Магистратура
2023/2024
Предиктивная аналитика логистики и цепей поставок
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс по выбору (Стратегическое управление логистикой и цепями поставок в цифровой экономике)
Направление:
38.04.02. Менеджмент
Кто читает:
Департамент бизнес-информатики
Где читается:
Высшая школа бизнеса
Когда читается:
2-й курс, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Заходякин Глеб Викторович
Прогр. обучения:
Стратегическое управление логистикой и цепями поставок в цифровой экономике
Язык:
русский
Кредиты:
3
Контактные часы:
24
Программа дисциплины
Аннотация
Данная дисциплина по выбору знакомит студентов с основными концепциями предиктивного моделирования, а также с практическим применением предиктивных моделей в сфере логистики и управления цепями поставок. Слушатели научатся самостоятельно строить и интерпретировать предиктивные модели с использованием low-code аналитической платформы Orange.
Цель освоения дисциплины
- Формирование у студентов системного взгляда на возможности и ограничения применения машинного обучения. Приобретение практического опыта использования алгоритмов анализа данных и базовых инструментов обработки данных для решения бизнес-задач
Планируемые результаты обучения
- Знает для решения каких задач в модель линейной регрессии включаются эффекты взаимодействия
- Знает требования к данным для построения моделей линейной регрессии
- Знает основные методы решения задачи регрессии, способы оценки ошибки предсказания
- Знает основные метрики качества для регрессии и классификации
- Объясняет сущность задачи предиктивного моделирования в бизнесе, а также функциональные различия между описательной и расширенной бизнес-аналитикой.
- Владеет основными подходами к оценке качества в задачах классификации и регрессии
- Владеет понятием линейной регрессии; лассо-регрессии; гребневой регрессии. Знает ошибки модели в задачах регрессии. Владеет понятием метрик качества.
- Оценивает параметры линейной модели регрессии
- Оценивать качество модели множественной регрессии
- студент может своими словами объяснить отличия задач описательной, предиктивной и прескриптивной аналитики
- Умеет строить и интерпретировать классификаторы на основе модели логистической регрессии
- Умеет оценивать качество классификторов с помощью метрик
- Умеет строить классификаторы с помощью дерева решений
- Умеет строить модели классификации и регрессии с использованием ансамблевых алгоритмов (случайный лес, бустинг)
- Умеет интерпретировать вклад признаков в прогноз и оценивать важность признаков
Содержание учебной дисциплины
- Основные понятия предиктивной аналитики для бизнеса
- Задача регрессии
- Задача классификации
- Ансамбли моделей. Объяснимые модели машинного обучения.
Элементы контроля
- ДокладВ докладе необходимо проанализировать и представить бизнес-кейс применения предиктивного моделирования в логистике и управлении цепями поставок. Доклад - это групповое задание. На каждое занятие будет предложен тема доклада, можно выбрать тему и подготовить доклад в небольшой группе до 3 человек. Доклад необходимо сделать во время онлайн-занятия по курсу.
- АктивностьБаллы за активность выставляются за: - Участие в дискуссиях по докладам (кейсам) использования предиктивной аналитики - не более одного балла за занятие - Решение задач во время занятия или в рамках самостоятельной работы. Для получения максимальной оценки необходимо набрать 10 баллов.
- ДЗДомашние задания предназначены для отработки и закрепления навыков моделирования и применения предиктивных моделей. Задание групповые, могут выполняться в командах до 3 человек или индивидуально.
- ПроектВ итоговом проекте необходимо решить выбранную студентом самостоятельно бизнес-задачу с применением предиктивного моделирования. Это групповая работа, в команде может участвовать до 3 человек.
Промежуточная аттестация
- 2023/2024 учебный год 2 модуль0.2 * Активность + 0.25 * ДЗ + 0.15 * Доклад + 0.4 * Проект
Список литературы
Рекомендуемая основная литература
- Gareth James, Daniela Witten, Trevor Hastie, & Robert Tibshirani. (2013). An Introduction to Statistical Learning : With Applications in R. Springer.
- James, G. et al. An introduction to statistical learning. – Springer, 2013. – 426 pp.
- Бизнес - аналитика: от данных к знаниям (+CD) : учеб. пособие, Паклин, Н. Б., 2010
Рекомендуемая дополнительная литература
- Лебедева, Т. В. Анализ временных рядов и бизнес-прогнозирование : учебно-методическое пособие / Т. В. Лебедева. — Оренбург : ОГУ, 2018. — 240 с. — ISBN 978-5-7410-2205-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/159738 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Предиктивное моделирование на практике - 978-5-4461-1039-1 - Кун Макс, Джонсон Кьелл - 2019 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/365287 - 365287 - iBOOKS