Управление продажами на основе искусственного интеллекта и машинного обучения

Финансовый Университет при правительстве РФ приглашает вас пройти практический курс повышения квалификации: «Управление продажами на основе искусственного интеллекта и машинного обучения» . Курс рассчитан на 36 академических часов.

Практическая краткосрочная программа повышения квалификации «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.

Искусственный интеллект и машинное обучение стали неотъемлемой частью эволюции технологий, продаж, маркетинга и бизнеса. В процессе обучения на данном курсе вы получите реальный опыт и знание того, как искусственный интеллект и машинное обучение работают на практике.

Спрос на специалистов в данной сфере стремительно растет и уже вышел за пределы ИТ-компаний, они становятся все более востребованными в продажах, маркетинге, финансах и даже HR.

Вид программы	Продолжительность	Стоимость обучения	Получаемый документ:
Повышение квалификации	36 академических часа	32 000 руб.	Удостоверение о повышении квалификации

По результатам обучения вы сможете:

находить и оценивать возможности применения систем искусственного интеллекта для решения прикладных задач, влияющих на повышение качества реализуемых товаров и услуг, повышения лояльности клиентов и объема продаж;
решать конкретные бизнес-задачи и работать с данными с помощью машинного обучения.;
самостоятельно проектировать и реализовывать интеллектуальные информационные системы прогнозирования спроса, продаж, доходов, оттока клиентов, сегментирования потребителей, разработки рекомендательных систем, основанных на современных технологиях машинного обучения и обработки больших данных.

По результатам освоения программы вы получаете удостоверение о повышении квалификации установленного образца Финансового университета при Правительстве Российской Федерации.

Преподаватель курса «Управление продажами на основе искусственного интеллекта и машинного обучения»

Модули программы

Модуль 1. Введение в машинное обучение
Искусственный интеллект и области его применения. Интеллектуальный анализ данных, большие данные, машинное обучение. Методы и задачи интеллектуального анализа данных, машинного обучения и обработки больших данных. Области применения методов и технологий интеллектуального анализа данных, машинного обучения и обработки больших данных. Примеры задач машинного обучения: поиск информации в интернете, распознавание изображений, лиц, эмоций, пола, возраста, распознавание речи, языка, эмоциональной окраски текстов, прогнозирование продаж, прогнозирование оттока клиентов, кредитный скоринг, рекомендательные системы и др. Сервисы, основанные на обработке данных, машинном обучении, принятии решений и их место в финансовых услугах. Большие данные и машинное обучение: Определения, специфика, примеры. Основные характеристики больших данных и их влияние на сбор, хранение, обработку и анализ данных (4V). Критерии аналитических задач, решение которых предпочтительно с использованием технологий Big Datа.
Модуль 2. Практическое использование моделей классификации в задаче кредитного скоринга
Задача кредитного скоринга. Задача прогнозирования 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. Технологии улучшения моделей машинного обучения.
Практическая работа: Построение системы кредитного скоринга (kaggle).
Модуль 3. Практическое использование моделей регрессии в задачах прогнозирования спроса, продаж, доходов
Задачи прогнозирования спроса, продаж, доходов. Модель множественной линейной регрессии. Методы оценки качества моделей регрессии. Использование моделей деревьев, лесов, нейронных сетей для прогнозирования.
Практическая работа: Построение системы прогнозирования продаж (kaggle).
Модуль 4. Практическое использование моделей кластерного анализа в задаче сегментирования потребителей
Кластерный анализ. Задача сегментирования потребителей. Метод К-средних. Методы оценки качества моделей кластерного анализа.
Практическая работа: Сегментирование потребителей.
Модуль 5. Анализ аномалий, рекомендательные системы и анализ текстовой информации в финансах
Поиск аномалий. Задача поиска мошеннических трансакций.
Принципы анализа текстовой информации. Принципы анализа эмоциональной окраски текстов
Практическая работа: Анализ эмоциональной окраски записей в социальных сетях.
Принципы создания рекомендательных систем.
Практическая работа: Построение рекомендательного сервиса.