Last chance! 50% off DataCamp Premium
Sale ends in
Mô tả khóa học
Điểm chung giữa gợi ý sản phẩm của Amazon và đề xuất phim của Netflix là gì? Cả hai đều dựa vào Phân tích giỏ hàng (Market Basket Analysis) — một công cụ mạnh mẽ để chuyển khối dữ liệu khổng lồ về giao dịch và hành vi xem của khách hàng thành các quy tắc đơn giản phục vụ quảng bá và gợi ý sản phẩm. Trong khóa học này, bạn sẽ học cách thực hiện Phân tích giỏ hàng bằng thuật toán Apriori, các chỉ số chuẩn và tùy chỉnh, luật kết hợp, kỹ thuật tổng hợp và cắt tỉa (pruning), cùng trực quan hóa. Sau đó, bạn sẽ củng cố kỹ năng qua các bài tập tương tác, xây dựng hệ thống gợi ý cho một cửa hàng tạp hóa nhỏ, một thư viện, một nhà bán e-book, một nhà bán quà tặng độc đáo, và một dịch vụ phát trực tuyến phim. Trong quá trình đó, bạn sẽ khám phá các insight ẩn để cải thiện gợi ý cho khách hàng.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu về Phân tích giỏ hàng
Trong chương này, bạn sẽ học những kiến thức nền tảng về Phân tích giỏ hàng: luật kết hợp, các chỉ số, và cắt tỉa. Sau đó, bạn sẽ áp dụng các khái niệm này để giúp một cửa hàng tạp hóa nhỏ cải thiện hoạt động khuyến mãi và sắp xếp sản phẩm.
- Market basket analysis là gì?50 XP
- Những điều cơ bản về market basket analysis50 XP
- Bán chéo sản phẩm100 XP
- Nhận diện luật kết hợp50 XP
- Nhiều tiền đề và nhiều hệ quả100 XP
- Chuẩn bị dữ liệu cho phân tích giỏ hàng (market basket analysis)100 XP
- Tạo luật kết hợp100 XP
- Thước đo đơn giản nhất50 XP
- One-hot encode dữ liệu giao dịch100 XP
- Tính chỉ số support100 XP
2
Luật kết hợp
Luật kết hợp cho biết hai hay nhiều mặt hàng có liên quan với nhau. Các chỉ số giúp chúng ta định lượng mức độ hữu ích của các mối quan hệ đó. Trong chương này, bạn sẽ áp dụng sáu chỉ số để đánh giá luật kết hợp: supply, confidence, lift, conviction, leverage và chỉ số của Zhang. Tiếp đó, bạn sẽ sử dụng luật kết hợp và các chỉ số để hỗ trợ một thư viện và một nhà bán e-book.
3
Tổng hợp và Cắt tỉa
Bài toán cốt lõi của Phân tích giỏ hàng là làm sao chuyển một lượng lớn quyết định của khách hàng thành một số ít các quy tắc hữu ích. Quy trình này thường bắt đầu với việc áp dụng thuật toán Apriori và sử dụng thêm các chiến lược như cắt tỉa (pruning) và tổng hợp (aggregation). Trong chương này, bạn sẽ học cách dùng các phương pháp đó và cuối cùng áp dụng chúng trong bài tập hỗ trợ một nhà bán lẻ thiết kế bố cục cửa hàng và triển khai khuyến mãi chéo sản phẩm.
4
Trực quan hóa các luật
Ở chương cuối, bạn sẽ học cách sử dụng trực quan hóa để định hướng quá trình cắt tỉa và tóm tắt kết quả cuối cùng, thường ở dạng tập mục (itemset) hoặc luật. Bạn sẽ thành thạo ba loại trực quan hóa hữu ích nhất — heatmap, scatterplot và biểu đồ tọa độ song song — và áp dụng chúng để hỗ trợ một dịch vụ phát trực tuyến phim.
Phân tích giỏ hàng trong Python
Hoàn
thành khóa học
