Empieza a explorar el conjunto de datos de Telco Churn usando pandas para calcular estadísticas resumidas y Seaborn para crear visualizaciones atractivas.

Bienvenido al curso

Definir el churn de clientes

Explorar la pérdida de clientes

Agrupar y resumir datos

Estadísticas resumidas para ambas clases

Abandono por estado

Explora tus datos con visualizaciones

Explorando distribuciones de variables

Llamadas a atención al cliente y churn

Análisis exploratorio de datos

Después de explorar tus datos, toca preprocesarlos y dejarlos listos para Machine Learning. Aprende el porqué, el qué y el cómo del preprocesamiento, incluyendo la selección y la ingeniería de características.

Preprocesamiento de datos

Identificar variables a convertir

Codificación de variables binarias

One hot encoding

Escalado de características

Selección y creación de características

Eliminar características innecesarias

Ingeniería de una nueva columna

Preprocesamiento para el modelado de churn

Con tus datos preprocesados y listos para Machine Learning, ¡es momento de predecir el churn! Aprende a construir modelos de aprendizaje supervisado en Python con scikit-learn.

Hacer predicciones

Predecir si un nuevo cliente dará de baja (churn)

Entrenar otro modelo de scikit-learn

Evaluar el rendimiento del modelo

Creación de conjuntos de entrenamiento y prueba

Comprueba la longitud de cada conjunto

Calcular la accuracy

Métricas del modelo

Matriz de confusión

Variar el tamaño del conjunto de entrenamiento

Calcular precisión y recall

Otras métricas del modelo

Curva ROC

Área bajo la curva

Curva precision-recall

Puntuación F1

Predicción de churn

Aprende a mejorar el rendimiento de tus modelos mediante el ajuste de hiperparámetros y a comprender mejor los factores que impulsan el churn de clientes para llevar esa información al negocio.

Ajusta tu modelo

Ajustar el número de características

Ajustar otros hiperparámetros

Búsqueda aleatoria

Importancias de las características

Visualización de la importancia de las características

Mejorar el gráfico

Interpretar las importancias de las características

Añadir nuevas características

¿Mejora el rendimiento del modelo?

Calcular otras métricas

Reflexiones finales

Ajuste del modelo

Telco Churn Dataset

El churn ocurre cuando un cliente deja de hacer negocios o finaliza su relación con una empresa. Es un problema común en muchos sectores, desde las telecomunicaciones hasta la TV por cable y el SaaS. Una empresa que puede predecir el churn puede actuar de forma proactiva para retener a clientes valiosos y adelantarse a la competencia. Este curso te dará una hoja de ruta para crear tus propios modelos de churn de clientes. Aprenderás a explorar y visualizar tus datos, prepararlos para el modelado, hacer predicciones con Machine Learning y comunicar conclusiones clave y accionables a las partes interesadas. Al finalizar, te sentirás cómodo usando la librería pandas para análisis de datos y scikit-learn para Machine Learning.

Data Manipulation with pandas

Aprende a usar Python para analizar la rotación de clientes y crear un modelo para predecirla.

Marketing Analytics: Predicción de churn de clientes en Python

Aprende a utilizar Python para analizar la pérdida de clientes y crear un modelo para predecirla.

Análisis de marketing en Python

Comprueba la longitud de cada conjunto

Marketing Analytics: Predicción de churn de clientes en Python

Ejercicio interactivo práctico