تجزیه و تحلیل مشتری در پایتون 2022

تجزیه و تحلیل مشتری مبتدی و پیشرفته در پایتون: PCA ، خوشه بندی K-Means ، مدل سازی خاصیت ارتجاعی و شبکه های عصبی عمیق

عنوان اصلی : Customer Analytics in Python 2022

سرفصل های دوره :

مقدمه:
چه چیزی را پوشش می دهد
معرفی مختصر بازاریابی:
بخش بندی، هدف گذاری و موقعیت یابی
آمیخته بازاریابی
خرده فروشان فیزیکی و آنلاین: شباهت ها و تفاوت ها
خرده فروشان فیزیکی و آنلاین: شباهت ها و تفاوت ها
کشش قیمت
کشش قیمت
تنظیم محیط:
تنظیم محیط - لطفاً از دست ندهید!
چرا پایتون و چرا ژوپیتر
نصب آناکوندا
داشبورد ژوپیتر - قسمت 1
داشبورد ژوپیتر - قسمت 2
نصب بسته های مربوطه
نصب بسته های مربوطه: تکالیف
نصب بسته های مربوطه: راه حل تکلیف
داده‌های بخش‌بندی:
آشنایی با مجموعه داده های Segmentation
وارد کردن و کاوش داده های بخش بندی
استاندارد سازی داده های بخش بندی
خوشه بندی سلسله مراتبی:
خوشه بندی سلسله مراتبی: پیشینه
خوشه بندی سلسله مراتبی: پیاده سازی و نتایج
خوشه‌بندی K-Means:
K-Means Clustering: Background
K-Means Clustering: Results
خوشه بندی K-Means بر اساس تجزیه و تحلیل مؤلفه اصلی:
تحلیل مؤلفه اصلی: پیشینه
تحلیل مولفه اصلی: کاربرد
تحلیل مؤلفه اصلی: تکلیف
تحلیل مؤلفه اصلی: نتایج
K-Means Clustering with Principal Components: Application
K-Means خوشه بندی با اجزای اصلی: نتایج
K-Means خوشه بندی با اجزای اصلی: نتایج تکالیف
ذخیره مدل ها
داده‌های خرید:
وارد کردن و کاوش داده های خرید
استفاده از مدل تقسیم بندی
تحلیل‌های توصیفی بر اساس بخش‌ها:
نسبت های بخش
مناسبت خرید و میزان خرید
خرید مناسبت و خرید تکلیف
انتخاب برند
تشخیص درآمد بر اساس بخش
مدل سازی بروز خرید:
مدل: رگرسیون لجستیک دو جمله ای
مجموعه داده را برای رگرسیون لجستیک آماده کنید
تخمین مدل
محاسبه کشش قیمت احتمال خرید
کشش قیمت احتمال خرید: نتایج
سوالات آزمون کشش قیمت
احتمال خرید بر اساس بخش ها
احتمال خرید بر اساس بخش - تکالیف
مدل احتمال خرید با تبلیغات
محاسبه کشش قیمت با پروموشن
محاسبه کشش قیمت (بدون تبلیغات) - تکلیف
مقایسه کشش قیمت با و بدون تبلیغات
انتخاب برند مدلینگ:
مدل های انتخاب برند. مدل: رگرسیون لجستیک چند جمله ای
داده ها را آماده کنید و مدل را متناسب کنید
تفسیر ضرایب
کشش انتخاب برند قیمت شخصی
کشش انتخاب برند قیمت متقاطع
کشش خود و متقاطع قیمت بر اساس بخش
کشش خود و قیمت متقاطع بر اساس تکالیف خانگی
کشش خود و قیمت متقاطع بر اساس بخش - مقایسه
کشش خود و قیمت متقاطع بر اساس تکالیف خانه 2
تعداد خرید مدلسازی:
مدل های کمیت خرید. مدل: رگرسیون خطی
آماده سازی داده ها و برازش مدل
محاسبه کشش قیمت مقدار خرید
محاسبه کشش قیمت مقدار خرید: تکلیف
کشش قیمت مقدار خرید: نتایج
کشش قیمتی مقدار خرید: تکلیف
یادگیری عمیق برای پیش بینی تبدیل:
کاوش مجموعه داده
چگونه می خواهیم با پرونده تجاری مقابله کنیم
چرا باید یک مجموعه داده را متعادل کنیم؟
پیش پردازش داده ها برای یادگیری عمیق
طرح کلی مدل یادگیری عمیق
آموزش مدل یادگیری عمیق
آزمایش مدل
به دست آوردن احتمال تبدیل مشتری
ذخیره مدل و آماده شدن برای استقرار
پیش بینی داده های جدید
تکمیل 100%