InfoTwip - Twip battle - 350 репостов из соц. сетей помогут повысить - VS - Создание предиктивных или классифицирующих моделей

Vote

350 репостов из соц. сетей помогут повысить интерес к Вашему видео

400

Доброго времени суток! 350 репостов реальных людей из соц. сетей: Фейсбук, Вконтакте, Одноклассники, Твиттер и прочих помогут повысить интерес к Вашему видео и конечно поднять его в поисковых системах. Разнообразные соц. сети будут работать на Вас создавая тем самым прекрасную почву для успешности канала в целом и заданному Вами видео в частности. В подарок от меня при заказе твипа Вы получите 50 лайков Вашего видео.

Marketing and advertising/Promotion in social networks

Нужно для заказа:

Ссылка на Ваше видео, которое подлежит раскрутке (от 1 до 4 ссылок на разные видео)

Видео не содержит информацию нарушающую действующий закон РФ

С видео +18 не работаю

Параллельное использование разных твипов может привести к неконтролируемой активности, что приводит к наказанию. Поэтому не рекомендую заказывать подобные твипы пока не сдана моя работа

Распределение твипа в социальных сетях:

Можно выбрать одну определённую соц. сеть на весь заказанный твип или сразу несколько соц. сетей. Ваши пожелания конечно обсудим и обязательно прислушаюсь.

Отчетность:

Также по Вашему желанию. Скриншоты или ссылки на репосты в сжатом состоянии через архиватор могу предоставлять ежедневно или после выполнения, так сказать оптом.

Заостряю Ваше внимание на том, что обсуждение заказа не принуждает Вас его сразу делать! Это говорит только об одном: Я всегда готов ответить на Ваше письмо.

Vote

Создание предиктивных или классифицирующих моделей

2000

Использование алгоритмов машинного обучения (Mashine Learning) для глубокого анализа данных и построения моделей

Marketing and advertising/Advertising concepts

Предиктивная модель - эффективный инструмент поддержки принятия бизнес-решений. Создание такой модели - процесс поиска закономерностей с использованием алгоритмов машинного обучения (Mashine Lerning) в существующем наборе исторических данных (обучение модели) для предсказания наиболее вероятных вариантов развития событий в будущем (применение модели).

Классифицирующая модель позволяет разбить большой массив данных на группы (классы), характеризующиеся сходным набором признаков, используя явные и неявные закономерности. Применение такой модели, позволяет, например, определить группы пользователей, характеризующихся определенным поведением и сделать им предложения, интересные именно для них.

Для обеспечения качества работы модели необходим тщательный отбор и подготовка входных данных. Также может возникнуть необходимость во внешних данных. Результатом моей работы будет:

1) сама модель в формате, определяемом выбранной моделью (например, в случае линейных моделей это будет вектор весов каждого из факторов. Вес фактора определяет степень его влияния на результат)

2) отчет о валидности (точности предсказания) модели

3) файл с результатами применения модели к исследуемому набору данных