ML in Marketing - events & meetups
ML in Marketing / ODS HUB Материалы на тему "ML для задач маркетинга и бизнеса" Материалы интересны: * ДС специалистам * брендам и компаниям * маркетологам * продактам * аналитикам * CEO и фаундерам Авторы канала: @sssviat , @Aakiss
Mostrar másEl país no está especificadoEl idioma no está especificadoLa categoría no está especificada
888
Suscriptores
Sin datos24 horas
Sin datos7 días
Sin datos30 días
- Suscriptores
- Cobertura postal
- ER - ratio de compromiso
Carga de datos en curso...
Tasa de crecimiento de suscriptores
Carga de datos en curso...
Что появилось первым – курица или яйцо?
Под Новый Год хочется говорить только о важном.
Один из простых методов для первичного анализа причинно-следственных связей во временных рядах – тест Грейнджера.
Именно с помощью него в 1988 г. Walter N. Truman и Mark E. Fisher попытались ответить на извечный вопрос: что появилось первым, курица или яйцо? Это одна из знаковых работ в области, вдохновившая многих на дальнейшее применение и развитие методов CI. Датасет был включен в стандартные библиотеки python и R, так что результаты можно легко воспроизвести и сейчас.
Для исследования были взяты данные по производству яиц и численности кур с 1930 г. по 1983 г. Причем авторы позаботились и о коррекции выборки на коммерческих бройлеров, чтобы можно было назвать выборку репрезентативной для исследования.
По результатам был сделан вывод о том, что яйца являются причиной по Грейнджеру для кур, а наоборот, гипотеза неверна – куры не являются причиной по Грейнджеру для яиц.
В качестве продолжения применения метода авторы предложили исследовать следующие факты:
- Хорошо смеется тот, кто смеется последним
- Погибели предшествует гордость, а падению предшествует надменность
Вот так. Используйте методы CI для правильных вопросов.
***
Немного подробнее о тесте Грейнджера
Тест Гренджера базируется на построении регрессии предполагаемой зависимой переменной Y на собственные предшествующие значения и предшествующие значения предполагаемого фактора Х c помощью верификации нулевой гипотезы об одновременной незначимости или равенстве нулю коэффициентов при последних [Granger, 1969].
В случае отвержения нулевой гипотезы, можно сделать вывод о наличии причинности по Гренджеру между рассматриваемыми рядами. Тест также включает в себя проверку обратной взаимосвязи и проверку устойчивости выводов относительно числа используемых лагов для вычисления предшествующих значений переменной. Результаты последнего могут отличаться при изменении числа включаемых в анализ лагов. Корректное проведение теста возможно только для стационарных временных рядов.
Положительный результат теста на причинность по Гренджеру не обязательно означает наличие истинной причинно-следственной связи. Последняя должна быть обязательно подтверждена теоретическими предпосылками, а также может быть дополнительно проверена с помощью другого статистического инструментария, который к 2021 г. значительно продвинулся.
Новый телеграм канал от Дмитрия Колодезева и Ирины Голощаповой, авторов треков Interpretable & Causal ML.
Обязательно подпишитесь, это очень полезный контент.
@reliable_ml
🧞♂️ ВИДЕО с ML in Marketing Meetup
Совместный митап @leanDS и @MLinMarketing
📋 Тема: Ускорение A/Б тестов линейными методами: сравнительный анализ
📋 Описание: Задача ускорения А/Б тестов ( a.k.a. повышения чувствительности ) является одной из самых актуальных в индустрии. К наиболее удобным методами ускорения А/Б тестов, статистические свойства которых можно вывести аналитически, относятся линейная регрессия и методы на остатках, например, CUPED. Однако, некоторые реализации этих методов и, в частности, реализации CUPED'a, незаметно приводят к очень нежелательным последствиям - оценки получаются смещёнными, т.е. результаты A/Б теста искажаются и перестают отражать реальность на ограниченном количестве данных.
— — —
🎤 Спикер: Ваагн Минасян, Lead Data Scientist at X5 Retail Group
🎬 Видео
📥 Презентация
— — —
Кстати, вопросы по докладу можно задавать тут же в комментариях ;)
— — —
Тут же в комментариях опубликовали запись с QnA сессии, ее нет на youtube
» Сегодня смотрим доклад про А/Б тестирование
Спикер: 🎤 Ваагн Минасян, Lead Data Scientist at X5 Retail Group
Начинаем через 30 минут! 🙂
Ссылочка на вход у всех на почте.
Регистрация тут
Подключайтесь!
