Félicitations !

Machine Learning pour le marketing en Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Qu'avons-nous appris ?

  • Différents types de Machine Learning : supervisé, non supervisé, renforcement
  • Étapes du Machine Learning
  • Préparation des données selon le type de modèle
  • Prédire l'attrition clients télécom avec régression logistique et arbres de décision
  • Calculer la valeur vie client (CLV)
  • Prédire les transactions du mois suivant avec régression linéaire
  • Évaluer les modèles avec plusieurs métriques
  • Segmenter les clients selon l'historique d'achats avec K-means et NMF
Machine Learning pour le marketing en Python

Et maintenant ?

  • Approfondir chaque sujet
  • Explorer les jeux de données, modifier les paramètres et chercher à améliorer la précision ou l'interprétabilité de la segmentation
  • Réaliser un projet avec un autre jeu de données et construire des modèles avec vos propres commentaires
  • Rédiger un article de blog avec un lien vers le code GitHub une fois le projet terminé
  • Mettre vos connaissances en pratique au travail
Machine Learning pour le marketing en Python

Merci et bon apprentissage !

Machine Learning pour le marketing en Python

Preparing Video For Download...