علوم داده برای تجزیه و تحلیل بازاریابی

با قدرت تجزیه و تحلیل داده های پایتون به اهداف بازاریابی خود برسید

عنوان اصلی : Data Science for Marketing Analytics

سرفصل های دوره :

تهیه و تمیز کردن داده ها:
نمای کلی درس
مدل های داده و داده های ساختاری
پاندا
دستکاری داده ها
خلاصه
دانش خود را آزمایش کنید
اکتشاف و تجسم داده ها:
نمای کلی درس
شناسایی ویژگی های مناسب
تولید بینش های هدفمند
تجسم داده ها
خلاصه
دانش خود را آزمایش کنید
یادگیری بدون نظارت: تقسیم بندی مشتری:
نمای کلی درس
روشهای تقسیم بندی مشتری
شباهت و استاندارد سازی داده ها
خوشه بندی K-
خلاصه
دانش خود را آزمایش کنید
انتخاب بهترین روش تقسیم بندی:
نمای کلی درس
انتخاب تعداد خوشه ها
روشهای مختلف خوشه بندی
خوشه بندی ارزیابی
خلاصه
دانش خود را آزمایش کنید
پیش بینی درآمد مشتری با استفاده از رگرسیون خطی:
نمای کلی درس
مهندسی ویژگی برای رگرسیون
انجام و تفسیر رگرسیون خطی
خلاصه
دانش خود را آزمایش کنید
سایر تکنیک های رگرسیون و ابزارهای ارزیابی:
نمای کلی درس
ارزیابی صحت یک مدل رگرسیون
با استفاده از منظم برای انتخاب ویژگی
مدل های رگرسیون مبتنی بر درخت
خلاصه
دانش خود را آزمایش کنید
یادگیری نظارت شده - پیش بینی مشتری:
نمای کلی درس
درک رگرسیون لجستیک
ایجاد خط لوله علوم داده
مدل سازی داده ها
خلاصه
دانش خود را آزمایش کنید
الگوریتم های طبقه بندی تنظیم دقیق:
نمای کلی درس
دستگاه های بردار پشتیبانی
درختان تصمیم و جنگل های تصادفی
داده های پیش پردازش و ارزیابی مدل
معیارهای عملکرد
خلاصه
دانش خود را آزمایش کنید
مدل سازی انتخاب مشتری:
نمای کلی درس
درک طبقه بندی چند طبقه
داده های نامتعادل کلاس
خلاصه
دانش خود را آزمایش کنید