Churn زمانی است که مشتری فعالیت تجاری خود را متوقف می کند یا رابطه خود را با یک شرکت پایان می دهد. این یک مشکل رایج در صنایع مختلف است، از مخابرات گرفته تا تلویزیون کابلی گرفته تا SaaS، و شرکتی که می‌تواند ریزش را پیش‌بینی کند، می‌تواند برای حفظ مشتریان ارزشمند و پیشی گرفتن از رقبا اقدامی پیشگیرانه انجام دهد. این دوره به شما یک نقشه راه برای ایجاد مدل های ریزش مشتری خود ارائه می دهد. شما یاد خواهید گرفت که چگونه داده‌های خود را کاوش و تجسم کنید، آن‌ها را برای مدل‌سازی آماده کنید، با استفاده از یادگیری ماشینی پیش‌بینی کنید، و بینش‌های مهم و عملی را به ذینفعان منتقل کنید. در پایان دوره، استفاده از کتابخانه پانداها برای تجزیه و تحلیل داده ها و کتابخانه scikit-learn برای یادگیری ماشین راحت خواهید بود.

چه مدت طول می کشد تا علائم آنفولانزا بعد از قرار گرفتن در معرض ظاهر شود؟ و اگر ندانید چه زمانی افراد به ویروس مبتلا شده اند، چه؟ آیا تعادل حقوق و کار و زندگی بر سرعت جابجایی کارکنان تأثیر می گذارد؟ بسیاری از چالش‌های زندگی واقعی به تجزیه و تحلیل بقا نیاز دارند تا زمان تا یک رویداد را به طور قوی تخمین بزنیم تا به ما کمک کند بینش‌هایی را از توزیع‌های زمان به رویداد دریافت کنیم. این دوره شما را با مفاهیم اولیه تجزیه و تحلیل بقا آشنا می کند. از طریق تمرین عملی، نحوه محاسبه، تجسم، تفسیر و مقایسه منحنی‌های بقا را با استفاده از مدل‌های Kaplan-Meier، Weibull و Cox PH خواهید آموخت. در پایان این دوره، می‌توانید توزیع‌های بقا را مدل‌سازی کنید، نمودارهای زیبایی از منحنی‌های بقا بسازید، و حتی مدت زمان بقا را پیش‌بینی کنید.

ساخت مدل‌های خوب تنها در صورتی موفق می‌شود که یک جدول پایه مناسب برای شروع داشته باشید. در این دوره آموزشی یاد خواهید گرفت که چگونه یک جدول پایه خوب بسازید، متغیرها را ایجاد کنید و داده های خود را برای مدل سازی آماده کنید. ما با موضوعات پیشرفته در مورد این موضوع پایان می دهیم.

زمینه تصویربرداری زیست‌پزشکی در سال‌های اخیر منفجر شده است - اما برای افراد ناآشنا، حتی بارگذاری داده‌ها نیز می‌تواند یک چالش باشد! در این دوره مقدماتی، اصول تحلیل تصویر با استفاده از NumPy، SciPy و Matplotlib را خواهید آموخت. شما در یک سی تی اسکن کل بدن پیمایش می کنید، یک سری زمانی MRI قلبی را تقسیم می کنید و تعیین می کنید که آیا بیماری آلزایمر ساختار مغز را تغییر می دهد یا خیر. حتی اگر قبلاً با تصاویر کار نکرده اید، دوره را با یک جعبه ابزار محکم برای ورود به این زمینه پویا به پایان خواهید رساند.

احتمالاً با Google News مواجه شده اید که به طور خودکار مقالات خبری مشابه را در یک موضوع گروه بندی می کند. آیا تا به حال فکر کرده اید که چه فرآیندی در پس زمینه برای رسیدن به این گروه ها اجرا می شود؟ در این دوره آموزشی با یادگیری بدون نظارت از طریق خوشه بندی با استفاده از کتابخانه SciPy در پایتون آشنا می شوید. این دوره پیش پردازش داده ها و استفاده از خوشه بندی سلسله مراتبی و k-means را پوشش می دهد. از طریق این دوره، آمار بازیکنان یک بازی ویدیویی محبوب فوتبال، FIFA 18 را بررسی خواهید کرد. پس از اتمام دوره، می‌توانید به سرعت الگوریتم‌های مختلف خوشه‌بندی را روی داده‌ها اعمال کنید، خوشه‌های تشکیل‌شده را تجسم کنید و نتایج را تجزیه و تحلیل کنید.

