Data Science и применение искусственного интеллекта в маркетинге

Магистратура 2021/2022

Статус: Курс обязательный (Маркетинг: цифровые технологии и маркетинговые коммуникации)

Направление: 38.04.02. Менеджмент

Кто читает: Департамент маркетинга

Где читается: Высшая школа бизнеса

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Казаков Сергей Петрович, Писаренко Вероника Вадимовна

Прогр. обучения: Маркетинг: цифровые технологии и маркетинговые коммуникации

Язык: русский

Кредиты: 4

Контактные часы: 32

Полная версия программы учебной дисциплины

Аннотация

This programme aims to bridge the gap between business and technology. The course is the first step for understanding the digital transformation strategy. Designed for masters in business and administration seeking to understand the possibilities of AI in marketing practices across multiple functions and industries. It is also applicable for technical professionals, IT managers, senior and middle managers and business analysts looking to better understand how AI can be implemented within organisations. During the course fundamental programming concepts including data structures, networked application program interfaces, and databases, using the Python programming language will be introduced. The link to the MOOC course Python for Everybody: https://www.coursera.org/specializations/python#courses Курс направлен на преодоление разрыва между бизнесом и технологиями. Курс является первым шагом к пониманию стратегии цифровой трансформации c использованием искусственного интеллекта. Курс предназначен для магистров, руководителей бизнеса и администрирования, которые хотят понять возможности ИИ в маркетинговой практике в различных сферах деятельности. Он также применим для технических специалистов, ИТ-менеджеров, руководителей высшего и среднего звена и бизнес-аналитиков, которые хотят лучше понять, как ИИ может быть реализован в организациях. Для успешного выполнения прикладного проекта с использованием ИИ на деле необходимы базовые навыки программирования на языке Python. В случае отсутствия этих знаний их можно будет параллельно с курсом самостоятельно восполнить, пройдя на «Демокурс «Аналитика Данных» (https://stepik.org/course/74457/syllabus)

Цель освоения дисциплины

Повысить профессиональный уровень понимания полного цикла шагов для прикладных маркетинговых задач, которые можно решать с использованием искусственного интеллекта.
Сформировать прикладные навыки использования и выверки результатов работы искусственного интеллекта с применением языка Python в построении и аналитике маркетинговой стратегии.
Сформировать навыки доступного объяснения маркетинговых предложений бизнес-клиентам для понимания, как предлагаемые технологии стимулируют решение необходимых бизнес-задач.

Планируемые результаты обучения

Оценивать качество нейросетевых моделей и интерпретировать их результаты для основных задач применения ИИ в маркетинге (с использованием языка Python)
Объяснять основные принципы работы искусственного интеллекта и его ограничения
Определять бизнес-эффективность внедрения методов искусственного интеллекта в маркетинг и принимать решение о целесообразности этого внедрения.
Определять типы задач, которые можно решать с помощью искусственного интеллекта в маркетинге
Определять типы задач, которые можно решать с помощью искусственного интеллекта в маркетинге
Оценивать качество нейросетевых моделей и интерпретировать их результаты для основных задач применения ИИ в маркетинге (с использованием языка Python)

Содержание учебной дисциплины

Искусственный интеллект в маркетинге. Введение
Верификация данных и бизнес-анализ
Классическое машинное обучение: Решение задачи кластеризации, класификации и регрессии
Deep Learning – 1: Обработка естественного языка в маркетинге (NLP).
Deep Learning – 2: Компьютерное зрение и его применение в решении задач маркетинга (CV)

Элементы контроля

Домашние задания
2 домашних задания: 1) Проект на задачу кластеризации (задача на точки размещения оффлайн рекламы) или задачу классификации (рекомендательная система) - на выбор 2)NLP задача (обработки тональности отзывов) или CV задача (обработка изображений для рекламных сообщений)
Групповой проект
Группе из 6-7 студентов необходимо применить свои знания в области анализа данных и веб-скрапинга для решения задачи сравнения двух выборок. Полное описание и ТЗ проекта будут предоставлены студентам на семинарских занятиях
Exam
Письменный экзамен с 10 открытыми вопросами. Округляться будет только итоговая оценка за курс методом арифметического округления, это поможет избежать двойного округления.

Промежуточная аттестация

2021/2022 учебный год 2 модуль
0.5 * Exam + 0.3 * Групповой проект + 0.2 * Домашние задания

Программа дисциплины