آموزش یادگیری بدون نظارت و کاربردهای آن در بازاریابی - آخرین آپدیت

دانلود Unsupervised Learning and Its Applications in Marketing

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به دوره یادگیری بدون نظارت و کاربردهای آن در بازاریابی خوش آمدید! در این دوره، شما به دنیای جذاب یادگیری ماشین بدون نظارت و ارتباط آن با حوزه بازاریابی خواهید پرداخت. یادگیری بدون نظارت یک رویکرد قدرتمند است که به ما اجازه می‌دهد الگوهای پنهان و بینش‌های ارزشمند را از حجم عظیمی از داده‌های تاریخی، بدون نیاز به برچسب‌گذاری صریح یا دخالت انسانی، کشف کنیم. از طریق تمرین‌های عملی و مثال‌های واقعی، یاد خواهید گرفت که چگونه از زبان برنامه‌نویسی پایتون برای پیاده‌سازی الگوریتم‌های یادگیری بدون نظارت در زمینه‌های بازاریابی استفاده کنید. در طول این دوره، تکنیک‌های مختلف یادگیری بدون نظارت مانند خوشه‌بندی (Clustering)، کاهش ابعاد (Dimensionality Reduction) و استخراج قوانین انجمنی (Association Rule Mining) را بررسی خواهید کرد. این تکنیک‌ها شما را قادر می‌سازند تا بخش‌های مختلف مشتریان را شناسایی کنید، روابط معنادار بین متغیرها را کشف کنید و به بینش‌های ارزشمندی از رفتار مصرف‌کننده دست یابید. با تسلط بر کاربردهای یادگیری بدون نظارت در بازاریابی، مهارت‌های لازم برای استخراج دانش عملی از داده‌ها، تصمیم‌گیری داده‌محور و باز کردن فرصت‌های جدید برای استراتژی‌های بازاریابی خود را به دست خواهید آورد. پس آماده شوید تا سفری در مسیر کشف و نوآوری را با بررسی دنیای شگفت‌انگیز یادگیری بدون نظارت و کاربردهای تحول‌آفرین آن در بازاریابی آغاز کنید. بیایید با هم به درون این مباحث شیرجه بزنیم و پتانسیل‌های پنهان بازاریابی داده‌محور را آزاد کنیم! برای موفقیت در این دوره، باید درک پایه‌ای از زبان پایتون داشته باشید. همچنین به برخی پیش‌نیازهای نرم‌افزاری از جمله Anaconda Navigator نیاز خواهید داشت.

سرفصل ها و درس ها

مبانی یادگیری بدون نظارت Fundamentals of Unsupervised Learning

  • مقدمه دوره Course Introduction

  • مقدمه‌ای بر یادگیری بدون نظارت Introduction to Unsupervised Learning

  • الگوریتم‌های بدون نظارت: بخش اول Unsupervised Algorithms: Part I

  • الگوریتم‌های بدون نظارت: بخش دوم Unsupervised Algorithms: Part II

  • کاربردهای یادگیری بدون نظارت Applications of Unsupervised Learning 

خوشه‌بندی و انواع آن Clustering and Its Types

  • خوشه‌بندی Clustering

  • الگوریتم k-means k-means

  • خوشه‌بندی سلسله‌مراتبی Hierarchical Clustering

  • الگوریتم DBSCAN DBSCAN

ارزیابی جمعی هفتگی: مبانی یادگیری بدون نظارت و خوشه‌بندی Weekly Summative Assessment: Fundamentals of Unsupervised Learning and Clustering

بخش‌بندی مشتریان داده‌محور Data-Driven Customer Segmentation

  • بخش‌بندی مشتریان Customer Segmentation

  • بخش‌بندی مشتریان با پایتون: بخش اول Segmenting Customers with Python: Part I

  • بخش‌بندی مشتریان با پایتون: بخش دوم Segmenting Customers with Python: Part II

  • مقدمه‌ای بر کاهش ابعاد Introduction to Dimensionality Reduction 

کاهش ابعاد Dimensionality Reduction

  • الگوریتم کاهش ابعاد – تکنیک‌های تصویرسازی خطی Dimensionality Reduction Algorithm – Linear Projection Techniques

  • الگوریتم کاهش ابعاد – یادگیری منیفولد Dimensionality Reduction Algorithm – Manifold Learning

  • سایر روش‌های کاهش ابعاد Other Dimensionality Reduction Methods

  • مقدمه‌ای بر تشخیص ناهنجاری Introduction to Anomaly Detection

ارزیابی جمعی هفتگی: بخش‌بندی مشتریان داده‌محور و کاهش ابعاد Weekly Summative Assessment: Data-Driven Customer Segmentation and Dimensionality Reduction 

تشخیص ناهنجاری Anomaly Detection

  • تشخیص ناهنجاری با PCA معمولی Normal PCA Anomaly Detection

  • تشخیص ناهنجاری با Sparse PCA و Kernel PCA Sparse and Kernel PCA Anomaly Detection

  • تشخیص ناهنجاری با تصویرسازی تصادفی (Random Projection) Random Projection Anomaly Detection

  • تشخیص ناهنجاری غیرخطی Nonlinear Anomaly Detection

خودرمزگذارها و یادگیری انجمنی Autoencoders and Association Learning

  • مقدمه‌ای بر خودرمزگذارها (Autoencoders) Introduction to Autoencoders

  • انواع خودرمزگذارها Types of Autoencoders

  • تحلیل سبد خرید: بخش اول Market Basket Analysis: Part 1

  • تحلیل سبد خرید: بخش دوم Market Basket Analysis: Part 2

ارزیابی جمعی هفتگی: تشخیص ناهنجاری، خودرمزگذارها و یادگیری انجمنی Weekly Summative Assessment: Anomaly Detection, Autoencoders, and Association Learning

یادگیری نیمه‌نظارتی Semi-Supervised Learning

  • یادگیری نیمه‌نظارتی Semi-Supervised Learning

  • مدل با نظارت Supervised model

  • مدل بدون نظارت Unsupervised Model

  • مدل نیمه‌نظارتی Semi-Supervised Model

سیستم‌های توصیه‌گر با استفاده از RBM Recommender systems Using RBM

  • ماشین‌های بولتزمن Boltzmann Machines

  • سیستم‌های توصیه‌گر Recommender Systems

  • فیلترینگ مشارکتی با استفاده از RBM Collaborative Filtering Using RBMs

  • آینده یادگیری بدون نظارت Future of Unsupervised Learning

ارزیابی جمعی هفتگی: یادگیری نیمه‌نظارتی و سیستم‌های توصیه‌گر با استفاده از RBM Weekly Summative Assessment: Semi-Supervised Learning and Recommender systems Using RBM

  • جمع‌بندی دوره Course Wrap-up

نمایش نظرات

آموزش یادگیری بدون نظارت و کاربردهای آن در بازاریابی
جزییات دوره
21h 43m
34
(آخرین آپدیت)
858
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده