Gratulujeme!

Machine Learning for Marketing in Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Co jsme se naučili?

  • Různé typy strojového učení – řízené, neřízené, zpětnovazební
  • Kroky strojového učení
  • Techniky přípravy dat pro různé modely
  • Predikce odchodu zákazníků telekomunikací pomocí logistické regrese a rozhodovacích stromů
  • Výpočet celoživotní hodnoty zákazníka
  • Predikce transakcí příštího měsíce pomocí lineární regrese
  • Měření výkonu modelu pomocí více metrik
  • Segmentace zákazníků podle nákupní historie pomocí K-means a NMF
Machine Learning for Marketing in Python

Co dál?

  • Prohloubit znalosti v každém tématu
  • Prozkoumávat datové sady, měnit parametry a zlepšovat přesnost modelů nebo interpretovatelnost segmentace
  • Pracovat na projektu s jiným datovým souborem a samostatně vytvářet modely s komentáři
  • Po dokončení projektu napsat blogový příspěvek s odkazem na kód na GitHubu
  • Uplatnit znalosti v praxi
Machine Learning for Marketing in Python

Děkujeme a přejeme mnoho úspěchů při učení!

Machine Learning for Marketing in Python

Preparing Video For Download...