Рекомендательная система: различия между версиями
Новая страница: «== О нас и о проекте == Наша компания выпускает мобильные приложения для кафе, магазинов и…» |
Нет описания правки |
||
| Строка 1: | Строка 1: | ||
{{Карточка_командного_проекта | |||
|name=Рекомендательная система | |||
|company=РуБикон | |||
|semester=Осень 2018 | |||
|course=3 | |||
|number_of_students=? | |||
|categorize=yes | |||
}} | |||
== О нас и о проекте == | == О нас и о проекте == | ||
Наша компания выпускает мобильные приложения для кафе, магазинов и ресторанов (среди них МакДоналдс, Оранжевый Экспресс, Ташир, KrispyKreme, Теремок, ДаблБи и др). Эти заведения имеют огромное количество товаров и клиентов на территории РФ и СНГ – и чем больше мы понимаем, кому что нравится, тем лучше мы удовлетворяем потребности конечных пользователей и наших контрагентов. С этой целью и предлагается разработать рекомендательную систему, которая будет обрабатывать сотни гигобайт имеющихся у нас данных по истории заказов пользователей. | Наша компания выпускает мобильные приложения для кафе, магазинов и ресторанов (среди них МакДоналдс, Оранжевый Экспресс, Ташир, KrispyKreme, Теремок, ДаблБи и др). Эти заведения имеют огромное количество товаров и клиентов на территории РФ и СНГ – и чем больше мы понимаем, кому что нравится, тем лучше мы удовлетворяем потребности конечных пользователей и наших контрагентов. С этой целью и предлагается разработать рекомендательную систему, которая будет обрабатывать сотни гигобайт имеющихся у нас данных по истории заказов пользователей. | ||
Текущая версия от 21:05, 15 октября 2018
| Компания | РуБикон |
| Учебный семестр | Осень 2018 |
| Учебный курс | 3-й курс |
| Максимальное количество студентов, выбравших проект: ? | |
О нас и о проекте
Наша компания выпускает мобильные приложения для кафе, магазинов и ресторанов (среди них МакДоналдс, Оранжевый Экспресс, Ташир, KrispyKreme, Теремок, ДаблБи и др). Эти заведения имеют огромное количество товаров и клиентов на территории РФ и СНГ – и чем больше мы понимаем, кому что нравится, тем лучше мы удовлетворяем потребности конечных пользователей и наших контрагентов. С этой целью и предлагается разработать рекомендательную систему, которая будет обрабатывать сотни гигобайт имеющихся у нас данных по истории заказов пользователей.
Чему научатся студенты?
- Работать с разнообразными сторонними API.
- Создавать бэкэнд на Google App Engine и Python.
- Анализировать данные используя Google BigQuery, SQL, NumPy.
- Создавать интерактивный и информативный фронтэнд используя Bootstrap, JavaScript и разные плагины.
- Понимать, как можно применять анализ данных в бизнес-процессах.
Контакты:
Айван
aivanf@mail.ru