Data science своими руками на R. Использование data science моделей для анализа данных про маркетинг и рекламу
0 likes155 views
Презентация с выступления на интенсиве «Data-driven marketing for e-commerce». Докладчик: Алексей Данилин, Analytics Strategist, Netpeak. Киев, 3 декабря 2017.
More Related Content
What's hot (20)
Similar to Data science своими руками на R. Использование data science моделей для анализа данных про маркетинг и рекламу (20)
More from Netpeak (15)
Data science своими руками на R. Использование data science моделей для анализа данных про маркетинг и рекламу
- 1. Data science своими руками на R Использование data science моделей для анализа данных про маркетинг и рекламу Алексей Данилин Докладчик
- 2. Мы делаем прибыльнее бизнес наших клиентов
- 4. Про Netpeak Работаем на рынке интернет-маркетинга с 2006 года 2000+ успешных проектов 200+ сертифицированных специалистов 7 офисов в 4 странах мира
- 5. лет работы на результат11 проекта составляют наш опыт и знание всех необходимых деталей 2 024 интернет-магазинов увеличивают свои продажи благодаря результатам нашей работы 806 сотрудников работают над этим 327 сертификатов подтверждают их профессиональный уровень 287 выступления на профильных мероприятиях 284 офисов в 5 странах Киев, Одесса, Харьков, Алматы, София, Москва, Самара, Нью- Йорк 8 проведенных отраслевых конференций обучают и развивают рынок интернет-маркетинга с 2011 года 10 наград за участие в международных рейтингах 25 публикаций в Блоге Netpeak про интернет-маркетинг и не только 1 100 публикаций о нас в тематических СМИ 169 отзыв от довольных клиентов 81 Про Netpeak
- 6. Как мы определяем успех нашего маркетинга
- 7. Все начинается с ...
- 8. С другой стороны ...
- 9. Зачем маркетологу язык программирования
- 10. Остановимся на R
- 11. “R is a language and environment for statistical computing and graphics”. “First appeared August 1993”. Больше об R: https://www.r-project.org/about.html Почему R
- 12. Почему R
- 13. Почему R
- 14. Почему R
- 15. Почему R
- 16. Почему R
- 18. Почему R
- 19. Почему R
- 20. А не лучше ли Python?
- 21. Какие задачи будем сегодня решать
- 22. ● R https://goo.gl/aVG7NJ ● R Studio https://goo.gl/PdLRgx ● Рабочий код https://goo.gl/CNycY5 Что нам понадобится
- 23. Сам по себе R не sexy
- 24. Но есть RStudio
- 25. Кластеризация
- 26. RFM
- 27. Дерево решений
- 28. Научиться можно тут: https://stepik.org/course/497/ https://stepik.org/course/129/ https://stepik.org/course/724/ Мы не будем учиться программировать
- 29. 1. Базовый анализ. 2. Построение дерева решений. 3. Обогащение данных с помощью кластеризации. 4. Обогащение данных с помощью RFM. 5. Адаптация дерева решений под новые данные. 6. Построение прогноза для ранее не известных данных. 7. Улучшение модели прогнозирования. Процесс
- 30. Пора заглянуть в код
- 31. Алексей Данилин Analytics Strategist xxx xxxx a.danilin@netpeak.net netpeak Буду рад ответить на все ваши вопросы