آموزش جامع تحلیل بازاریابی با پایتون و یادگیری ماشین - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• پوشه کد اکسپرس یادگیری ماشین Machine Learning Express Code Folder

راه‌اندازی محیط Setting up the Environment

• راه‌اندازی ژوپیتر و پوشه کد Setting up the Jupyter and Code Folder

مبانی یادگیری ماشین Fundamentals of Machine Learning

• مروری بر یادگیری ماشین Overview of Machine Learning

• مبانی یادگیری نظارت شده و نظارت نشده Fundamentals of Supervised and UnSupervised Learning

• گام‌های ساخت یک مدل Steps to build a Model

• برازش مدل و معاوضه بایاس-واریانس Model Fit and Bias Variance Tradeoff

• آزمون بایاس-واریانس Bias Variance Quiz

• معیارهای عملکرد مدل Model Performance Metrics

پیش‌پردازش داده‌ها Data Preprocessing

• راه‌اندازی کد اکسپرس یادگیری ماشین و پوشه داده Set up the Machine Learning Express Code and Data Folder

• مقدمه Introduction

• وارد کردن کتابخانه‌ها و داده‌ها Import Libraries and Data

• بررسی انواع ویژگی‌ها Check Types of Features

• تقسیم متغیرهای مستقل و هدف Independent and Target Split

• بررسی درصد مقادیر گمشده Check Percentage of Missing Values

• پر کردن مقادیر گمشده Imputation of Missing Values

• مدیریت داده‌های پرت Outlier Handling

• کدگذاری ویژگی‌های دسته‌بندی Encoding Categorical Features

• مقیاس‌گذاری ویژگی Feature Scaling

• گسسته‌سازی ویژگی Feature Discretization

• اتصال داده‌ها Joining of Data

• تقسیم به مجموعه آموزش و آزمون Train Test Split

• مفهوم مدیریت داده‌های پرت Concept of Outlier Handling

• مفهوم پر کردن مقادیر گمشده Concept of Imputation of Missing Values

• مفهوم مقیاس‌گذاری ویژگی Concept of Feature Scaling

• آزمون پیش‌پردازش داده‌ها Data PreProcessing Quiz

انتخاب ویژگی Feature Selection

• مقدمه Introduction

• انتخاب ویژگی برای مسائل رگرسیون Feature Selection for Regression Problems

• انتخاب ویژگی برای مسائل طبقه‌بندی Feature Selection for Classification Problems

