Залишити заявку

Машинне навчання та персоналізація: як створюють рекомендації

Магістратура Neoversity

Перетворіть хаотичний досвід на системну експертизу. Навчайтеся у Senior+ інженерів із Netflix, Ciklum, Intellias — тих самих, чиї лекції ви щойно дивилися.

Як результат:
матимете європейський  диплом, власний стартап і нетворк із лідерів галузі.

Подати заявку

Володимир Голом (Lead Data Scientist) про системи рекомендацій. Він пояснює, як ML-моделі борються з інформаційним перевантаженням через персоніфікацію. Розкрито факапи впровадження та необхідні data-умови: смарт-сегментація та оцінка Novelty Rate.

Володимир Голомб

Lead Data Scientist & ML Operations Engineer в RBC Group

Що ви дізнаєтесь

1:28 — РС – поєднання Класифікації та Регресії.

4:04 — Проблема реклами – 10 000 контактів. Необхідна персоніфікація.

10:41 — Факапи впровадження – неготовність каналів комунікації.

16:05 — Data-потреби – Смарт-сегментація та оцінка задоволеності.

23:00 — Ключові метрики: Конверсія (Precision) та Частка нових товарів (Novelty Rate).

28:57 — Підходи до РС – Прогнозування Послідовності, Взаємодії та Комбінацій.

45:10 — Складні системи – Багаторівнева фільтрація та Ranker як ядро системи.

52:08 — Кейс "Фармація" – Модифікація бізнес-логіки (об'єднання покупок у "кейси хвороби").

Машинне навчання та персоналізація: як створюють рекомендації

Магістратура Neoversity

Що ви дізнаєтесь

Бронюйте консультацію з освітнім фахівцем та отримайте детальну програму навчання

Грант на міжнародну ІТ-освіту ближче, ніж ви думаєте