Клиент — розничная сеть ювелирных магазинов — столкнулся с проблемой субъективности и медленной скоростью оценки бриллиантов. Целью проекта было создание автоматизированного инструмента, который позволит быстро и точно определять рекомендуемую цену изделия на основе его характеристик (вес, огранка, цвет, чистота и т.д.), чтобы ускорить процесс продаж и повысить маржинальность.
Для решения задачи я применил методы машинного обучения и рекомендательных систем:
Провел анализ и предобработку данных о характеристиках бриллиантов.
Реализовал гибридную рекомендательную систему, сочетающую коллаборативную фильтрацию и контентные рекомендации (на основе свойств товара).
Использовал стек Python (pandas, scikit-learn) для построения модели и оценки ее точности.
Настроил алгоритм ранжирования для выдачи наиболее релевантной ценовой оценки.
Внедрение системы позволило:
Давать точную рыночную оценку бриллианта в зависимости от его индивидуальных характеристик.
Значительно ускорить процесс оценки ювелирных изделий, снизив трудозатраты персонала.
Повысить прибыль компании за счет более точного ценообразования и сокращения времени на принятие решения о покупке/продаже.
Ссылка на проект (портфолио): https://github.com/DataKhab