Чернобровов АлексейАналитик

Статьи

Интерпретируй это: метод SHAP в Data Science

Как интерпретировать результаты машинного обучения, каким образом библиотека SHAP поможет Data Scientist’у объяснить решения ML-модели и при чем здесь теория игр


Куда слить Big Data или зачем вам озеро данных?

Что такое озеро данных, чем оно отличается от корпоративного хранилища данных, как построить Data Lake и при чем тут Data Science: краткий ликбез для начинающих дата-инженеров

ETL: что такое, зачем и для кого

Что такое ETL, OLAP, OLTP, витрины и хранилища данных, зачем оно нужно и как все это связано с аналитикой и технологиями Big Data. Читайте в новой статье, какие факторы являются критичными при выборе ETL-системы и почему даже дорогие промышленные решения не избавят Data Analyst’а от всех проблем сбора и анализа бизнес-информации.

BERT: прорыв в NLP-технологиях или очередной хайп на теме Deep Learning?

Что такое NLP и при чем здесь Data Science, как ML помогает анализировать тексты и предсказывать будущее, почему глубокое обучение стало так популярно сегодня. Читайте в новой статье, как устроены искусственные нейронные сети типа BERT и когда они смогут опередить человека в задачах обработки естественного языка.

Монетизация Big Data: как бизнесу заработать на данных?

3 способа заработка на данных, актуальных для любого бизнеса. Какую информацию о своих пользователях можно выгодно продать бирже данных и как это сделать легальным образом, не нарушая требования Роскомнадзора и GDPR. Кто и зачем продает/покупает данные о пользователях – краткий обзор рынка поставщиков данных в России и за рубежом.

Метеочувствительный маркетинг: как погода влияет на продажи и при чем тут Data Science

Что такое выгода одного градуса, как оптимизировать маркетинговый бюджет и повысить эффективность инвестиций в рекламу на основании анализа данных о погодных условиях – Data Science и метеочувствительный маркетинг на примере практических кейсов отечественных и зарубежных компаний.

Как не разориться на Data Science

Почему 85% Big Data проектов обречены на неудачу и как запустить успешный проект по аналитике данных с привлечением внештатного консультанта – практические рекомендации бизнесу.

Data Analytics and Data Science: Similarities and Differences

Почему Data Science – это больше, чем просто анализ информации, чем Data Scientist отличается от Data Analyst’а, в каких случаях и для чего бизнесу необходимы оба этих профессионала

Как измерить эффективность Machine Learning: считаем метрики и деньги на примере прогнозирования оттока пользователей

Вложения в ML - это затраты или инвестиции? Оцениваем эффективность использования машинного обучения на примере прогнозирования оттока клиентов (Churn Rate).

Как построить CJM: 3 способа разработки карты взаимодействия с потребителем

Что такое Customer Journey Map (CJM), зачем нужна карта взаимодействия с потребителем, как ее построить и где использовать – подходы и cпособы разработки CJM: аналитический обзор, достоинства и недостатки, примеры внедрения.

Разработка CJM на основе задачи анализа текста

Как построить CJM на основе автоматизированного анализа поведения пользователей сайта с помощью задачи текстовой кластеризации

Экспертный подход и машинное обучение для разработки CJM

Как определить категорию потенциального клиента по его поведению на сайте с помощью машинного обучения и экспертных знаний

Контакты