Инфопространство,
Москва, 16 сентября 2019

Машинное обучение для предсказания продаж интернет-магазина OZON.RU. Оптимизация цен с помощью моделей предсказания спроса
Машинное обучение и анализ данных в коммерции

Доклад принят в программу конференции
Александр Алексейцев
OZON.RU

Ведет проект по разработке автоматизированной системы пополнения склада. В прошлом много занимался анализом данных и машинным обучением в самых разных областях знаний (от поиска утечек в нефтепроводах до автоматизации торговли на бирже). Физтех.

telegram: @AlekseyAlexander
mail: aalekseitsev@ozon.ru
Тезисы

- Обучение ML-моделей для потоварного предсказания спроса.
* Подводные камни в формировании обучающей выборки (балансировка, очистка данных). Подбор гиперпараметров и постобработка результатов.
* Кластеризация товаров и обучение разных типов моделей для разных типов товаров.
* Первые шаги с LSTM-сетями.

- ML-модель как фича для другой ML-модели.
Unsupervised-кластеризация временных рядов продаж товаров для создания размеченной выборки для обучения supervised-классификации товаров без истории продаж.

- Оптимизация цен товаров для максимизации оборота с ограничением по марже.
Применение моделей предсказания продаж в оптимизации цен. Линеаризация сложной модели для ускорения работы оптимизатора.

- Математика и теория вероятностей в процессах пополнения складов.
Оценка распределений ошибок прогноза, ошибок поставок (опоздания, "недовозы" поставщиков). Расчет страховых запасов на основе полученных распределений.

- Замкнутый цикл разработки ML-решений для продакшна.
feature engineering -> model selection -> training -> results evaluation -> feature engineering -> ...

Внедрение и поддержка
,
Теории и техники анализа
,
Общение с заказчиком, извлечение требований
,
Hadoop
,
Machine Learning

Другие доклады секции Машинное обучение и анализ данных в коммерции