Popis Segmentace zákazníků se považuje za jednu ze základních praktických aplikací data miningu. Pro segmentaci se využívají shlukovací metody. Podrobně si přestavíme základní algoritmus pro shlukování, K-means. Následně prakticky použijeme na vhodných datech v moderním cloudovém nástroji BigML. úvod do popisného (deskriptivního ...
Cena kurzu: ...
7.900 Kč / Kurz
... včetně DPH: 9.559 Kč / Kurz
Objednat - pro přihlášení na kurz/školení klikněte na zvolený termín školení a místo konání
Pro všechny, kteří mají zájem se dozvědět o principech shlukování (segmentace) a jeho praktického využití. Na získané segmenty (shluky) zákazníků je podle jejich specifik zaměřit různé marketingové kampaně a zvýšit tak jejich účinnosti.
Lektoři kurzu
David Chudán Vysoká škola ekonomická v Praze Karel Štaud, Business Intelligence Manager Komerční pojišťovna, a.s.
[Kurz] Program kurzu (obsah přednášky/semináře/rekvalifikace/studia) ...
Popis Segmentace zákazníků se považuje za jednu ze základních praktických aplikací data miningu. Pro segmentaci se využívají shlukovací metody. Podrobně si přestavíme základní algoritmus pro shlukování, K-means. Následně prakticky použijeme na vhodných datech v moderním cloudovém nástroji BigML.
úvod do popisného (deskriptivního) data miningu
úvod do shlukování, základní členění (hierarchické, nehierarchické), základní pojmy, algoritmy, typické úlohy
motivační úloha – simulace shlukování v MS Excel pomocí vícenásobného použití filtrů
seznámení s webovým nástrojem BigML
příprava dat pro shlukování
shlukování, ukázka dvou algoritmů implementovaných v BigML
interpretace výsledků, využití výsledků pro přiřazení nových instancí do vytvořených clusterů
případová studie, samostatná práce na vhodných datech
[Kurz] Obsah kurzu/školení...
Popis Segmentace zákazníků se považuje za jednu ze základních praktických aplikací data miningu. Pro segmentaci se využívají shlukovací metody. Podrobně si přestavíme základní algoritmus pro shlukování, K-means. Následně prakticky použijeme na vhodných datech v moderním cloudovém nástroji BigML.
úvod do popisného (deskriptivního) data miningu
úvod do shlukování, základní členění (hierarchické, nehierarchické), základní pojmy, algoritmy, typické úlohy
motivační úloha – simulace shlukování v MS Excel pomocí vícenásobného použití filtrů
seznámení s webovým nástrojem BigML
příprava dat pro shlukování
shlukování, ukázka dvou algoritmů implementovaných v BigML
interpretace výsledků, využití výsledků pro přiřazení nových instancí do vytvořených clusterů
případová studie, samostatná práce na vhodných datech