Pavel Snurnitsyn
EMCR EMCR
or

Pavel Snurnitsyn

Pavel
Snurnitsyn
Expert

Russia (Россия), Moscow (Москва)

Educational experience

  • МГУ им. М.В. Ломоносова

    Механико-математический факультет, аспирантура

  • Орловский Государственный Университет

    Физико-математический факультет, прикладная математика

Work experience

  • Data Sapience

    Директор продукта Kolmogorov AI — 3 years 8 months

  • GlowByte

    Руководитель практики Advanced Analytics — 3 years

  • GlowByte

    Аналитик, ведущий аналитик, руководитель направления — 6 years

Join EMCR community to see other profiles, get access to CVs, send messages etc.

Professional expertise areas

Please click on any category above if you want to see or subscribe for other content marked with the same category or other categories

Join EMCR community to see other profiles, get access to CVs, send messages etc.

Telegram channel

2.1k subscribers

Семинар про байесовский подход в A/B

▫️ 6 ноября (среда), 17:00 МСК
▫️ Подключение→

Выступает: Максим Сергеевич Николаев, руководитель направления Науки о данных факультета МКН СПбГУ, преподаватель статистики на МКН и в ШАД, младший научный сотрудник ПОМИ РАН

Тема: Применение байесовского подхода для максимизации прибыли в A/B-тестах

Аннотация
Представьте, что интернет-магазин хочет разослать своей аудитории информацию о скидках, но для начала хочет узнать, какой из двух вариантов объявлений лучше. Для этого он планирует провести простенький A/B-тест: выделить часть аудитории, одной ее половине послать один вариант, второй половине — другой, и потом послать всей остальной аудитории лучший из двух вариантов.
Один из фундаментальных вопросов в такого рода экспериментах: насколько большой нужно делать тестовую часть аудитории? Если взять слишком большой, то мы точно узнаем, какой вариант лучше, но при этом много пользователей (половина тестовой части!) получит неоптимальный вариант. Если же взять слишком маленькой, то мы можем неправильно определить, какой вариант лучше.
Мы рассмотрим два подхода к решению этого вопроса: с помощью проверки гипотез и с помощью байесовского метода, увидим, что байесовский подход лучше, и обсудим, почему такого рода задачи очень естественно формулировать именно в терминах байесовского подхода, а в терминах проверки гипотез — не очень.
Источник: Elea McDonnell Feit, Ron Berman, Test & roll: Profit-maximizing A/B tests (2018).

Уровень сложности: начинающий, предполагается знакомство с математической статистикой и байесовским подходом.
Ключевые слова: Байесовский подход; A/B-тестирование; Sample size.

4 Nov 16:16

Запись семинара

Семён Косяченко (Optimacros), Решение задачи балансов на графе и поиск ошибок измерителей с помощью нейросетей. YouTube | Дзен | RuTube (~1 час 5 минут).

1 Nov 09:44

Про конференции по МО и ИО

Продублирую в канал список отечественных конференций по математической оптимизации и исследованию операций:
▫️ MOTOR
▫️ IWMMA (записи докладов 2023)
▫️ ICOMP (записи докладов 2024)
▫️ Конференции по ИМ (записи докладов ИММОД-2023)

P.S.: А мы решили 11 декабря собрать очный семинар/круглый стол по оптимизации и связанным вопросам, детали буду ближе к делу.

29 Oct 16:26

Семинар про задачу балансов на графе

▫️ 30 октября (среда), 17:00 МСК
▫️ Подключение→

Выступает: Семён Косяченко, тимлид команды алгоритмистов, Оптимакрос

Тема: Решение задачи балансов на графе и поиск ошибок измерителей с помощью нейросетей

Аннотация
На производстве и в решении бизнес задач часто приходиться решать задачу сведения баланса на ориентированном графе — восстанавливать истинные значения потоков. Реже решается задача поиска ошибок в измерении потоков (неисправности измерителя, утечки и др.) Для решения таких задач общей практики не существуют, многие подходы являются простыми эвристиками, не учитывающими структуру графа и не предлагающие оценок точности.
В своем докладе автор предлагает решать задачу поиска ошибок измерителей с помощью нейросетей. Будет предложена концепция подхода, реализация, качественные примеры, количественные оценки предлагаемого подхода, а также рекомендации по имплементации на практике.

Уровень сложности: начинающий/средний, необходимо базовое представление MILP, базовые знания о нейросетях; ключевые слова: MILP, сведение балансов, поиск грубых ошибок, детекция ошибок измерителей, neural network, tensorflow.

28 Oct 15:41

Очный семинар про эффективность моделей в бизнесе

Напоминаем про очное мероприятие на этой неделе. Еще есть какое-то количество мест, регистрируйтесь и приходите.

▫️ 23 октября (среда), 17:00 МСК
▫️ Место встречи: г. Москва, точный адрес отправим после регистрации

Тема:
Эффективность ML-моделей для бизнеса

Приглашенные эксперты:
▫️ Роман Мизюрин (Альфа Банк), Опыт оценки финансовых эффектов для задач машинного обучения;
▫️ Виктор Кантор (МТС), ML Inside: топ-4 способа монетизации ML в B2C компании;
▫️ Александр Ефимов (GlowByte) Эволюция целей и задач для ML команд.

Модератор дискуссии:
▫️ Глеб Шуклин, директор Ассоциации больших данных.

Организаторы:
Ассоциация Больших Данных, GlowByte

21 Oct 10:48

More content