Tematska celina 1. Mašinsko učenje za osnove marketinga
U ovom delu ćete istražiti osnove metoda mašinskog učenja koje se koriste u marketingu. Naučićete o različitim vrstama mašinskog učenja, koracima pripreme podataka i pokrenućete nekoliko modela od početka do kraja kako biste razumeli njihovu moć.
Lekcija 1. Zašto koristiti mašinsko učenje za marketing? Strategije i slučajevi upotrebe
aktivnost 1: Identifikujte primere učenja pod nadzorom
aktivnost 2: Nadgledano učenje u odnosu na nenadgledano učenje
Lekcija 2. Priprema za modeliranje
aktivnost 1: Ispitajte podatke
aktivnost 2: Odvojite numeričke i kategorijalne kolone
aktivnost 3: Kodirajte kategoričke i skalirajte numeričke promenljive
Lekcija 3. Koraci modeliranja mašinskog učenja
aktivnost 1: Podelite podatke na obuku i testiranje
aktivnost 2: Oceni stablo odlučivanja
aktivnost 3: Predvidite odliv pomoću stabla odlučivanja
Tematska celina 2. Predviđanje odliva i pokretači
U ovoj tematskoj celini ćete naučiti osnove predviđanja odliva kupaca, a zatim ćete prilagoditi modele logističke regresije i stabla odlučivanja kako biste predvideli odliv kupaca. Na kraju, istražićete rezultate i izvući uvide o tome šta su pokretači odliva kupaca.
Lekcija 1. Osnove predviđanja odliva
aktivnost 1: Istražite stopu odliva i podelite podatke
aktivnost 2: Odvojite karakteristike i ciljnu promenljivu
Lekcija 2. Predvidite odliv pomoću logističke regresije
aktivnost 1: Oceni logistički regresijski model
aktivnost 2: Oceni logistički regresijski model sa L1 regularizacijom
aktivnost 3: Identifikujte optimalni koeficijent kazne za L1
Lekcija 3. Predvidite odliv pomoću stabala odlučivanja
aktivnost 1: Ocenite model stabla odlučivanja
aktivnost 2: Određivanje optimalne dubine stabla
Lekcija 4. Identifikujte i protumačite pokretače odliva
aktivnost 1: Istražite koeficijente logističke regresije
aktivnost 2: Razložite pravila stabla odlučivanja
Tematska celina 3. Predviđanje vrednosti životnog veka kupca (CLV)
U ovom delu ćete naučiti osnove vrednosti životnog veka kupca (CLV) i njenih različitih metodologija izračunavanja. Iskoristićete ovo znanje za izgradnju karakteristika kupovine na nivou kupca kako biste predvideli transakcije za sledeći mesec koristeći linearnu regresiju.
Lekcija 1. Osnove doživotne vrednosti kupca (CLV)
aktivnost 1: Napravite tabele zadržavanja i odliva korisnika
aktivnost 2: Istražite zadržavanje i odliv korisnika
Lekcija 2. Izračunavanje i projektovanje CLV-a
aktivnost 1: Izračunajte osnovni CLV
aktivnost 2: Izračunajte detaljan CLV
aktivnost 3: Izračunajte tradicionalni CLV
Lekcija 3. Priprema podataka za predviđanje kupovine
aktivnost 1: Izgradnja features-a
aktivnost 2: Definišite ciljnu promenljivu
aktivnost 3: Podelite podatke na obuku i testiranje
Lekcija 4. Predviđanje transakcija kupaca
aktivnost 1: Predvidite transakcije za sledeći mesec
aktivnost 2: Merenje prilagođenosti modela
aktivnost 3: Istražite koeficijente modela
Tematska celina 4. Segmentacija kupaca
Ova poslednja celina bavi se segmentacijom kupaca na osnovu istorije kupovine proizvoda. Istražićete dva različita modela koji pružaju uvid u obrasce kupovine kupaca i grupisati ih u dobro odvojene i interpretabilne segmente kupaca.
Lekcija 1. Osnove segmentacije kupaca i proizvoda
aktivnost 1: Istražite skup podataka o kupovini proizvoda od strane kupaca
aktivnost 2: Razumeti razlike u promenljivim
Lekcija 2. Priprema podataka za segmentaciju
aktivnost 1: Uvođenje promenljivih u simetriju
aktivnost 2: Normalizujte promenljive
Lekcija 3. Izgradite segmentaciju kupaca i proizvoda
aktivnost 1: Određivanje optimalnog broja klastera
aktivnost 2: Izgradnja segmentacije pomoću k-means klasterovanja
aktivnost 3: Alternativna segmentacija sa NMF-om
Lekcija 4. Vizualizujte i interpretirajte rešenja za segmentaciju
aktivnost 1: K-means proseci segmentacije
aktivnost 2: Proseci segmentacije NMF-a
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 mašinsko učenje za marketing, 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
