самого сложного — трансформера
Применим знания построения модели спроса в подходе к решению задачи динамического ценообразования
— 4. Методы оптимизации целевого критерия
Научимся удовлетворять запрос бизнеса "максимизировать одну бизнес метрику не допускать просадку другой"
— 5. Методы расчета эластичности
Научимся рассчитывать эластичности разными способами
Применим знания расчета эластичности к решению задачи динамического ценообразования
— 6. Многорукие бандиты
Обсудим теорию и разные стратегии многоруких бандитов
Применим многорукие бандиты к решению задачи динамического ценообразования
— 7. АБ тестирование, Switchback и дальнейшие шаги
Научимся оценивать алгоритмы в онлайне с помощью АБ тестирования и Switchback
— 8. Финальный проект
Финальный проект модуля, в котором предстоит построить живую систему динамического ценообразования, учитывающую фидбек от пользователя
— 9. Эпилог
Подведем итоги обучения

Цена блока: 60 000 ₽

Материал «Хардкорный Machine Learning. Блок: Динамическое ценообразование (обновленный 2024) [karpov.courses] [Ирина Евстратенко]», возможно, скоро появится на EGROUND.
Воспользуйтесь поиском, может быть, он уже опубликован.