Машинное обучение в электронной коммерции

Технологии машинного обучения неизбежно вторгаются в сферу электронной торговли. Узнайте, как с помощью настройки алгоритмов классифицировать покупателей, сегментировать товарные группы и повысить эффективность работы с email-базой.

На вебинаре 17 мая мы простыми словами расскажем о популярных, эффективных и используемых в нашей компании техниках применения машинного обучения для привлечения и удержания клиентов:

• классификации обращений техподдержки;
• персонализации;
• кластеризации товарного каталога;
• классификации клиентов (готовых перейти на платный тариф, готовых уйти, способных принести прибыль);
• повышении релевантности e-mail-рассылок.

Особое внимание уделим технике использования популярных платформ и библиотек: Apache Spark, Spark MLlib, Hadoop, Amazon Kinesns, deeplearning4j. Отдельно остановимся на особенностях обработки "больших данных", выборе и разработке параллельных алгоритмов для ML.

Доклад позволит сориентироваться в плеяде современных алгоритмов машинного обучения в разрезе прикладного использования для электронной коммерции и выбрать необходимые бесплатные библиотеки для реализации задач.