Сколько стоит курс «Uplift-моделирование в production: от эксперимента до ML-системы»?

Стоимость курса составляет 2990.00 рублей

Где можно пройти курс «Uplift-моделирование в production: от эксперимента до ML-системы»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/294251.

Курс на Stepik

Обложка курса «Uplift-моделирование в production: от эксперимента до ML-системы» на Stepik

2 990 ₽

Uplift-моделирование в production: от эксперимента до ML-системы ★ 0.000

Name: Uplift-моделирование в production: от эксперимента до ML-системы
Price: 2990.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

Практический курс по uplift-моделированию для ML/DS-специалистов: как оценивать инкрементальный эффект воздействия, строить treatment/control-дизайн, выбирать аудиторию по profit и доводить uplift-модель до production на банковском CRM-кейсе.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	2
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	50
Количество квизов	12
Время прохождения курса	0 ч.	—
Стоимость курса	2 990 ₽	—
Обновления курса	—	—
Дата публикации курса	2 месяца назад	—	—	—	—
Последнее обновление	6 августа 2026	—	—	—	—
Сложность	hard	—	—	—	—

Содержание курса

Разделы в курсе «Uplift-моделирование в production: от эксперимента до ML-системы»

10 разделов Уроки в курсе «Uplift-моделирование в production: от эксперимента до ML-системы»

50 уроков Тесты в курсе «Uplift-моделирование в production: от эксперимента до ML-системы»

12 тестов Время прохождения курса «Uplift-моделирование в production: от эксперимента до ML-системы»

0 ч.

обн. 6 августа 2026

Бизнес-задача и экономика uplift

5 уроков

1. Поведение vs эффект воздействия: зачем бизнесу uplift ↗

2. Как uplift встраивается в CRM-процесс банка ↗

3. Response vs uplift: две политики на одной аудитории ↗

4. Unit economics: контакт, скидка, маржа, каннибализация ↗

5. Семь провальных постановок uplift-задачи ↗

Causal-основа uplift

5 уроков

1. Treatment, control и fundamental problem of causal inference ↗

2. Potential outcomes: ITE, CATE и ATE без магии ↗

3. Randomized assignment, observational data и selection bias ↗

4. Ignorability, positivity, consistency и SUTVA ↗

5. Persuadables и индивидуальный эффект ↗

Эксперимент, таргет и временная схема

5 уроков

1. A/B-дизайн uplift: randomization, split и SRM ↗

2. Размер выборки для uplift и нескольких treatment-групп ↗

3. Repeated treatment: несколько коммуникационных заходов ↗

4. Prediction point, feature, target и attribution windows ↗

5. Leakage, delayed outcome и temporal split ↗

Типы пользователей и offline/online метрики

5 уроков

1. Persuadables, sure things, lost causes и sleeping dogs ↗

2. Uplift by percentile и cumulative uplift curve ↗

3. Qini, AUUC и разные нормировки библиотек ↗

4. Uplift@K, policy value и incremental profit ↗

5. Online-оценка: uplift vs random и uplift vs response ↗

Данные и feature engineering

5 уроков

1. Схема uplift-датасета: assignment, treatment, outcome ↗

2. История покупок, событий, каналов и офферов ↗

3. Eligibility, exclusions, consent и контактная политика ↗

4. Recency/frequency, saturation и affinity features ↗

5. Модельные скоры как признаки без leakage ↗

Baseline и протокол сравнения

5 уроков

1. Random, no-treatment и treat-all policy ↗

2. Бизнес-правила и ручная сегментация CRM ↗

3. Response targeting как baseline и его ловушки ↗

4. Segment-level uplift, квантили и two-model baseline ↗

5. Протокол сравнения: top-K, budget, profit и CI ↗

Алгоритмы uplift

5 уроков

1. S-Learner: treatment feature и interactions ↗

2. T-Learner: две outcome-модели и калибровка ↗

3. X-Learner: imputed effects и propensity weighting ↗

4. R-Learner и DR-Learner: cross-fitting и robustness ↗

5. Uplift trees и causal forest для production ↗

Выбор аудитории и production-архитектура

5 уроков

1. Top-K, threshold по нулю и threshold по profit ↗

2. Profit curve, budget и channel capacity ↗

3. Production pipeline: feature mart, registry, CRM export ↗

4. Holdout, feedback loop и unbiased data collection ↗

5. Multi-treatment, NBA и contextual bandits ↗

Мониторинг uplift-системы

5 уроков

1. Data monitoring: PSI, JS, eligibility, treatment mix ↗

2. Score monitoring: negative uplift, top-decile, drift ↗

3. Causal monitoring: balance, overlap, propensity ↗

4. Performance monitoring: Qini, AUUC, profit, fatigue ↗

5. Monitoring playbook: причина, владелец, rollback ↗

Финальный production-case

5 уроков

1. Бизнес-вводная, датасет и ограничения CRM ↗

2. Эксперимент, balance, leakage и target design ↗

3. Baseline, S/T-Learner и продвинутый learner ↗

4. Qini, AUUC, top-K и profit curve ↗

5. Design doc, architecture, monitoring и защита ↗