6 июня в 10.15 в ауд. УЛК 115 состоится семинар по анализу данных. Будут представлены доклады «Бизнес-метрики для задач машинного обучения» и «Как увидеть невидимое: моделирование структурными уравнениями» от команд магистрантов кафедры прикладной информатики и анализа данных, обучающихся по направлению «Анализ данных в науке и предпринимательстве».
Доклад «Бизнес-метрики для задач машинного обучения» Состав команда: Батуро Евгений, Ивлев Марк, Никитин Вадим, Астраханцев Максим, студенты магистратуры «Анализ данных в науке и предпринимательстве», КИ 25-05-10М Аннотация доклада Работа посвящена исследованию бизнес-метрик как инструмента оценки эффективности моделей машинного обучения. Показано, что стандартные технические метрики (accuracy, AUC-ROC, F1-мера) не учитывают асимметрию стоимости ошибок и естественное поведение клиентов, что приводит к разрыву между математической оценкой модели и её реальным вкладом в ключевые показатели деятельности компании. Проведён систематический анализ подходов к преодолению данного разрыва: Expected Maximum Profit, cost-sensitive learning, uplift-моделирование, A/B-тестирование, H-measure и гибридные метрики. Для каждого метода определены области применимости, требования к данным и практические ограничения — включая неточность матриц стоимостей, длительные циклы обратной связи и организационное сопротивление. На основе анализа сформулированы количественные критерии, позволяющие определить, когда переход от технических метрик к бизнес-показателям экономически оправдан. Предложена поэтапная стратегия внедрения: технические метрики для отладки моделей, бизнес-метрики для принятия управленческих решений. Доклад «Как увидеть невидимое: моделирование структурными уравнениями» Состав команды: Турчина Светлана , Руженцев Иван , Лисовский Илья , Узунов Эдуард, студенты магистратуры «Анализ данных в науке и предпринимательстве», КИ 25-05-10М Аннотация доклада Доклад посвящен моделированию структурными уравнениями (SEM) как методу проверки сложных теоретических моделей, в которых используются скрытые, или латентные, переменные. В работе объясняется, почему классических статистических методов часто недостаточно для исследования таких понятий, как удовлетворенность, мотивация, доверие, вовлеченность или выгорание. Особое внимание уделяется двум частям SEM: измерительной модели, которая показывает, насколько хорошо индикаторы отражают латентные конструкты, и структурной модели, которая описывает связи между этими конструктами. На примере лояльности клиентов демонстрируется, как строится SEM-схема, почему связи должны быть теоретически обоснованы и как модель может быть записана в виде уравнений. Также рассматриваются показатели согласия модели с данными, ограничения SEM, различия между CB-SEM и PLS-SEM, а также прикладные области использования метода в маркетинге, образовании и HR.
К участию в дискуссии приглашаются все желающие!
