Začni prozkoumávat datovou sadu Telco Churn – pomocí pandas budeš počítat souhrnné statistiky a pomocí Seabornu vytvářet přehledné vizualizace.

Vítej v kurzu

Co je zákaznický churn

Zkoumání odchodu zákazníků

Seskupování a sumarizace dat

Souhrnné statistiky pro obě třídy

Odchod zákazníků podle státu

Prozkoumej svá data pomocí vizualizací

Prozkoumání rozložení příznaků

Volání na zákaznickou podporu a churn

Průzkumná analýza dat

Data máš prozkoumána, teď je čas je předzpracovat a připravit pro Machine Learning. Zjistíš proč, co a jak při předzpracování – včetně výběru a tvorby příznaků.

Předzpracování dat

Identifikace příznaků k převodu

Kódování binárních příznaků

One hot encoding

Škálování příznaků

Výběr a tvorba příznaků

Odstranění nepotřebných příznaků

Vytvoření nového sloupce

Předzpracování dat pro model churnu

Data jsou předzpracována a připravena – čas předpovídat churn! Nauč se, jak v Pythonu sestavovat modely řízeného učení pomocí scikit-learn.

Tvorba predikcí

Předpovídání odchodu nového zákazníka

Trénování dalšího modelu ze scikit-learn

Vyhodnocení výkonu modelu

Vytvoření trénovací a testovací sady

Zkontroluj délku každé sady

Výpočet přesnosti

Metriky modelu

Matice záměn

Různé velikosti trénovací sady

Výpočet přesnosti a úplnosti

Další metriky modelu

ROC křivka

Plocha pod křivkou

Křivka přesnosti a úplnosti

F1 skóre

Predikce churnu

Zjisti, jak zlepšit výkon modelů pomocí ladění hyperparametrů, a lépe porozuměj klíčovým faktorům churnu, které pak můžeš uplatnit v praxi.

Ladění modelu

Ladění počtu příznaků

Ladění dalších hyperparametrů

Randomizované prohledávání

Důležitost příznaků

Vizualizace důležitosti příznaků

Vylepšení grafu

Interpretace důležitosti příznaků

Přidávání nových příznaků

Zlepší se výkon modelu?

Výpočet dalších metrik

Závěrečné myšlenky

Telco Churn Dataset

Churn nastává, když zákazník přestane využívat služby firmy nebo s ní ukončí vztah. Jde o rozšířený problém napříč mnoha odvětvími – od telekomunikací přes kabelovou televizi až po SaaS. Firma, která dokáže churn předvídat, může proaktivně jednat, udržet si cenné zákazníky a získat náskok před konkurencí. Tento kurz ti poskytne návod, jak si vytvořit vlastní modely pro predikci churnu. Naučíš se, jak data prozkoumat a vizualizovat, připravit je pro modelování, dělat predikce pomocí Machine Learning a sdělit důležité, akční poznatky stakeholderům. Po absolvování kurzu budeš ovládat knihovnu pandas pro analýzu dat a knihovnu scikit-learn pro Machine Learning.

Data Manipulation with pandas

Naučte se používat Python k analýze odchodu zákazníků a vytvoření predikčního modelu.

Marketing Analytics: Predicting Customer Churn in Python

Naučte se používat Python k analýze odchodu zákazníků a vytvořte model pro jeho predikci.

Marketingová analytika v Pythonu

Interpretace důležitosti příznaků

Marketing Analytics: Predicting Customer Churn in Python

Interaktivní praktické cvičení