Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Модул 1
Въведение в науката за данните и приложенията в Marketing
- Общ преглед на аналитиката: Вид анализ – предсказуема, предписваща, инференциална практика на анализ в Marketing Използване на големи данни и различни технологии – Въведение
Модул 2
Marketing в дигитален свят
- Въведение в дигиталния маркетинг Онлайн реклама – Въведение Оптимизация за търсачки (SEO) – Казус от Google Social Media Маркетинг: Съвети и тайна – Пример за Facebook, Twitter
Модул 3
Изследователски Data Analysis & Статистическо моделиране
- Представяне и визуализация на данни – Разбиране на бизнес данните с помощта на хистограма, кръгова диаграма, лентова диаграма, точкова диаграма – Бърз извод – Използване на Python Основно статистическо моделиране – Тенденция, сезонност, групиране, класификации (само основи, различен алгоритъм и използване, не всеки детайл) – Готов код в Python Анализ на пазарната кошница (MBA) – Казус с използване на правила за асоцииране, поддръжка, увереност, повишаване
Модул 4
Marketing Анализ I
- Въведение в маркетинговия процес – Казус Използване на данни за подобряване на маркетинговата стратегия Измерване на активите на марката, Snapple и стойността на марката – Позициониране на марката Извличане на текст за маркетинг – Основи на извличане на текст – Казус за Social Media маркетинг
Модул 5
Marketing Анализ II
- Доживотна стойност на клиента (CLV) с изчисление – Казус от CLV за бизнес решения Измерване на казус и ефект чрез експерименти – Казус Изчисляване на прогнозиран лифт Data Science в онлайн рекламата – Преобразуване на честота на кликване, Анализ на уебсайтове
Модул 6
Основи на регресията
- Какво разкрива регресията и основно Statistics (без много подробности за математиката) Тълкуване на резултатите от регресията – С казус с помощта на Python Разбиране на моделите Log-Log – С казус с използване на Python Marketing Mix Models – Случай с използване на Python
Модул 7
Класификация и групиране
- Основи на класификацията и групирането – използване; Споменаване на алгоритми, интерпретиращи резултатите – Python Програми с резултати Насочване към клиенти с помощта на класификация и групиране – Казус Подобряване на бизнес стратегия – Пример за имейл маркетинг, промоции Необходимост от технологии за големи данни при класификация и групиране
Модул 8
Анализ на времеви редове
- Тенденция и сезонност – Използване на Python задвижван казус от практиката – Визуализации Различни техники за времеви редове – AR и MA модели на времеви редове – ARMA, ARIMA, ARIMAX (Използване и примери с Python) – Казус от времеви серии за прогнозиране за маркетингова кампания
Модул 9
Двигател за препоръка
- Персонализиране и бизнес стратегия Различни типове персонализирани препоръки – Съвместни, базирани на съдържание Различни алгоритми за машина за препоръки – управлявани от потребители, управлявани от елементи, хибридни, Matrix Факторизация (само споменаване и използване на алгоритмите без математически подробности) Метрики за препоръки за допълнителни приходи – Подробно казус
Модул 10
Увеличаване на продажбите чрез Data Science
- Основи на техниката за оптимизация и нейните употреби Оптимизация на инвентара – Казус от практиката Увеличаване на възвръщаемостта на инвестициите с помощта на Data Science Lean Анализ – ускорител при стартиране
Модул 11
Data Science в Ценообразуване и усилвател; Промоция I
- Ценообразуване – Науката за печеливш растеж Техники за прогнозиране на търсенето – Моделирайте и оценете структурата на кривите на търсенето цена-реакция Решение за ценообразуване – Как да оптимизирате решението за ценообразуване – Казус с помощта на Python Анализ на промоцията – Базово изчисление и модел за насърчаване на търговията Използване на промоцията за по-добро Стратегия – Спецификация на модела на продажби – Мултипликативен модел
Модул 12
Data Science в ценообразуване и промоция II
- Управление на приходите – Как да управляваме нетрайни ресурси с множество пазарни сегменти Обединяване на продукти – Бързо и бавно движещи се продукти – Казус от Python Ценообразуване на нетрайни стоки и услуги – Airline & Ценообразуване на хотел – Споменаване на стохастични модели Метрики за промоция – Традиционни и социални
Изисквания
Няма специфични изисквания, необходими за посещаване на този курс.
21 Часа
Oтзиви от потребители (4)
Understanding big data beter
Shaune Dennis - Vodacom
Курс - Big Data Business Intelligence for Telecom and Communication Service Providers
Subject presentation knowledge timing
Aly Saleh - FAB banak Egypt
Курс - Introduction to Data Science and AI (using Python)
It is great to have the course custom made to the key areas that I have highlighted in the pre-course questionnaire. This really helps to address the questions that I have with the subject matter and to align with my learning goals.
Winnie Chan - Statistics Canada
Курс - Jupyter for Data Science Teams
The example and training material were sufficient and made it easy to understand what you are doing.
