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, par renforcement
Étapes du Machine Learning
Préparation des données selon le type de modèle
Prédire l'attrition client en télécom avec la régression logistique et les arbres de décision
Calculer la valeur vie client (CLV)
Prédire les transactions du mois prochain avec la régression linéaire
Évaluer la performance avec plusieurs mesures
Segmenter les clients selon l'historique d'achats avec K-means et NMF

Approfondir chaque sujet
Explorer les jeux de données, ajuster les paramètres et tenter d'améliorer la justesse ou l'interprétabilité de la segmentation
Réaliser un projet avec un autre jeu de données et bâtir vos modèles avec commentaires
Rédiger un billet de blogue avec un lien vers le code GitHub une fois le projet terminé
Mettre vos connaissances à l'épreuve au travail

Machine Learning pour le marketing en Python