[Big Data, Машинное обучение] Материалы с митапа для аналитиков: модель роста, A/B-тесты, управление стоком и доставкой товаров
Автор
Сообщение
news_bot ®
Стаж: 6 лет 9 месяцев
Сообщений: 27286
Хабр, привет! В последний день июня прошёл наш митап для аналитиков. На нём выступали спикеры из Леруа Мерлен, Ostrovok.ru и, конечно же, Авито. Обсуждали региональные A/B-тесты, управление выдачей товаров в большом интернет-магазине, предсказание профита от новых фичей и data science в доставке.
Под катом — видеозаписи выступлений с таймкодами и ссылки на презентации.
Региональные A/B-тесты. Зачем нужны и как устроены — Игорь Красовский, Авито
На примере задач из Авито Игорь рассказал, что такое региональные А/В-тесты, когда они нужны аналитику, какие алгоритмы и математика лежат в их основе и как измерить точность этих алгоритмов.
Извините, данный ресурс не поддреживается. :(
00:00 — Представление спикера и темы
00:44 — Для каких задач можно применять региональные A/B-тесты
04:21 — О модели региональных А/B-тестов: этапы проведения теста, метрика близости контрольной и тестовой групп
09:51 — Алгоритм подбора тестовой группы и оценка его точности
18:03 — Что можно улучшить в предложенном процессе: точки роста
Модель роста — предсказываем профит от фич для приоритизации — Павел Михайлов, Ostrovok.ru
Из доклада вы узнаете, как работает концепция модели роста, как она помогает перевести продуктовые метрики в деньги и оценить потенциальный профит от новых фичей.
Скачать эксельку с примером модели роста.
Извините, данный ресурс не поддреживается. :(
00:00 — Представление спикера и темы
01:10 — Фреймворк ICE (impact, confidence, ease)
02:26 — Что такое модель роста и как с её помощью измерить влияние фичи
05:55 — Как построить простую модель роста с нуля
18:55 — Примеры гипотез, которые можно оценить с помощью модели роста
25:22 — Как можно улучшать базовую модель и зачем вообще этим заниматься
Лучшие data-продукты рождаются в полях — Марина Калабина, Леруа Мерлен
Большая часть интернет-заказов в Леруа Мерлен собираются в торговых залах магазинов. Из-за высокой скорости оборота товаров это нередко приводило к тому, что заказ не получалось собрать. Тогда команда Data Accelerator придумала инструмент, который позволил автоматически находить проблемные артикулы и корректировать их количество перед публикацией на сайте.
Извините, данный ресурс не поддреживается. :(
00:00 — Представление спикера и темы
01:37 — Леруаизмы — термины для лучшего погружения в контекст доклада
02:40 — Как собирают заказы из интернет-магазина, и какие проблемы могут возникнуть у сборщика
04:07 — Запуск подразделения Data Accelerator, чтобы принимать data-driven решения
04:46 — Продукт «гарантированный сток»: его цели и процесс реализации
13:34 — Итоги внедрения гарантированного стока
Как data science Авито Доставке помогал — Дима Сергеев, Авито
Ежедневно на Авито продаётся несколько миллионов самых разных товаров. Не для каждого из них можно с лёгкостью определить, сможет ли продавец положить его в коробку размером 120×80×50 и отправить покупателю. Временами мы такие ошибки допускаем и предлагаем доставку там, где её быть заведомо не должно и наоборот. Дима рассказал о том, как мы с этой проблемой справляемся и каких результатов получилось достичь.
Извините, данный ресурс не поддреживается. :(
00:00 — Представление спикера и темы
01:11 — История появления доставки в Авито и первые проблемы
06:32 — Оценка масштабов неправильного определения возможности доставить товар
11:29 — Классификация товаров как способ решить проблему: data science SWAT спешит на помощь
17:44 — Первые успехи и побочные эффекты
25:47 — Ближайшие планы
До встречи на новых митапах!