بنابراین شما داده های جالبی دارید - تحلیل خود را از کجا شروع می کنید؟ این دوره، فرآیند کاوش و تجزیه و تحلیل داده‌ها، از درک آنچه در یک مجموعه داده تا ترکیب یافته‌های اکتشاف در یک گردش کار علم داده را شامل می‌شود، پوشش می‌دهد.

با استفاده از داده‌های مربوط به ارقام بیکاری و قیمت بلیط هواپیما، از پایتون برای جمع‌بندی و اعتبارسنجی داده‌ها، محاسبه، شناسایی و جایگزینی مقادیر از دست رفته و پاکسازی مقادیر عددی و مقوله‌ای استفاده می‌کنید. در طول دوره، تصاویر زیبای Seaborn را برای درک متغیرها و روابط آنها ایجاد خواهید کرد.

برای مثال، نحوه ارتباط مصرف الکل و عملکرد دانش‌آموز را بررسی خواهید کرد. در نهایت، این دوره نشان می‌دهد که چگونه یافته‌های اکتشافی با ایجاد ویژگی‌های جدید، متعادل کردن ویژگی‌های طبقه‌بندی، و ایجاد فرضیه‌ها از یافته‌ها، به جریان‌های کاری علم داده وارد می‌شوند.

در پایان این دوره، اطمینان خواهید داشت که تجزیه و تحلیل داده‌های اکتشافی (EDA) خود را در پایتون انجام دهید. می‌توانید یافته‌های خود را به صورت بصری برای دیگران توضیح دهید و گام‌های بعدی را برای جمع‌آوری بینش از داده‌های خود پیشنهاد دهید!

آیا تا به حال در مورد دستگاه های اینترنت اشیا شنیده اید؟ البته که دارید. شاید شما نیز یک Raspberry PI در خانه خود داشته باشید که دما و رطوبت را کنترل می کند. دستگاه های اینترنت اشیا همه جا در اطراف ما هستند و داده های مربوط به محیط ما را جمع آوری می کنند. شما داده های زیست محیطی، داده های ترافیک و همچنین داده های شمارنده انرژی را تجزیه و تحلیل خواهید کرد. پس از دوره آموزشی، نحوه جمع آوری و ذخیره داده ها را از یک جریان داده یاد خواهید گرفت. قبل از اجرا، داده های اینترنت اشیا را برای تجزیه و تحلیل، تجزیه و تحلیل و تجسم داده های اینترنت اشیا آماده می کنید یک مدل یادگیری ماشینی ساده برای انجام اقدامات در هنگام وقوع رویدادهای خاص و استقرار این مدل به یک جریان داده در زمان واقعی.

تحلیل داده‌های بیزی یک روش رو به افزایش استنتاج آماری است که برای تعیین احتمال شرطی بدون تکیه بر ثابت‌های ثابت مانند سطوح اطمینان یا مقادیر p استفاده می‌شود. در این دوره، یاد خواهید گرفت که تجزیه و تحلیل داده بیزی چگونه کار می کند، چگونه با رویکرد کلاسیک متفاوت است، و چرا بخشی ضروری از جعبه ابزار علم داده شما است. با تجزیه و تحلیل داده‌های تبلیغاتی، فروش و اجاره دوچرخه در دنیای واقعی، با آزمایش A/B، تجزیه و تحلیل تصمیم‌گیری و مدل‌سازی رگرسیون خطی با استفاده از رویکرد بیزی آشنا خواهید شد. در نهایت، با کتابخانه PyMC3 آشنا خواهید شد، که طراحی، تناسب و تفسیر مدل‌های بیزی را برای شما آسان‌تر می‌کند.

تویتر صدها میلیون پیام در روز تولید می کند و مردم در سراسر جهان در مورد ورزش، سیاست، تجارت و سرگرمی بحث می کنند. شما می توانید در عرض چند دقیقه به هزاران پیامی که در این جریان جریان دارد دسترسی داشته باشید. در این دوره آموزشی، نحوه جمع آوری داده های توییتر و تجزیه و تحلیل متن توییت، شبکه های توییتر و منشاء جغرافیایی توییت را یاد می گیرید. ما این کار را با مجموعه داده‌های شرکت‌های فناوری، هشتگ‌های علم داده و آدرس سال ۲۰۱۸ انجام خواهیم داد. با استفاده از این روش‌ها، می‌توانید با کشف فراوانی موضوعات مهم، تنوع شبکه‌های بحث و گستره جغرافیایی یک موضوع، تصمیم‌گیری تجاری و سیاسی را آگاه کنید.

