لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
هکهای علم داده - تأثیر علّی Google
Data Science Hacks - Google Causal Impact
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
استنباط تأثیر علی با بسته تأثیر علّی Google استنباط تأثیر علّی یک رویداد (تبلیغ، کمپین بازاریابی و غیره) بر فروش، بازدید از وب سایت، دانلود برنامه ها یا هر متغیر دیگری که می خواهید تجزیه و تحلیل کنید نحوه استفاده از پیاده سازی پایتون از بسته تأثیر علّی Google نحوه محاسبه ROI یک کمپین بازاریابی یا یک تبلیغ فروش پیش نیازها: دانش اولیه برنامه نویسی پایتون دانش اولیه پانداهای کتابخانه پایتون
به دوره آموزشی تأثیر علّی Google ما خوش آمدید.
این دوره به شما یاد میدهم که چگونه از بسته Google's Causal Impact در پروژههای شغلی یا شخصی خود استفاده کنید.
مدل تأثیر علّی ایجاد شده توسط Google با برازش مدل سریهای زمانی ساختاری بیزی برای دادههای مشاهدهشده کار میکند که بعداً برای پیشبینی نتایج در صورت عدم مداخله در یک دوره زمانی معین استفاده میشود. ایده این است که از پیشبینیهای مدل برازش شده (به رنگ آبی نشان داده شده) به عنوان مرجعی به آنچه احتمالاً بدون هیچ مداخلهای مشاهده میشد، استفاده شود.
بعد از این دوره شما یک ابزار قدرتمند برای اندازه گیری (با اهمیت آماری) خواهید داشت:
* تعداد اضافی فروش/دانلود برنامه/کلیک/بازدید از وب سایت ناشی از یک کمپین بازاریابی
* ROI یک کمپین بازاریابی
* تأثیر یک تبلیغ بر تقاضا
* هرگونه تغییر رفتار در یک سری، ناشی از یک رویداد شناخته شده
نمایش نظرات