Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
El churn ocurre cuando un cliente deja de hacer negocios o finaliza su relación con una empresa. Es un problema común en muchos sectores, desde las telecomunicaciones hasta la TV por cable y el SaaS. Una empresa que puede predecir el churn puede actuar de forma proactiva para retener a clientes valiosos y adelantarse a la competencia. Este curso te dará una hoja de ruta para crear tus propios modelos de churn de clientes. Aprenderás a explorar y visualizar tus datos, prepararlos para el modelado, hacer predicciones con Machine Learning y comunicar conclusiones clave y accionables a las partes interesadas. Al finalizar, te sentirás cómodo usando la librería pandas para análisis de datos y scikit-learn para Machine Learning.
Requisitos previos
Programa de formación
Contenido del curso
1
Análisis exploratorio de datos
Empieza a explorar el conjunto de datos de Telco Churn usando pandas para calcular estadísticas resumidas y Seaborn para crear visualizaciones atractivas.
- Bienvenido al curso50 XP
- Definir el churn de clientes50 XP
- Explorar la pérdida de clientes50 XP
- Agrupar y resumir datos50 XP
- Estadísticas resumidas para ambas clases100 XP
- Abandono por estado100 XP
- Explora tus datos con visualizaciones50 XP
- Explorando distribuciones de variables100 XP
- Llamadas a atención al cliente y churn100 XP
2
Preprocesamiento para el modelado de churn
Después de explorar tus datos, toca preprocesarlos y dejarlos listos para Machine Learning. Aprende el porqué, el qué y el cómo del preprocesamiento, incluyendo la selección y la ingeniería de características.
3
Predicción de churn
Con tus datos preprocesados y listos para Machine Learning, ¡es momento de predecir el churn! Aprende a construir modelos de aprendizaje supervisado en Python con scikit-learn.
4
Ajuste del modelo
Aprende a mejorar el rendimiento de tus modelos mediante el ajuste de hiperparámetros y a comprender mejor los factores que impulsan el churn de clientes para llevar esa información al negocio.
Marketing Analytics: Predicción de churn de clientes en Python
Curso
completado