چه این شرکتی است که به دنبال درک ترجیحات کاری کارکنان خود است یا یک کمپین بازاریابی که می‌خواهد بداند چگونه می‌تواند به بهترین شکل به مخاطبان غالب خود پاسخ دهد، داده‌های نظرسنجی یکی از بهترین ابزارهای موجود است. در اینجا، هدف از تجزیه و تحلیل داده های نظرسنجی و زمانی که مناسب است از ابزارهای آماری توصیفی و استنباطی استفاده کنید، خواهید آموخت. شما یاد خواهید گرفت که چندین روش نمونه برداری را با استفاده از پایتون به کار ببرید و نتایج نظرسنجی خود را برای تفسیر کیفی متغیرها و نتایج مرتبط با آزمون های مدل سازی، بسته به نوع نظرسنجی که در حال تجزیه و تحلیل هستید، تجسم کنید.

تجزیه و تحلیل زنجیره تامین، فعالیت های زنجیره تامین را از حدس زدن به مواردی تبدیل می کند که با استفاده از داده ها تصمیم می گیرند. یک ابزار ضروری در تجزیه و تحلیل زنجیره تامین، استفاده از تجزیه و تحلیل بهینه سازی برای کمک به تصمیم گیری است. طبق گفته Deloitte، 79 درصد از سازمان‌ها با عملکرد بالا زنجیره تامین به رشد درآمدی دست می‌یابند که به طور قابل‌توجهی بالاتر از میانگین است. این دوره شما را با PuLP، یک مدل ساز بهینه سازی برنامه خطی که در پایتون نوشته شده است، آشنا می کند. با استفاده از PuLP، این دوره به شما نشان می‌دهد که چگونه سؤالات بهینه‌سازی زنجیره تأمین را فرموله کنید و به سؤالات بهینه‌سازی زنجیره تأمین پاسخ دهید، مانند اینکه یک مرکز تولید باید در کجا قرار داشته باشد، چگونه تقاضای تولید را در امکانات مختلف تخصیص دهید، و موارد دیگر. ما نتایج مدل ها و مفاهیم آنها را از طریق تست حساسیت و شبیه سازی بررسی خواهیم کرد. این دوره به شما کمک می کند تا با استفاده از قدرت پایتون و PuLP، تصمیم گیری در مورد زنجیره تامین را بهبود بخشید.

توصیه های محصول آمازون و پیشنهادات فیلم نتفلیکس چه وجه مشترکی دارند؟ هر دوی آنها بر تحلیل سبد بازار تکیه می‌کنند، که ابزاری قدرتمند برای تبدیل حجم وسیعی از معاملات مشتری و مشاهده داده‌ها به قوانین ساده برای تبلیغ و توصیه محصول است. در این دوره آموزشی، نحوه انجام تجزیه و تحلیل سبد بازار را با استفاده از الگوریتم Apriori، معیارهای استاندارد و سفارشی، قوانین تداعی، تجمیع و هرس و تجسم می آموزید. سپس مهارت‌های جدید خود را از طریق تمرین‌های تعاملی، توصیه‌های ساختمانی برای یک فروشگاه مواد غذایی کوچک، یک کتابخانه، یک فروشنده کتاب الکترونیکی، یک خرده‌فروش هدیه جدید و یک سرویس پخش فیلم تقویت خواهید کرد. در این فرآیند، اطلاعات آماری پنهان را برای بهبود توصیه‌ها برای مشتریان کشف خواهید کرد.

از قیمت سهام گرفته تا داده‌های آب و هوایی، داده‌های سری زمانی در دامنه‌های بسیار متنوعی یافت می‌شوند، و توانایی کارکرد مؤثر با چنین داده‌هایی برای دانشمندان داده یک مهارت مهم است. این دوره شما را با تجزیه و تحلیل سری های زمانی در پایتون آشنا می کند. پس از آشنایی با سری زمانی، با چندین مدل سری زمانی از مدل های خودرگرسیون و میانگین متحرک گرفته تا مدل های همجمعی آشنا خواهید شد. در طول مسیر، نحوه تخمین، پیش‌بینی و شبیه‌سازی این مدل‌ها را با استفاده از کتابخانه‌های آماری در پایتون یاد خواهید گرفت. نمونه‌های متعددی از نحوه استفاده از این مدل‌ها، با تأکید ویژه بر برنامه‌های کاربردی در امور مالی را مشاهده خواهید کرد.

