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

- Ансамблирование разнородных моделей машинного обучения.
"Деревянная" модель выбирает наилучшую непрерывную модель (нейросети или даже линейные регрессии) исходя из категориальных фичей, описывающих "состояние" системы

- 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 по описательным признакам.

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

- 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 продакшена.
feature engineering -> model selection -> training -> results evaluation -> feature engineering -> ...

Логирование и мониторинг
,
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