• آزمون انتخاب ویژگی Feature Selection Quiz

الگوریتم‌های خوشه‌بندی Clustering Algorithms

• مقدمه Introduction

• مسئله کسب و کار و توصیف داده‌ها Business Problem and Data Description

• خوشه‌بندی سلسله‌مراتبی – مفهوم Hierarchical Clustering - Concept

• خوشه‌بندی سلسله‌مراتبی – گام ۱ پایتون Hierarchical Clustering - Python Step 1

• خوشه‌بندی سلسله‌مراتبی – گام ۲ پایتون Hierarchical Clustering - Python Step 2

• خوشه‌بندی سلسله‌مراتبی – گام ۳ پایتون Hierarchical Clustering - Python Step 3

• خوشه‌بندی K-Means – مفهوم K Means Clustering - Concept

• خوشه‌بندی K-Means – گام ۱ پایتون K Means Clustering - Python Step 1

• خوشه‌بندی K-Means – گام ۲ پایتون K Means Clustering - Python Step 2

• خوشه‌بندی K-Means – گام ۳ پایتون K Means Clustering - Python Step 3

کاهش ابعاد Dimensionality Reduction

• مقدمه Introduction

• مسئله کسب و کار و توصیف داده‌ها Business Problem and Data Description

• PCA – مفهوم PCA - Concept

• PCA – گام ۱ پایتون PCA - Python Step 1

• PCA – گام ۲ پایتون PCA - Python Step 2

• خوشه‌بندی متغیرها – مفهوم Variable Clustering - Concept

• خوشه‌بندی متغیرها – گام ۱ پایتون Variable Clustering - Python Step 1

• خوشه‌بندی متغیرها – گام ۲ پایتون Variable Clustering - Python Step 2

الگوریتم‌های رگرسیون Regression Algorithms

• مقدمه Introduction

• مسئله کسب و کار ۱ و توصیف داده‌ها Business Problem 1 and Data Description

• رگرسیون خطی ساده – مفهوم Simple Linear Regression - Concept

• رگرسیون خطی ساده – گام ۱ پایتون Simple Linear Regression - Python Step 1

• رگرسیون خطی ساده – گام ۲ پایتون Simple Linear Regression - Python Step 2

• رگرسیون خطی ساده – گام ۳ پایتون Simple Linear Regression - Python Step 3

• مسئله کسب و کار ۲ و توصیف داده‌ها Business Problem 2 and Data Description

• رگرسیون خطی چندگانه – مفهوم Multiple Linear Regression - Concept

• رگرسیون خطی چندگانه – گام ۱ پایتون Multiple Linear Regression -Python Step 1

• رگرسیون خطی چندگانه – گام ۲ پایتون Multiple Linear Regression - Python Step 2

• رگرسیون خطی چندگانه – گام ۳ پایتون Multiple Linear Regression - Python Step 3

• رگرسیون درخت تصمیم – مفهوم Decision Tree Regression - Concept

• رگرسیون درخت تصمیم – گام ۱ پایتون Decision Tree Regression - Python Step 1

• رگرسیون درخت تصمیم – گام ۲ پایتون Decision Tree Regression - Python Step 2

• رگرسیون درخت تصمیم – گام ۳ پایتون Decision Tree Regression - Python Step 3

• رگرسیون جنگل تصادفی – مفهوم Random Forest Regression - Concept

• رگرسیون جنگل تصادفی – گام ۱ پایتون Random Forest Regression - Python Step 1

• رگرسیون جنگل تصادفی – گام ۲ پایتون Random Forest Regression - Python Step 2

• رگرسیون جنگل تصادفی – گام ۳ پایتون Random Forest Regression - Python Step 3

• رگرسیون گرادیان بوستینگ – مفهوم Gradient Boosting Regression - Concept

• رگرسیون گرادیان بوستینگ – گام ۱ پایتون Gradient Boosting Regression - Python Step 1

• رگرسیون گرادیان بوستینگ – گام ۲ پایتون Gradient Boosting Regression - Python Step 2

• رگرسیون گرادیان بوستینگ – گام ۳ پایتون Gradient Boosting Regression - Python Step 3

الگوریتم‌های طبقه‌بندی Classification Algorithms

• مقدمه Introduction

• مسئله کسب و کار و توصیف داده‌ها Business Problem and Data Description

• رگرسیون لجستیک – مفهوم Logistic Regression - Concept

• رگرسیون لجستیک – گام ۱ پایتون Logistic Regression - Python Step 1

• رگرسیون لجستیک – گام ۲ پایتون Logistic Regression - Python Step 2

• رگرسیون لجستیک – گام ۳ پایتون Logistic Regression - Python Step 3

• رگرسیون لجستیک – گام ۴ پایتون Logistic Regression - Python Step 4

• رگرسیون لجستیک – گام ۵ پایتون Logistic Regression - Python Step 5

• طبقه‌بندی درخت تصمیم – مفهوم Decision Tree Classification - Concept

• طبقه‌بندی درخت تصمیم – گام ۱ پایتون Decision Tree Classification - Python Step 1

• طبقه‌بندی درخت تصمیم – گام ۲ پایتون Decision Tree Classification - Python Step 2

• طبقه‌بندی درخت تصمیم – گام ۳ پایتون Decision Tree Classification - Python Step 3

• طبقه‌بندی درخت تصمیم – گام ۴ پایتون Decision Tree Classification - Python Step 4

• طبقه‌بندی جنگل تصادفی – مفهوم Random Forest Classification - Concept

• طبقه‌بندی جنگل تصادفی – گام ۱ پایتون Random Forest Classification - Python Step 1

• طبقه‌بندی جنگل تصادفی – گام ۲ پایتون Random Forest Classification - Python Step 2

• طبقه‌بندی جنگل تصادفی – گام ۳ پایتون Random Forest Classification - Python Step 3

• طبقه‌بندی جنگل تصادفی – گام ۴ پایتون Random Forest Classification - Python Step 4

• طبقه‌بندی گرادیان بوستینگ – مفهوم Gradient Boosting Classification - Concept

• طبقه‌بندی گرادیان بوستینگ – گام ۱ پایتون Gradient Boosting Classification - Python Step 1

• طبقه‌بندی گرادیان بوستینگ – گام ۲ پایتون Gradient Boosting Classification - Python Step 2

• طبقه‌بندی گرادیان بوستینگ – گام ۳ پایتون Gradient Boosting Classification - Python Step 3

• طبقه‌بندی گرادیان بوستینگ – گام ۴ پایتون Gradient Boosting Classification - Python Step 4

