Каким образом решить задачу увеличения конверсии CRM-кампаний по банковскому продукту для среднего и малого бизнеса. Как собрать внутренние и внешние источники данных. Какой использовать инструментарий. Какой выбрать алгоритм и оптимизацию гиперпараметров для максимизации прогнозирующей производительности конечной модели.

1. Построение моделей
машинного обучения для
увеличения продаж
в сегменте СМБ

2. CRISP-DM: проверенная методология
для Data Scientist-ов
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•

3. Бизнес-анализ
•
•
•
•
•
•

4. Источники данных
•
•
•
•
•
•
Формирование перечня необходимой информации

5. Сбор данных из Data Research Platform
Параметры платформы

6. JupyterHub, или как управлять
сотнями пользователей Python
•
•
•
•
Инструментарий Python + Anaconda + Spark
•
•
•

7. Анализ основных свойств данных
Exploratory data analysis (EDA)
•
•
•
•
•
•
•

8. Exploratory data analysis (EDA)
•
•
•
Снижение размерности для визуализации (и kmeans++)

9. Feature selection / engineering
•
•
•
•
Анализ важности признаков
и построение новых

10. Моделирование

11. Бейзлайны моделей
Выбор метрики:
•
•
•
•
•
•
•
•

12. Бейзлайны моделей
Оценка Precision

13. Интерпретация моделей
SHAP*, LIME**
•
•
*
**

14. Результаты внедрения
Передача в пилот и сравнение реальных результатов
•
•
•
•
•

15. Постановка на регламент
Перенос с тестового стенда на прод
•
•
•
•
•
•
•
•
•

16. Сессия вопросов
и ответов