Řízení komunikace

Machine Learning pro byznys

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Pracovní skupiny

Naplánujte pravidelné schůzky ke sledování pokroku a definování následujícího:

  • Definujte obchodní požadavky
  • Přehled modelu strojového učení a obchodních produktů
  • Inference vs. predikce
  • Výsledky základního modelu a přehled aktualizací
  • Testování na trhu
  • Produkce
Machine Learning pro byznys

Obchodní požadavky

  1. Jaká je obchodní situace?
    • Míra odchodu zákazníků začala růst
  2. Jaká je obchodní příležitost a jak velká je?
    • Snížení odchodu z X % na Y %
  3. Jaká obchodní opatření přijmeme?
    • Retenční kampaně zaměřené na ohrožené zákazníky
Machine Learning pro byznys

Produkty strojového učení

  • Jaké ML produkty firma potřebuje?

$$

  • Příklad 1 – Predikce odchodu. Firma chce: 1) čtvrtletně aktualizovanou inferenci o faktorech odchodu a 2) denní klasifikaci zákazníků na: ztracené, ohrožené a bezrizikové

$$

  • Příklad 2 – Detekce podvodů. Firma chce: 1) inferenci o silných indikátorech podvodu a 2) seznam velmi rizikových transakcí v reálném čase pro manuální kontrolu a středně rizikových pro vyžádání dalších dat
Machine Learning pro byznys

Výkon modelu a zlepšení

Určete toleranci k chybám modelu (všechny modely se mýlí):

  • Klasifikace

    • Které špatné zařazení do třídy je nákladnější?
    • Příklad – označení podvodu jako nepodvodu je pravděpodobně nákladnější než naopak

  • Regrese

    • Jaká je tolerance chyby predikce?
    • Příklad – při predikci poptávky musí firma nakoupit více zásob, je-li chyba modelu vysoká
Machine Learning pro byznys

Testování na trhu

A/B test

Machine Learning pro byznys

Strojové učení v produkci

  • Přinášejí výsledky testů konzistentní zlepšení?
  • Je model dostatečně stabilní?
  • Existují systémy a nástroje, do kterých lze model integrovat?
Machine Learning pro byznys

Pojďme si procvičit!

Machine Learning pro byznys

Preparing Video For Download...