Tematska celina 1. Eksplorativna analiza podataka
Počnite da istražujete skup podataka o odlivu telekomunikacionih kompanija koristeći pandas za izračunavanje rezimirane statistike i Seaborn za kreiranje atraktivnih vizuelizacija.
Lekcija 1. Uvod u obuku
aktivnost 1: Definisanje odliva kupaca
aktivnost 2: Istraživanje odliva kupaca
Lekcija 2. Grupisanje i sumiranje podataka
aktivnost 1: Rezime statistike za obe klase
aktivnost 2: Odliv po državi
Lekcija 3. Istraživanje podataka pomoću vizuelizacija
aktivnost 1: Istraživanje distribucije karakteristika
aktivnost 2: Pozivi korisničke službe i odliv korisnika
Tematska celina 2. Prethodna obrada za modeliranje odliva
Nakon što ste istražili svoje podatke, vreme je da ih prethodno obradite i pripremite za mašinsko učenje. Saznajte zašto, šta i kako se prethodna obrada vrši, uključujući izbor karakteristika i inženjering karakteristika.
Lekcija 1. Prethodna obrada podataka
aktivnost 1: Identifikovanje karakteristika za konverziju
aktivnost 2: Kodiranje binarnih karakteristika
aktivnost 3: Jednokratno kodiranje
aktivnost 4: Skaliranje karakteristika
Lekcija 2. Izbor karakteristika i inženjering
aktivnost 1: Uklanjanje nepotrebnih karakteristika
aktivnost 2: Inženjering nove kolone
Tematska celina 3. Predviđanje odliva
Kada su vaši podaci prethodno obrađeni i spremni za mašinsko učenje, vreme je da predvidite odliv korisnika. Naučite kako da napravite modele mašinskog učenja sa nadzorom u pajtonu koristeći scikit-learn.
Lekcija 1. Predviđanja
aktivnost 1: Predviđanje da li će novi kupac odustati
aktivnost 2: Obuka još jednog scikit-learn modela
Lekcija 2. Procena performansi modela
aktivnost 1: Kreiranje skupova za obuku i testiranje
aktivnost 2: Proverite dužinu svakog seta
aktivnost 3: Izračunavanje preciznosti
Lekcija 3. Metrike modela
aktivnost 1: Matrica konfuzije
aktivnost 2: Variranje veličine seta za trening
aktivnost 3: Izračunavanje precision-a i recall-a
Lekcija 4. Ostale metrike modela
aktivnost 1: ROC kriva
aktivnost 2: Površiva ispod krive
aktivnost 3: Precision–recall kriva
aktivnost 4: F1 skor
Tematska celina 4. Podešavanje modela
Naučite kako da poboljšate performanse svojih modela koristeći podešavanje hiperparametara i steknite bolje razumevanje pokretača odliva kupaca koje možete iskoristiti u poslovanju.
Lekcija 1. Podešavanje vašeg modela
aktivnost 1: Podešavanje broja karakteristika
aktivnost 2: Podešavanje ostalih hiper-parametara
aktivnost 3: Randomizovana pretraga
Lekcija 2. Značajnost karakteristika
aktivnost 1: Vizuelizacija značaja karakteristika
aktivnost 2: Poboljšanje grafikona
aktivnost 3: Tumačenje značaja karakteristika
Lekcija 3. Dodavanje novih features-a
aktivnost 1: Da li se performanse modela poboljšavaju?
aktivnost 2: Izračunavanje drugih metrika
Tehnički detalji interaktivne obuke
Obuka je interaktivnog karaktera, jer svaki polaznik radi i unosi komande za svojim računarom, prateći predavača. Predavač (čiji je računar povezan na projektor) polako objašnjava poslovni projekat i rešava ga unoseći jednu po jednu liniju kôda u okviru pajton razvojnog okruženja. Svaka linija kôda se detaljno elaborira.
U okviru interaktivne obuke, dobićete i detaljno napisan priručnik, sa svim aktivnostima, koji su rađeni na obuci, uključujući i sve linije kôda koje ste napisali. Takođe interaktivnu obuku prati i kreirani video materijal za svaku lekciju, gde je opet detaljno objašnjeno rešavanje poslovnog projekta i elaboracija svake linije kôda. Na ovaj način bićete u stanju da potpuno razumete i savladate kako marketing analitiku, tako i odgovarajuće komande programskog jezika pajton.
Za potrebe praćenja ove obuke potrebno je umereno znanje programskog jezika pajton. Ukoliko nemate predznanje iz programiranja u pajtonu, predlaže se da prvo odslušate sledeće dve interaktivne obuke:
Uvod u pajton za finansije, kao i
Srednji nivo pajtona za finansije.
Svaka od datih interaktivnih obuka, traje takođe po dva dana, i potkrepljena je detaljno napisanim priručnicima, kao i kvalitetnim snimljenim video materijalima.
Predavač na obuci je dr Vladimir Vasić, doktor statističkih nauka, redovni profesor na Beogradskoj bankarskoj akademiji – Fakultetu za bankarstvo, osiguranje i finansije, koji ima višedecenijsko iskustvo u rešavanju brojnih privrednih poslovnih projekata u zemlji i regionu. Predavač je 17 godina, učestvovao kao najviši istraživač (klasa A1) na projektima nacionalnog značaja na istraživanjima kvantifikacije verovatnoće difolta i izgradnje kreditnog rejtinga preduzeća. Dati projekti, finansirani od Ministarstva za nauku Srbije su: „Razvoj institucija i instrumenata hipoteke i financijskog tržišta u Srbiji“ (2006-2010) i „Rizici financijskih institucija i tržišta u Srbiji – mikroekonomski i makroekonomski pristup“ (2011-2022). Takođe, predavač je više od 15 godina vodeći konsultant, kada su u pitanju izgradnja algoritama i modela alatima data mining-a. Osim višedecenijskog iskustva u prenošenju znanja naprednog modeliranja i predikcije studentima završnih godina, predavač je i autor 25 naučnih radova objavljenih u časopisima na SCI i SSCI listi.
Prijavite se putem: linka
