Build your ultimate AI agent
Kursbeskrivning
Vad har Amazons produktrekommendationer och Netflixs filmförslag gemensamt? Båda bygger på marknadskorgsanalys – ett kraftfullt verktyg för att omvandla stora mängder kundtransaktioner och tittardata till enkla regler för produktkampanjer och rekommendationer. I den här kursen lär du dig att utföra marknadskorgsanalys med hjälp av Apriori-algoritmen, standardmått och anpassade mått, associationsregler, aggregering och gallring samt visualisering. Du befäster sedan dina kunskaper genom interaktiva övningar där du bygger rekommendationer för en liten livsmedelsbutik, ett bibliotek, en e-bokssäljare, en presentbutik och en filmstreamingtjänst. Under kursens gång upptäcker du dolda insikter som förbättrar rekommendationerna för kunderna.
Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till marknadskorgsanalys
I det här kapitlet lär du dig grunderna i marknadskorgsanalys: associationsregler, mått och gallring. Sedan tillämpar du dessa begrepp för att hjälpa en liten livsmedelsbutik att förbättra sina kampanjer och sin produktplacering.
- Vad är varukorganalys?50 XP
- Grunderna i varukorganalys50 XP
- Korsförsäljning av produkter100 XP
- Identifiera associationsregler50 XP
- Flera antecedenter och konsekventer100 XP
- Förbereda data för varukorgsanalys100 XP
- Generera associationsregler100 XP
- Det enklaste måttet50 XP
- One-hot-enkodning av transaktionsdata100 XP
- Beräkna supportmåttet100 XP
2
Associationsregler
Associationsregler visar att två eller fler varor hänger samman. Mått gör det möjligt att kvantifiera hur användbara dessa samband är. I det här kapitlet tillämpar du sex mått för att utvärdera associationsregler: support, konfidens, lyft, övertygelse, hävstång och Zhangs mått. Sedan använder du associationsregler och mått för att hjälpa ett bibliotek och en e-bokssäljare.
3
Aggregering och gallring
Den grundläggande utmaningen inom marknadskorgsanalys är att omvandla stora mängder kundbeslut till ett litet antal användbara regler. Processen börjar vanligtvis med Apriori-algoritmen och kompletteras med ytterligare strategier som gallring och aggregering. I det här kapitlet lär du dig att använda dessa metoder och tillämpar dem sedan i övningar där du hjälper en återförsäljare att välja butikslayout och planera korsmarknadsföring av produkter.
4
Visualisering av regler
I det här avslutande kapitlet lär du dig hur visualiseringar används för att vägleda gallringsprocessen och sammanfatta slutresultat, som vanligtvis presenteras i form av varukorgar eller regler. Du behärskar de tre mest användbara visualiseringstyperna – värmekartor, spridningsdiagram och diagram med parallella koordinater – och tillämpar dem för att hjälpa en filmstreamingtjänst.
Marknadskorgsanalys i Python
Kurs
slutförd
