Data science своими руками на R. Использование data science...
Transcript of Data science своими руками на R. Использование data science...
Data science своими руками на R
Использование data science моделей для анализа
данных про маркетинг и рекламу
Алексей Данилин
Докладчик
Мы делаем прибыльнее бизнес наших клиентов
Наши разработки
Про Netpeak
Работаем на рынке
интернет-маркетинга
с 2006 года
2000+
успешных проектов
200+
сертифицированных
специалистов
7 офисов в
4 странах мира
лет работы на результат11
проектасоставляют наш опыт и знаниевсех необходимых деталей
2 024
интернет-магазиновувеличивают свои продажи благодарярезультатам нашей работы
806
сотрудниковработают над этим
327
сертификатовподтверждают их профессиональный уровень
287
выступленияна профильных мероприятиях
284
офисов в 5 странахКиев, Одесса, Харьков, Алматы, София, Москва, Самара, Нью-Йорк
8
проведенных отраслевых конференцийобучают и развивают рынок интернет-маркетинга с 2011 года
10
наградза участие в международных рейтингах
25
публикацийв Блоге Netpeak про интернет-маркетинги не только
1 100
публикацийо нас в тематических СМИ
169
отзывот довольных клиентов
81
Про Netpeak
Как мы определяем успех нашего маркетинга
Все начинается с ...
С другой стороны ...
Зачем маркетологу язык программирования
Остановимся на R
“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
Почему R
Почему R
Почему R
Почему R
Почему R
Почему R
Почему R
А не лучше ли Python?
Какие задачи будем сегодня решать
● R https://goo.gl/aVG7NJ
● R Studio https://goo.gl/PdLRgx
● Рабочий код https://goo.gl/CNycY5
Что нам понадобится
Сам по себе R не sexy
Но есть RStudio
Кластеризация
RFM
Дерево решений
Научиться можно тут:
https://stepik.org/course/497/
https://stepik.org/course/129/
https://stepik.org/course/724/
Мы не будем учиться программировать
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
Пора заглянуть в код
Алексей Данилин
Analytics Strategist
xxx xxxx
netpeak
Буду рад ответить на все ваши
вопросы