Извините, регистрация на это мероприятия уже закончилась. Вы можете выбрать другое мероприятие из нашего каталога>>

Show %d0%98%d1%81%d0%ba%d1%83%d1%81%d1%81%d1%82%d0%b2%d0%b5%d0%bd%d0%bd%d1%8b%d0%b9 %d0%b8%d0%bd%d1%82%d0%b5%d0%bb%d0%bb%d0%b5%d0%ba%d1%82 0

Центр финансовых технологий Финансового университета при Правительстве Российской Федерации

Продажи на основе искусственного интеллекта и машинного обучения

18:50 19 ноября 2019 — 22:00 28 ноября 2019

СПЕЦИАЛИЗАЦИЯ:: Генеральное руководство, Информационные технологии, Маркетинг, Продажи, Клиентские отношения

ОТРАСЛЬ:: Образование

ФОРМАТ:: Открытый

Практическая краткосрочная программа «Управление продажами на основе искусственного интеллекта и машинного обучения» направлена на развитие компетенций в области теории и практики создания систем машинного обучения для использования в компаниях различных направлений бизнеса: розничной торговли товарами и услугами, в том числе e-commerce, финансовых компаниях, стартапах и других в целях анализа и повышения объема продаж товаров и услуг.

ПРОГРАММА

Программа курса:

Алгоритмы машинного обучения. Принципы анализа текстовой и графической информации, эмоциональной окраски текстов. Принципы создания рекомендательных систем. Интеллектуальные сервисы и чат-боты. Нейросетевые технологии. Примеры проектов в различных сферах бизнеса. Современные технологии машинного обучения: R, Python, Spark. Демократизация искусственного интеллекта. Искусственный интеллект без программирования. Microsoft Azure Machine Learning, IBM Watson Machine Learning.
Прогнозирование оттока клиентов. Модель логистической регрессии. Методы оценки качества моделей классификации. Модели деревьев и лесов решений. Бустинг деревьев решений. Нейронные сети и машины опорных векторов. Технологическая реализация моделей машинного обучения в Microsoft Azure Machine Learning.
Практические модели регрессии. Прогнозирование спроса, продаж, доходов. Модель множественной линейной регрессии. Методы оценки качества моделей регрессии. Использование моделей деревьев, лесов, нейронных сетей для прогнозирования.
Практическое использование моделей кластерного анализа в задаче сегментирования потребителей. Кластерный анализ. Задача сегментирования потребителей. Метод К-средних. Методы оценки качества моделей кластерного анализа.
Анализ аномалий, рекомендательные системы и анализ текстовой информации. Поиск аномалий. Поиск мошеннических трансакций. Принципы анализа текстовой информации. Принципы анализа эмоциональной окраски текстов.
Подведение итогов, результатов выполнения заданий, ответы на вопросы.

СТОИМОСТЬ: 37000 руб.