Магистратура
2022/2023
Применение искусственного интеллекта в маркетинге
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:
с онлайн-курсом
Онлайн-часы:
10
Охват аудитории:
для своего кампуса
Преподаватели:
Казаков Сергей Петрович
Прогр. обучения:
Маркетинг: цифровые технологии и маркетинговые коммуникации
Язык:
русский
Кредиты:
4
Контактные часы:
32
Программа дисциплины
Аннотация
Курс «Применение искусственного интеллекта в маркетинге» (v.3.0) направлен на преодоление разрыва между маркетингом и современными ИТ-технологиями. Курс является первым шагом к пониманию стратегии цифровой трансформации c использованием искусственного интеллекта. Курс предназначен для студентов магистратуры, которые должны научиться использовать возможности ИИ, Data Science и Machine Learning в маркетинге организаций. Для успешного прохождения курса и выполнения прикладного проекта с использованием ИИ не требуются навыки программирования на языке Python, но в случае заинтересованности студентов в его дополнительном изучении и освоения навыков написания кода рекомендуется факультативно пройти «Демокурс «Аналитика Данных» (https://stepik.org/course/74457/syllabus). Однако, прохождение данного курса не влияет на итоговую оценку промежуточной аттестации по дисциплине «Применение искусственного интеллекта в маркетинге», но приобретенные на пройденном курсе навыки могут быть полезны для получения самой высокой отличной оценки за выполнение курсового проектного задания.
Цель освоения дисциплины
- Дать слушателям базовое представление о методах искусственного интеллекта, познакомить с терминологией и научить применять некоторые из методов для решения несложных задач
- 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 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
- Определять типы задач, которые можно решать с помощью искусственного интеллекта в маркетинге
- Обучать несложные модели на готовых данных в программных оболочках ИИ, DS, ML
- Грамотно визуализировать результаты исследований
- Правильно интерпретировать результаты анализа данных и генерировать инсайты
- Разрабатывать предложения и рекомендации бизнесу на основе полученных инсайтов
- Уметь формулировать задачи и генерировать технические задания, брифы исследовательским группам маркетинговых аналитиков и сторонним исследовательским организациям
- Осуществлять оценку и приемку выполненных проектов в области ИИ
Содержание учебной дисциплины
- Искусственный интеллект в маркетинге. Введение
- Верификация данных и бизнес-анализ
- Программные оболочки ИИ, Data Science, Machine Learning
- 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
- Групповой проект «NLP в анализе клиентских отзывов»Группе из 6-7 студентов необходимо применить свои знания в области анализа данных и веб-скрапинга для решения задачи по анализу клиентских онлайн-отзывов. Полное описание и ТЗ проекта будут предоставлены студентам на семинарских занятиях. Задание сдается проектными группами на семинаре 2 модуля, каждый из студентов группы оценивается индивидуально по итогам презентации.
- Письменная экзаменационная работаПисьменный экзамен с 12 вопросами, экзамен проводится онлайн на платформе startexam с асинхронным прокторингом
Промежуточная аттестация
- 2022/2023 учебный год 2 модуль0.5 * Письменная экзаменационная работа + 0.5 * Групповой проект «NLP в анализе клиентских отзывов»
Список литературы
Рекомендуемая основная литература
- Computer age statistical inference : algorithms, evidence, and data science, Efron, B., 2017
- Data Science : наука о данных с нуля, Грас, Дж., 2018
- The data science handbook, Cady, F., 2017
- Основы Data Science и Big data : Python и наука о данных, Силен, Д., 2017
- Основы Data Science и Big Data. Python и наука о данных : пер. с англ., Силен, Д., Мейсман, А., 2018
Рекомендуемая дополнительная литература
- Data science for business, Provost, F., 2013