700+ courses, half price
Kurs Açıklaması
Amazon ürün önerileriyle Netflix film önerilerinin ortak noktası ne? İkisi de, müşteri işlem ve izleme verilerinin büyük hacmini ürün tanıtımı ve öneri için basit kurallara dönüştüren güçlü bir yöntem olan Market Basket Analysis'a dayanır. Bu kursta, Apriori algoritması, standart ve özel metrikler, ilişkilendirme kuralları, toplulaştırma ve budama ile görselleştirme kullanarak Market Basket Analysis yapmayı öğreneceksin. Ardından etkileşimli egzersizlerle becerilerini pekiştirerek küçük bir bakkal, bir kütüphane, bir e-kitap satıcısı, bir hediyelik eşya perakendecisi ve bir film yayın hizmeti için öneriler oluşturacaksın. Bu süreçte, müşteriler için önerileri iyileştirmeye yönelik gizli içgörüleri ortaya çıkaracaksın.
Ön Koşullar
Müfredat
Kurs planı
1
Market Basket Analysis'a Giriş
Bu bölümde Market Basket Analysis'ın temellerini öğreneceksin: ilişkilendirme kuralları, metrikler ve budama. Sonrasında bu kavramları küçük bir bakkalın promosyon ve ürün yerleştirme çalışmalarını geliştirmesine yardımcı olmak için uygulayacaksın.
- Market basket analizi nedir?50 XP
- Market basket analizinin temelleri50 XP
- Çapraz satış ürünleri100 XP
- İlişkilendirme kurallarını belirleme50 XP
- Birden çok öncül ve sonuç100 XP
- Market basket analizi için verileri hazırlama100 XP
- Birliktelik kuralları oluşturma100 XP
- En basit ölçüt50 XP
- İşlem verisini one-hot kodlama100 XP
- Destek metriğini hesaplama100 XP
2
İlişkilendirme Kuralları
İlişkilendirme kuralları, iki ya da daha fazla öğenin ilişkili olduğunu söyler. Metrikler bu ilişkilerin ne kadar faydalı olduğunu sayısallaştırmamıza olanak tanır. Bu bölümde, ilişkilendirme kurallarını değerlendirmek için altı metriği uygulayacaksın: destek, güven, lift, conviction, leverage ve Zhang metriği. Ardından bir kütüphaneye ve bir e-kitap satıcısına yardımcı olmak için ilişkilendirme kuralları ve metrikleri kullanacaksın.
3
Toplulaştırma ve Budama
Market Basket Analysis'ın temel sorunu, çok sayıda müşteri kararını az sayıda faydalı kurala nasıl dönüştüreceğini belirlemektir. Bu süreç genellikle Apriori algoritmasının uygulanmasıyla başlar ve budama ile toplulaştırma gibi ek stratejilerin kullanımını içerir. Bu bölümde bu yöntemleri nasıl kullanacağını öğrenecek ve sonunda bir perakendeciye fiziksel mağaza yerleşimi seçimi ve ürün çapraz promosyonları yapma konularında yardımcı olduğun egzersizlerde uygulayacaksın.
4
Kuralları Görselleştirme
Bu son bölümde, görselleştirmelerin budama sürecini yönlendirmek ve nihai sonuçları özetlemek için nasıl kullanıldığını öğreneceksin; bu sonuçlar genellikle öğe kümeleri veya kurallar biçiminde olacaktır. En kullanışlı üç görselleştirmeyi — ısı haritaları, saçılım grafikleri ve paralel koordinatlar grafiklerini — ustalıkla kullanacak ve bunları bir film yayın hizmetine yardımcı olmak için uygulayacaksın.
Python ile Market Basket Analysis
Kurs
Tamamlandı
