Примеры применения PyTorch-LifeStream

Это видео — часть серии материалов, посвящённых работе с библиотекой PyTorch-LifeStream или PTLS.

При управлении бизнесом (магазином, банком, онлайн-платформой) возникает множество вопросов. Например:

• Какие товары стоит рекомендовать покупателю?
• Поможет ли обзвон клиентов при продаже услуги?
• Какие транзакции — мошеннические?
• С какой вероятностью клиент банка вернет кредит?
• Какую сумму потратит клиент банка в следующем месяце?

В каждой такой задаче потребуется быстро исследовать много данных, в том числе событийных, поэтому все больше компаний используют методы машинного обучения.

Библиотека PyTorch-LifeStream создана для работы с событийными данными, в ней представлен большой выбор методов для использования данных в модели машинного обучения в рамках unsupervised learning (обучение без учителя).

О том, чем полезна библиотека, в каких задачах ее можно применять и как она помогает создавать эмбеддинг признаков (feature embedding) при работе с данными сложных структур мы и расскажем в данной части серии видео о библиотеке PyTorch-LifeStream.

Ссылка на PTLS на GitHub: https://github.com/dllllb/pytorch-lifestream

Задать вопрос по работе с библиотекой: https://t.me/pytorch_lifestream