В этой статье расскажем, откуда берутся дубли, чем они мешают бизнесу, и как Loginom помогает избавиться от дубликатов, консолидировать клиентскую базу и держать ее под постоянным контролем.
Методы поиска обобщенных правил при вычислении используют информацию о группировке элементов (таксономию), что позволяет значительно расширить круг задач, решаемых алгоритмами поиска ассоциативных правил. Примером обобщенного ассоциативного правила может служить высказывание: «Если человек купил Ряженку, то он, скорее всего, купит товар из группы Хлебобулочные изделия». В статье приведены два метода вычисления обобщенных ассоциативных правил: базовый и улучшенный алгоритмы.
Студенты Российского технологического университета будут изучать работу на платформе Loginom в рамках академической программы для вузов.
Студенты Санкт-Петербургского государственного университета будут изучать работу на платформе Loginom в рамках академической программы для вузов.
Крупное обновление аналитической платформы Loginom. Добавлена поддержка базы данных ClickHouse и облачного хранилища Google BigQuery, реализована возможность работы с древовидными структурами данных, поддерживается экспорт результатов работы в Tableau, оптимизированы и доработаны существующие алгоритмы. Доступна новая бесплатная редакция — Loginom Community Edition.
Loginom позволяет выйти за рамки типовых возможностей 1С и получить тем самым существенный экономический эффект в короткие сроки и без привлечения ИТ-отдела.
Объемы современных баз данных, которые весьма внушительны, вызвали устойчивый спрос на новые масштабируемые алгоритмы анализа данных. Одним из популярных методов обнаружения знаний стали алгоритмы поиска ассоциативных правил. Ассоциативные правила позволяют находить закономерности между связанными событиями. Примером такого правила, служит утверждение, что покупатель, приобретающий «Хлеб», приобретет и «Молоко» с вероятностью 75%.
9 и 10 декабря 2019 года Государственный университет управления провел III Международный научный форум «Шаг в будущее: искусственный интеллект и цифровая экономика». В рамках форума Алексей Арустамов рассказал о современных подходах для обработки больших объемов данных и перспективах цифровизации бизнеса в России.
При помощи логистической регрессии можно тестировать линейную зависимость между зависимой и независимой переменными. Преимущество логистической регрессии заключается в том, что данная модель является наглядной, а использование ROC-анализа позволяет сравнивать модели и подбирать оптимальный порог отсечения. Материал показывает, как это делается в медицине и скоринге.
Loginom Company ведет тесное сотрудничество с ведущими вузами страны. О подготовке магистров к решению реальных задач бизнеса с применением современных методов и средств аналитики данных рассказывает доцент Брянского государственного технического университета.
Математический аппарат и назначение бинарной логистической регрессии — популярного инструмента для решения задач регрессии и классификации. ROC-анализ тесно связан с бинарной логистической регрессией и применяется для оценки качества моделей: позволяет выбрать аналитику модель с наилучшей прогностической силой, проанализировать чувствительность и специфичность моделей, подобрать порог отсечения.
Решение P&L на Loginom позволит объективно анализировать себестоимость товаров и услуг в динамике: по каждой статье, за любой период времени, по всем производствам и филиалам.
Применение технологии low-code позволит быстро решить большинство проблем современных компаний. Раньше приходилось вручную писать код для каждой отдельной задачи, сегодня появилась возможность создавать логику из готовых компонентов и масштабировать ее на реальные кейсы.
Основные задачи цифровизации — повышение скорости принятия решений, увеличение вариативности процессов и снижение количества вовлеченных в процесс сотрудников. Loginom позволяет реализовать эти задачи быстро и с минимальным использованием программного кода.
Вторая часть математического аппарата построения деревьев решений — алгоритм C4.5. Рассмотрены вопросы улучшения критерия разбиения, работы с пропущенными данными и классификации новых объектов.
Специалисты выбрали курсы Loginom e-Learning Enterprise с упором на изучение кредитного скоринга.
Как управлять товарными запасами в федеральной сети, если у вас 150 тысяч товаров, а магазины расположены в 26 регионах. Опыт мебельной компании ДЭФО — крупнейшего производителя и поставщика мебели на рынке России.
Loginom — второй по значимости рабочий инструмент после головы. Интервью с заместителем директора по развитию компании «Фармленд».
Loginom DevOps создает единый цикл взаимодействия групп разработки и эксплуатации, позволяет исключить ручные операции, минимизировать ошибки, масштабировать процессы.
Опыт внедрения MDM-системы в сети медицинских лабораторий Инвитро. Компании удалось реализовать моментальную систематическую обработку всех входящих записей о физических лицах в ранее очищенную базу данных, что обеспечило непротиворечивость, достоверность данных, повышение качества клиентской базы.
Презентация нового функционала решения по очистке клиентских данных: модули для решения типовых бизнес-задач, обновленная дедупликация, решение типичных проблем объединения дублей физических и юридических лиц.
Разбираем алгоритм обучения деревьев решений C4.5: требования для обучающего набора данных и классификация новых объектов.
Плюсы, минусы и ограничения в применении методов машинного обучения и искусственного интеллекта при оценке рисков; ключевые бизнес-процессы кредитования. Выступление начальника отдела методологии моделирования рисков Банка России.
Количественная оценка рисков и вероятности возврата кредита, получаемая на основании сотен характеристик заемщика. Все этапы построения скоринговой карты: начиная от загрузки и аудита данных и заканчивая мониторингом актуальности.
Как в короткие сроки построить автоматизированный инструмент интеллектуального анализа заявок, включающий в себя: скоринг, аудит кредитной истории, проверку по черным спискам и другие инструменты продвинутой аналитики.