آموزش یادگیری نظارت‌شده و کاربردهای آن در بازاریابی - آخرین آپدیت

مقدمه‌ای بر یادگیری نظارت‌شده در بازاریابی Introduction to Supervised Learning in Marketing

• ویدیو معرفی دوره Course Intro video

• چالش‌های اصلی بازاریابان در دنیای امروز Major Challenges Marketers Face Today

• مقدمه‌ای بر یادگیری ماشین برای بازاریابی Introduction to Machine Learning for Marketing

• مفاهیم یادگیری ماشین در بازاریابی Concepts for Machine Learning in Marketing

• مقدمه‌ای بر یادگیری نظارت‌شده در بازاریابی Introduction to Supervised Learning in Marketing 

شروع کار با یادگیری نظارت‌شده در بازاریابی Getting Started With Supervised Learning in Marketing 

• گردش کار مسئله برای یادگیری نظارت‌شده و تکنیک‌های آن Problem Workflow for Supervised Learning and Its Techniques 

• شاخص‌های کلیدی عملکرد (KPI) و تجسم‌سازی داده‌ها Key Performance Indicators and Visualizations

• عوامل موثر بر تعامل در بازاریابی Drivers Behind Marketing Engagement

• درخت‌های تصمیم Decision Trees 

ارزیابی جمعی هفتگی: یادگیری نظارت‌شده در بازاریابی Weekly Summative Assessment: Supervised Learning in Marketing 

استخراج بینش از داده‌ها Deriving Insights from Data 

• از تعامل تا تبدیل (Conversion) From Engagement to Conversion 

• تفسیر درخت‌های تصمیم Interpreting Decision Trees

• اهمیت تحلیل محصول Importance of Product Analytics

• تحلیل محصول با استفاده از پایتون Product Analytics Using Python 

سیستم پیشنهاددهنده محصول Product Recommender System 

• سیستم پیشنهاددهنده محصول Product Recommender System 

• فیلترینگ مشارکتی (Collaborative Filtering) Collaborative Filtering 

• ساخت موتور پیشنهاددهنده محصول با استفاده از پایتون Building Product Recommendation Engine Using Python

• فیلترینگ مشارکتی مبتنی بر آیتم و پیشنهادها Item-Based Collaborative Filtering and Recommendations

ارزیابی جمعی هفتگی: استخراج بینش از داده‌ها و سیستم پیشنهاددهنده محصول Weekly Summative Assessment: Deriving Insights from Data and Product Recommender System 

بازاریابی شخصی‌سازی شده Personalized Marketing 

• درک رفتار مشتری Understanding Customer Behavior 

• انجام تحلیل مشتری با استفاده از پایتون Conducting Customer Analytics with Python 

• تحلیل پیش‌بینانه در بازاریابی Predictive Analytics in Marketing 

• پیش‌بینی احتمال تعامل بازاریابی با استفاده از پایتون Predicting the Likelihood of Marketing Engagement Using Python 

ارزش طول عمر مشتری (CLV) Customer Lifetime Value  

• ارزش طول عمر مشتری (CLV) Customer Lifetime Value 

• ارزیابی مدل‌های رگرسیون Evaluating Regression Models

• پیش‌بینی CLV سه ماهه با پایتون: بخش اول Predicting the Three-Month CLV with Python: Part I

• پیش‌بینی CLV سه ماهه با پایتون: بخش دوم Predicting the Three-Month CLV with Python: Part II 

ارزیابی جمعی هفتگی: بازاریابی شخصی‌سازی شده و ارزش طول عمر مشتری Weekly Summative Assessment: Personalized Marketing and Customer Lifetime Value

حفظ مشتریان Retaining Customers 

• حفظ مشتری Customer Retention 

• شبکه‌های عصبی مصنوعی (ANNs) Artificial Neural Networks (ANNs)

• پیش‌بینی ریزش مشتری با پایتون: بخش اول Predicting Customer Churn with Python: Part I

• پیش‌بینی ریزش مشتری با پایتون: بخش دوم Predicting Customer Churn with Python: Part II 

استقرار مدل‌های یادگیری نظارت‌شده Deployment of Supervised Learning Models 

• چالش‌های واقعی در به‌کارگیری مدل‌های یادگیری نظارت‌شده Real-Life Challenges in Applying Supervised Learning Models 

• چارچوب استاندارد برای موفقیت Standardized Framework for Success 

• دیدگاه‌های صنعت درباره استراتژی هوش مصنوعی Industry Views on AI strategy

• چشم‌انداز آینده Future Scope

ارزیابی جمعی هفتگی: حفظ مشتریان و استقرار مدل‌های یادگیری نظارت‌شده Weekly Summative Assessment: Retaining customers and Deployment of Supervised Learning Models 

• ویدیو جمع‌بندی دوره Course Wrap-Up Video