• طبقه‌بندی‌کننده استکینگ – مفهوم Stacking Classifier - Concept

• طبقه‌بندی‌کننده استکینگ – گام ۱ پایتون Stacking Classifier - Python Step 1

• طبقه‌بندی‌کننده استکینگ – گام ۲ پایتون Stacking Classifier - Python Step 2

• طبقه‌بندی‌کننده استکینگ – گام ۳ پایتون Stacking Classifier - Python Step 3

• طبقه‌بندی‌کننده استکینگ – گام ۴ پایتون Stacking Classifier - Python Step 4

• طبقه‌بندی‌کننده KNN – مفهوم KNN Classifier - Concept

• طبقه‌بندی‌کننده KNN – گام ۱ پایتون KNN Classifier - Python Step 1

• طبقه‌بندی‌کننده KNN – گام ۲ پایتون KNN Classifier - Python Step 2

• طبقه‌بندی‌کننده KNN – گام ۳ پایتون KNN Classifier - Python Step 3

• طبقه‌بندی‌کننده KNN – گام ۴ پایتون KNN Classifier - Python Step 4

• طبقه‌بندی‌کننده نایو بیز – مفهوم Naive Bayes Classifier - Concept

• طبقه‌بندی‌کننده نایو بیز – گام ۱ پایتون Naive Bayes Classifier - Python Step 1

• طبقه‌بندی‌کننده نایو بیز – گام ۲ پایتون Naive Bayes Classifier - Python Step 2

• طبقه‌بندی‌کننده نایو بیز – گام ۳ پایتون Naive Bayes Classifier - Python Step 3

• طبقه‌بندی‌کننده نایو بیز – گام ۴ پایتون Naive Bayes Classifier - Python Step 4

• طبقه‌بندی SVM – مفهوم SVM Classification - Concept

• طبقه‌بندی SVM – گام ۱ پایتون SVM Classification - Python Step 1

• طبقه‌بندی SVM – گام ۲ پایتون SVM Classification - Python Step 2

• طبقه‌بندی SVM – گام ۳ پایتون SVM Classification - Python Step 3

• طبقه‌بندی SVM – گام ۴ پایتون SVM Classification - Python Step 4

بهینه‌سازی مدل Model Optimization

• مقدمه Introduction

• تنظیم هایپرپارامتر با جستجوی شبکه‌ای – مفهوم Hyper Parameter Tuning with Grid Search - Concept

• جستجوی شبکه‌ای – پیاده‌سازی پایتون با SVM Grid Search - Python Implementation with SVM

مفاهیم تحلیل بازاریابی Marketing Analytics Concepts

• مقدمه Introduction

• تحلیل بازاریابی چیست What is Marketing Analytics

• چهار P بازاریابی The 4 P's of Marketing

• چرخه عمر مشتری Customer Lifecycle

• منابع داده و موارد استفاده برای تحلیل بازاریابی Data Sources and Use Cases for Marketing Analytics

• بخش‌بندی مشتریان Customer Segmentation

• استراتژی تحلیل بازاریابی از طریق یادگیری ماشین Marketing Analytics Strategy from Machine Learning

• موارد استفاده تحلیل بازاریابی برای حوزه خرده‌فروشی Marketing Analytics Use Cases for Retail Domain

پروژه خرده‌فروشی ۱ – مدل‌سازی پاسخ و استراتژی هدف‌گذاری برای سوپرمارکت Retail Project 1 - Response Modeling and Targeting Strategy for Supermarket

• هدف پروژه و رویکرد تحلیلی Project Objective and Analytical Approach

• پیاده‌سازی پروژه – دریافت داده‌ها Project Implementation - Getting the data

• پیاده‌سازی پروژه – پاکسازی داده‌ها Project Implementation - Data Cleaning

• پیاده‌سازی پروژه – انتخاب ویژگی عددی Project Implementation - Numerical Feature Selection

• پیاده‌سازی پروژه – انتخاب ویژگی دسته‌بندی Project Implementation - Categorical Feature Selection

• پیاده‌سازی پروژه – کاهش ابعاد Project Implementation - Dimensionality Reduction

• پیاده‌سازی پروژه – ساخت مدل Project Implementation - Model Building

• پیاده‌سازی پروژه – ارزیابی و انتخاب مدل Project Implementation - Model Evaluation and Selection

• پیاده‌سازی پروژه – تحلیل دهک احتمالی Project Implementation - Probability Decile Analysis

• پیاده‌سازی پروژه – فعال‌سازی تصمیمات استراتژیک از مدل Project Implementation - Enabling Strategic Decisions from Model

• بینش‌ها و توصیه‌های پروژه Project Insights and Recommendations

پروژه خرده‌فروشی ۲ – مدل‌سازی وفاداری و استراتژی تعامل برای محصولات ارگانیک Retail Project 2 - Loyalty Modeling and Engagement Strategy for Organic Product

• هدف پروژه و رویکرد تحلیلی Project Objective and Analytical Approach

• پیاده‌سازی پروژه – دریافت داده‌ها Project Implementation - Getting the data

• پیاده‌سازی پروژه – پاکسازی داده‌ها Project Implementation - Data Cleaning

• پیاده‌سازی پروژه – انتخاب ویژگی عددی Project Implementation - Numerical Feature Selection

• پیاده‌سازی پروژه – انتخاب ویژگی دسته‌بندی Project Implementation - Categorical Feature Selection

• پیاده‌سازی پروژه – ساخت مدل Project Implementation - Model Building

• پیاده‌سازی پروژه – ارزیابی و انتخاب مدل Project Implementation - Model Evaluation and Selection

• پیاده‌سازی پروژه – تحلیل دهک احتمالی Project Implementation - Probability Decile Analysis

• پیاده‌سازی پروژه – فعال‌سازی تصمیمات استراتژیک از مدل Project Implementation - Enabling Strategic Decisions from Model

• بینش‌ها و توصیه‌های پروژه Project Insights and Recommendations

اتمام دوره Course Completion

• تبریک و آرزوی بهترین‌ها Congratulations and Best Wishes

بخش ویژه BONUS

• دریافت نقشه راه برای موفقیت در شغل‌های تحلیل کسب و کار در سال ۲۰۲۴ Get the Roadmap to crack Business Analytics Jobs in 2024