Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
L’attrition (ou churn) survient lorsqu’un client cesse de faire affaire avec une entreprise ou met fin à sa relation avec elle. C’est un problème courant dans de nombreux secteurs, des télécommunications à la télévision par câble en passant par le SaaS. Une entreprise capable de prédire l’attrition peut agir de manière proactive pour fidéliser les clients à forte valeur et prendre une longueur d’avance sur la concurrence. Ce cours vous propose une feuille de route pour créer vos propres modèles d’attrition client. Vous apprendrez à explorer et visualiser vos données, à les préparer pour le Machine Learning, à faire des prédictions et à communiquer des insights clés et actionnables aux parties prenantes. À la fin du cours, vous serez à l’aise avec la bibliothèque pandas pour l’analyse des données et scikit-learn pour le Machine Learning.
Prérequis
Programme de formation
Plan du cours
1
Analyse exploratoire des données
Commencez à explorer le Telco Churn Dataset avec pandas pour calculer des statistiques descriptives et Seaborn pour créer des visualisations attrayantes.
- Bienvenue dans le cours50 XP
- Définir le churn client50 XP
- Explorer le churn client50 XP
- Regrouper et synthétiser des données50 XP
- Statistiques descriptives pour les deux classes100 XP
- Churn par État100 XP
- Explorer vos données à l’aide de visualisations50 XP
- Explorer la distribution des variables100 XP
- Appels au service client et churn100 XP
2
Prétraitement pour la modélisation de l’attrition
Après avoir exploré vos données, il est temps de les prétraiter et de les préparer pour le Machine Learning. Découvrez le pourquoi, le quoi et le comment du prétraitement, y compris la sélection et l’ingénierie de variables.
3
Prédiction de l’attrition
Vos données sont prétraitées et prêtes pour le Machine Learning : passons à la prédiction de l’attrition ! Apprenez à construire des modèles d’apprentissage supervisé en Python avec scikit-learn.
4
Optimisation du modèle
Apprenez à améliorer les performances de vos modèles grâce au réglage des hyperparamètres et à mieux comprendre les facteurs d’attrition client à partager avec l’entreprise.
Marketing Analytics : prédire l’attrition client en Python
Cours
terminé
