fbpx

DOPORUČOVACÍ SYSTÉMY
(RECOMMENDER SYSTEMS)

Termín:dle dohody
Forma:
  • prezenční: Krakovská 7, Praha 1
  • online: aplikace MS Teams
Cena:8 840 Kč / 320 € + DPH
Úroveň:středně pokročilý
Počet dnů:
  • 1 den
  • (8 výukových hodin)
Poptávka po kurzu

ÚVOD

Doporučovací systémy využívají vzory chování uživatelů, aby jim mohli nabídnout to, co opravdu preferují. Ačkoli se s doporučováním setkáváme velmi často především na internetu, tyto nabídky nebývají optimální. Doporučovací systémy můžeme zahrnout mezi postupy filtrování a řazení informací. Úkolem je uživateli předložit takové položky, které se nejlépe shodují s jeho odhadovanými preferencemi a vyhovují obchodní strategii prodejce.

CÍL VZDĚLÁVACÍHO PROGRAMU

Kurz seznámí účastníky s postupy predikce zájmu uživatelů o produkty. Účastníci se naučí používat vhodnou predikční techniku podle dostupných dat a obchodních potřeb. Budou schopni navrhnout doporučovací systém, řazení doporučovaných produktů a naučí se vyhodnocovat přínosy řešení.

KURZ JE URČEN

Kurzu se mohou zúčastnit analytici, manažeři, učitelé i vývojáři zodpovědní za marketingové doporučování produktů.

PŘEDPOKLADY

Kurz nepředpokládá žádné speciální vstupní znalosti ani schopnost ovládání SW.

PŘÍNOS ÚČASTI NA KURZU

Účastníci získají přehled o možnostech predikčního doporučování. Budou umět navrhnout vhodný doporučovací postup a vyhodnotit jeho úspěšnost.

POPIS OBSAHU A POSTUPU

Kurz bude mít teoretickou a praktickou část, bude strukturován podle fází dataminingové metodologie CRISP-DM. Po upřesnění úlohy představíme možné datové vstupy vhodné pro doporučovací systémy. Ukážeme, že doporučování lze transformovat na predikci zákaznických preferencí a popíšeme metody jejich odhadování od nepersonalizovaných přístupů až po algoritmy využívající zákaznická a produktová data. Zákaznické preference před doporučením případně modifikujeme podle obchodních záměrů prodejce. Na závěr naučíme účastníky monitorovat a vyhodnocovat kvalitu doporučovacích systémů.

PROGRAM KURZU

  • dataminingový pohled na úlohu doporučování

  • způsoby doporučování

  • hodnocení produktů

  • reprezentace produktů

  • nepersonalizované doporučování

  • doporučování na základě podobnosti

  • asociační pravidla

  • nejbližší sousedé

  • filtrování podle obsahu

  • kolaborativní filtrování zákazník-zákazník

  • kolaborativní filtrování produkt-produkt

  • redukce datových matic

  • měření úspěšnosti doporučovacích systémů

  • nasazení a příklady doporučovacích systémů

INFORMACE

Přehled vypsaných kurzů

Organizační informace ke kurzům

Opatření COVID-19 při prezenční výuce

POUŽÍVANÝ SOFTWARE

IBM SPSS Modeler Professional

Python 2.x.

Ve výjimečných případech změna programu vyhrazena dle zaměření a zkušeností dané skupiny účastníků.