Знакомство с анализом данных у Стаса произошло во время написания диссертации и работы в НИИ, где он занимался разработкой новых систем безопасности для Росатома и написал свой первый оптимизатор. Затем, уже создавая пилоты систем для идентификации наркотических веществ, Стас начал применять модели машинного обучения и решил всё-таки уйти из НИИ на позицию клиентского аналитика в Эльдорадо. В его обязанности в основном входило обновление моделей и переписывание части скриптов с SPSS на Python. Однако ещё одна смена компании – в этот раз на Сбербанк – внесла разнообразие в его рабочие задачи: на новой позиции Стас уже занимался оптимизацией количества банкоматов, разработкой платформы для чатботов, интеграцией различных решений в СМС и немного клиентской аналитикой в блоке розницы. Спустя 1,5 года Стас ушел в Газпром Медиа, где работал с digital-продуктами холдинга. Тут уже были и построение DWH, и разработка моделей оттока и удержания пользователей, и построение рекомендательных моделей, и работа с Computer Vision моделями для обработки видео. Ну а потом, как и все наши преподаватели, он попал в X5 Retail Group в команду Валерия Бабушкина, в которой занимался оптимизацией «Промо» для торговой сети «Пятерочка». На днях Станислав вышел на позицию Team Lead в СБЕР ЕАПТЕКА, где продолжит работать с динамическим ценообразованием.
На продвинутом курсе по машинному обучению Стас ведёт модуль «Динамическое ценообразование». Почему именно этот блок мы решили внести в программу HARD ML? Рассказывает сам лектор:
«Задача динамического ценообразования не так часто разбирается на курсах по машинному обучению, а зря! Своевременное изменение цен – как вверх, так и вниз – позволяет увеличивать маржу и товарооборот. В последние годы в ценообразовании происходят большие изменения: мониторинг цен конкурентов, регулярное и быстрое обновление стратегий компаний, огромный товарооборот в digital, где, используя модели машинного обучения и анализ данных, можно существенно увеличить выручку. В рамках модуля «Динамическое ценообразование» мы рассмотрим основные стратегии, познакомимся с эластичностью спроса по цене, будем прогнозировать временные ряды, работать с диапазонами цен и прикручивать бандитов для оптимизации выручки во время эксперимента».
На продвинутом курсе по машинному обучению Стас ведёт модуль «Динамическое ценообразование». Почему именно этот блок мы решили внести в программу HARD ML? Рассказывает сам лектор:
«Задача динамического ценообразования не так часто разбирается на курсах по машинному обучению, а зря! Своевременное изменение цен – как вверх, так и вниз – позволяет увеличивать маржу и товарооборот. В последние годы в ценообразовании происходят большие изменения: мониторинг цен конкурентов, регулярное и быстрое обновление стратегий компаний, огромный товарооборот в digital, где, используя модели машинного обучения и анализ данных, можно существенно увеличить выручку. В рамках модуля «Динамическое ценообразование» мы рассмотрим основные стратегии, познакомимся с эластичностью спроса по цене, будем прогнозировать временные ряды, работать с диапазонами цен и прикручивать бандитов для оптимизации выручки во время эксперимента».