Online Meetup / События на TimePad.ru
Ускорение A/Б тестов линейными методами: сравнительный анализ
Всем привет!
В эту пятницу (3.12) проведем совместный online митап (@leands и @mlinmarketing)
🔥 Доклад про ускорение А/Б тестов
🔸20:00 - 21:00
🎤 Ваагн Минасян, Lead Data Scientist at X5 Retail Group
📋 Ускорение A/Б тестов линейными методами: сравнительный анализ
📋 Задача ускорения А/Б тестов ( a.k.a. повышения чувствительности ) является одной из самых актуальных в индустрии. К наиболее удобным методами ускорения А/Б тестов, статистические свойства которых можно вывести аналитически, относятся линейная регрессия и методы на остатках, например, CUPED. Однако, некоторые реализации этих методов и, в частности, реализации CUPED'a, незаметно приводят к очень нежелательным последствиям - оценки получаются смещёнными, т.е. результаты A/Б теста искажаются и перестают отражать реальность на ограниченном количестве данных.
— — —
🗓 03 декабря, начало в 20:00 мск, Пятница
🌐 ОНЛАЙН
Регистрация на мероприятие тут
Добавляйте в календарь, ссылка придет на почту перед началом митапа
Этот день настал!🎉
Рады представить вам первое видео нашего курса.
Оно уже доступно на страничке курса!😎
Основные ссылки:
• Страничка курса: https://ods.ai/tracks/uplift-modelling-course
• Новостной канал: https://t.me/uplift_modelling
• Чат в телеграме: https://t.me/uplift_course_chat
• Чат в slack ods: #course_uplift_modelling
Присоединяйтесь в каналы и чаты, следите за анонсами и задавайте ваши вопросы!😉
Курс по uplift моделированию — Open Data Science
На нашей платформе ods.ai стартовал курс по uplift моделированию🚀
Максим Шевченко, Святослав Гулаков и Ирина Елисова подготовили простой и понятный контент:
• где и в каких кейсах лучше всего использовать uplift модели;
• как собрать обучающую выборку для аплифт модели;
• как провести AB-тест;
• основные подходы аплифт моделирования и метрики качества.
Также на практике с помощью библиотеки sklift рассмотрим, как обучать модели и оценивать метрики качества.
Подключайтесь, вводное видео уже на платформе!
Канал курса: #course_uplift_modelling
🧞♂️ ВИДЕО с ML in Marketing Meetup
Совместный митап @leanDS и @MLinMarketing
📋 Тема: 13 способов ускорить А/В тест, или "Не CUPED-ом единым"
📋 Описание: Многие аналитики для ускорения А/В тестов в первую очередь используют достаточно сложные статистические приемы (например, CUPED). Однако существует огромное множество более простых и эффективных способов ускорить А/В тесты. Мы обсудим 13 таких способов: от улучшения процесса дизайна теста до применения стат критерия и финального принятия решения о выкатке фичи. А также оценим потенциальный trade-off эффект-затраты от внедрения каждого из способов.
🎤 Спикер: Иван Максимов, Data Science Team Lead at Delivery Club
- автор тг канала @ml4value
🎬 Видео
📥 Презентация
— — —
Кстати, вопросы по докладу можно задавать тут же в комментариях ;)
— — —
Тут же в комментариях опубликовали запись с QnA сессии, ее нет на youtube
🧞♂️ ВИДЕО с ML in Marketing Meetup
@MLinMarketing
📋 Тема: Разбор главной конференции по рексистемам RecSys 2021
📋 Описание: Расскажу о том, что было в этом году на RecSys, какие были интересные статьи, расскажу подробнее про некоторые из них:
- предсказание пользовательских кликов на управляющие элементы на мобилках от Google Research с трансформерами под капотом
- решение проблем повторяющегося потребления и динамической доступности айтемов на примере twitch
- разбор честности экспериментов в SOTA статьях при использовании разных стратегий сэмплирования
- решение задачи подбора релевантной музыки через диалог с голосовым помощником от Amazon
🎤 Спикер: Андрей Кузнецов, Machine Learning Engineer at Одноклассники
- автор статей про RecSys на хабр
🎬 Видео
📥 Презентация
— — —
Кстати, вопросы по докладу можно задавать тут же в комментариях ;)
— — —
Тут же в комментариях опубликовали запись с QnA сессии, ее нет на youtube
Mostrar todo...
Elige un Plan Diferente
Tu plan actual sólo permite el análisis de 5 canales. Para obtener más, elige otro plan.