===========
Источник:
habr.com
===========
Похожие новости:
- [DevOps, Python, Машинное обучение, Управление разработкой] MLOps — Cook book, chapter 1
- [Голосовые интерфейсы, Звук, Машинное обучение] Mozilla опубликовала крупнейший датасет разговорной речи с транскрипцией: 7226 часов, 54 языка
- [Контекстная реклама, Поисковые технологии, Управление продажами] Тайна личности покупателя, оставляющего за собой тысячи корзин с покупками в интернет-магазинах (перевод)
- [Искусственный интеллект, Машинное обучение, Обработка изображений] MIT убрал датасет Tiny Images из-за расистских и оскорбительных терминов
- [Big Data, Обработка изображений, Работа с видео] Видеоаналитика в нефтехимии
- [] PVS-Studio впечатлен качеством кода Abbyy NeoML
- [] PVS-Studio Impressed by the Code Quality of ABBYY NeoML
- [Научно-популярное, Учебный процесс в IT] Датасет — это просто тест Роршаха (вы видите то, что хотите увидеть) (перевод)
- [C, C++, Программирование, Реверс-инжиниринг] IDA Pro: работа с библиотечным кодом (не WinAPI)
- [Big Data, Google API, Геоинформационные сервисы, Экология] Мониторинг качества воздуха c помощью данных TROPOMI в Google Earth Engine (перевод)
Теги для поиска: #_big_data, #_mashinnoe_obuchenie (Машинное обучение), #_analytics, #_meetup, #_data_science, #_internetmagaziny (интернет-магазины), #_a/btestirovanie (a/b-тестирование), #_machine_learning, #_libra, #_growth_hacking, #_blog_kompanii_avito (
Блог компании Авито
), #_big_data, #_mashinnoe_obuchenie (
Машинное обучение
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 21-Ноя 17:31
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 9 месяцев |
|
|
Хабр, привет! В последний день июня прошёл наш митап для аналитиков. На нём выступали спикеры из Леруа Мерлен, Ostrovok.ru и, конечно же, Авито. Обсуждали региональные A/B-тесты, управление выдачей товаров в большом интернет-магазине, предсказание профита от новых фичей и data science в доставке. Под катом — видеозаписи выступлений с таймкодами и ссылки на презентации.  Региональные A/B-тесты. Зачем нужны и как устроены — Игорь Красовский, Авито На примере задач из Авито Игорь рассказал, что такое региональные А/В-тесты, когда они нужны аналитику, какие алгоритмы и математика лежат в их основе и как измерить точность этих алгоритмов. Извините, данный ресурс не поддреживается. :( 00:00 — Представление спикера и темы 00:44 — Для каких задач можно применять региональные A/B-тесты 04:21 — О модели региональных А/B-тестов: этапы проведения теста, метрика близости контрольной и тестовой групп 09:51 — Алгоритм подбора тестовой группы и оценка его точности 18:03 — Что можно улучшить в предложенном процессе: точки роста Модель роста — предсказываем профит от фич для приоритизации — Павел Михайлов, Ostrovok.ru Из доклада вы узнаете, как работает концепция модели роста, как она помогает перевести продуктовые метрики в деньги и оценить потенциальный профит от новых фичей. Скачать эксельку с примером модели роста. Извините, данный ресурс не поддреживается. :( 00:00 — Представление спикера и темы 01:10 — Фреймворк ICE (impact, confidence, ease) 02:26 — Что такое модель роста и как с её помощью измерить влияние фичи 05:55 — Как построить простую модель роста с нуля 18:55 — Примеры гипотез, которые можно оценить с помощью модели роста 25:22 — Как можно улучшать базовую модель и зачем вообще этим заниматься Лучшие data-продукты рождаются в полях — Марина Калабина, Леруа Мерлен Большая часть интернет-заказов в Леруа Мерлен собираются в торговых залах магазинов. Из-за высокой скорости оборота товаров это нередко приводило к тому, что заказ не получалось собрать. Тогда команда Data Accelerator придумала инструмент, который позволил автоматически находить проблемные артикулы и корректировать их количество перед публикацией на сайте. Извините, данный ресурс не поддреживается. :( 00:00 — Представление спикера и темы 01:37 — Леруаизмы — термины для лучшего погружения в контекст доклада 02:40 — Как собирают заказы из интернет-магазина, и какие проблемы могут возникнуть у сборщика 04:07 — Запуск подразделения Data Accelerator, чтобы принимать data-driven решения 04:46 — Продукт «гарантированный сток»: его цели и процесс реализации 13:34 — Итоги внедрения гарантированного стока Как data science Авито Доставке помогал — Дима Сергеев, Авито Ежедневно на Авито продаётся несколько миллионов самых разных товаров. Не для каждого из них можно с лёгкостью определить, сможет ли продавец положить его в коробку размером 120×80×50 и отправить покупателю. Временами мы такие ошибки допускаем и предлагаем доставку там, где её быть заведомо не должно и наоборот. Дима рассказал о том, как мы с этой проблемой справляемся и каких результатов получилось достичь. Извините, данный ресурс не поддреживается. :( 00:00 — Представление спикера и темы 01:11 — История появления доставки в Авито и первые проблемы 06:32 — Оценка масштабов неправильного определения возможности доставить товар 11:29 — Классификация товаров как способ решить проблему: data science SWAT спешит на помощь 17:44 — Первые успехи и побочные эффекты 25:47 — Ближайшие планы До встречи на новых митапах! =========== Источник: habr.com =========== Похожие новости:
Блог компании Авито ), #_big_data, #_mashinnoe_obuchenie ( Машинное обучение ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 21-Ноя 17:31
Часовой пояс: UTC + 5