Comece a explorar o Telco Churn Dataset usando pandas para calcular estatísticas descritivas e Seaborn para criar visualizações atraentes.

Bem-vindo ao curso

Definindo o churn de clientes

Explorando o churn de clientes

Agrupando e resumindo dados

Estatísticas resumidas para ambas as classes

Churn por estado

Explorando seus dados com visualizações

Explorando distribuições de variáveis

Ligações para o atendimento e churn

Análise Exploratória de Dados

Depois de explorar seus dados, é hora de pré-processá-los e deixá-los prontos para machine learning. Entenda o porquê, o que e o como do pré-processamento, incluindo seleção e engenharia de atributos.

Pré-processamento de dados

Identificando variáveis para converter

Codificando features binárias

One hot encoding

Normalização de features

Seleção e engenharia de atributos

Removendo features desnecessárias

Criando uma nova coluna

Pré-processamento para Modelagem de Churn

Com seus dados pré-processados e prontos para machine learning, é hora de prever o churn! Aprenda a construir modelos de aprendizado supervisionado em Python usando scikit-learn.

Fazendo previsões

Prevendo se um novo cliente vai churnar

Treinando outro modelo do scikit-learn

Avaliando o desempenho do modelo

Criando conjuntos de treino e teste

Verifique o tamanho de cada conjunto

Calculando a acurácia

Métricas do modelo

Matriz de confusão

Variando o tamanho do conjunto de treino

Calculando precisão e recall

Outras métricas de modelo

Curva ROC

Área sob a curva

Curva precisão–recall

Pontuação F1

Previsão de Churn

Aprenda a melhorar o desempenho dos seus modelos usando ajuste de hiperparâmetros e obtenha um entendimento mais claro dos fatores que impulsionam o churn de clientes para levar de volta ao negócio.

Ajustando seu modelo

Ajustando o número de features

Ajustando outros hiperparâmetros

Busca aleatória

Importância das variáveis

Visualizando as importâncias das variáveis

Aprimorando o gráfico

Interpretando importâncias de variáveis

Adicionando novos recursos

O desempenho do modelo melhora?

Calculando outras métricas

Considerações finais

Ajuste de Modelo

Telco Churn Dataset

Churn é quando um cliente para de fazer negócios ou encerra o relacionamento com uma empresa. É um problema comum em vários setores, de telecomunicações a TV a cabo e SaaS, e uma empresa que consegue prever churn pode agir de forma proativa para reter clientes valiosos e se antecipar à concorrência. Este curso vai fornecer um passo a passo para você criar seus próprios modelos de churn de clientes. Você vai aprender a explorar e visualizar seus dados, prepará-los para modelagem, fazer previsões usando machine learning e comunicar insights importantes e acionáveis para as partes interessadas. Ao final do curso, você estará à vontade usando a biblioteca pandas para análise de dados e a scikit-learn para machine learning.

Data Manipulation with pandas

Aprenda a usar Python para analisar churn de clientes e criar um modelo para prevê-lo.

Análise de Marketing: Prevendo Churn de Clientes em Python

Aprenda a usar Python para analisar a rotatividade de clientes e criar um modelo para prevê-la.

Análise de marketing em Python

Verifique o tamanho de cada conjunto

Análise de Marketing: Prevendo Churn de Clientes em Python

exercicio interativo prático