ترازنامه، صورت‌های درآمد و صورت‌های جریان نقدی، صورت‌های مالی هستند که تقریباً هر شرکت بزرگی از آن استفاده می‌کند. این بیانیه ها حاوی اطلاعات زیادی در مورد وضعیت مالی یک شرکت است. این دوره چهار ساعته پایه‌ای را برای شروع تجزیه و تحلیل صورت‌های مالی در پایتون ایجاد می‌کند تا موقعیت مالی یک شرکت را عمیقاً درک کنید.

شما با یادگیری نحوه خواندن صورت‌های مالی شروع می‌کنید - اولین گام در یادگیری نحوه تجزیه و تحلیل آنها. در مرحله بعد، محاسبه برخی از رایج‌ترین نسبت‌های مالی از روی صورت‌ها را با استفاده از پانداها تمرین می‌کنید - یک ابزار قدرتمند دستکاری و تجزیه و تحلیل داده‌های پایتون.

همچنین خواهید آموخت که چگونه از عملکردهای مختلف پانداها برای مقایسه نسبت های مالی شرکت ها و ارزیابی سلامت مالی آنها استفاده کنید.

«داده‌ها در طبیعت» مملو از مقادیر گم شده است. در این دوره، برخورد با اطلاعات مالی از دست رفته را از طریق تمرینات تعاملی تمرین خواهید کرد. همچنین یاد خواهید گرفت که چگونه تجزیه و تحلیل خود را با استفاده از تجسم داده ها ارائه دهید - یکی دیگر از مهارت های ضروری در تجزیه و تحلیل مالی.

یکی از مزایای استفاده از پایتون برای تجزیه و تحلیل صورت های مالی در مقایسه با صفحات گسترده استاندارد این است که می توانید کارهای تکراری را کاهش دهید. با نوشتن توابع خود در پایتون، یاد خواهید گرفت که با کاهش تکرار، تجزیه و تحلیل خود را سریعتر و کارآمدتر کنید.

اکنون که پایه‌های پانداها را آموخته‌اید، این دوره به شما این فرصت را می‌دهد که با پاسخ دادن به سؤالات جالب در مورد یک مجموعه داده واقعی، آن دانش را به کار ببرید! شما مجموعه داده پروژه پلیس باز استانفورد را بررسی خواهید کرد و تأثیر جنسیت بر رفتار پلیس را تجزیه و تحلیل خواهید کرد. در طول دوره، تمرین بیشتری برای تمیز کردن داده های آشفته، ایجاد تجسم، ترکیب و تغییر شکل مجموعه داده ها، و دستکاری داده های سری زمانی به دست خواهید آورد. تجزیه و تحلیل فعالیت پلیس با پانداها به شما تجربه ارزشمندی در تجزیه و تحلیل مجموعه داده از ابتدا تا انتها می دهد و شما را برای حرفه علم داده خود آماده می کند!

موفق ترین شرکت های امروزی آنهایی هستند که مشتریان خود را آنقدر خوب می شناسند که بتوانند نیازهای آنها را پیش بینی کنند. تجزیه و تحلیل مشتری و به ویژه تست A/B بخش های بسیار مهمی هستند استفاده از دانش کمی برای کمک به تصمیم گیری های تجاری که ارزش آفرینی می کند. این دوره نکات و نکات نحوه استفاده از پایتون را پوشش می دهد تجزیه و تحلیل رفتار مشتری و روندهای تجاری و همچنین نحوه ایجاد، اجرا، و تست های A/B را برای اتخاذ تصمیمات تجاری پیشگیرانه و مبتنی بر داده تجزیه و تحلیل کنید.

در میان همه حوزه‌های تجاری، منابع انسانی همچنان کمترین اختلال را دارد. با این حال، آخرین پیشرفت‌ها در ابزارها و فناوری‌های جمع‌آوری و تجزیه و تحلیل داده‌ها، امکان تصمیم‌گیری مبتنی بر داده‌ها را در همه ابعاد، از جمله منابع انسانی، فراهم می‌کند. این دوره پایه محکمی برای برخورد با داده‌های کارکنان و ایجاد یک مدل پیش‌بینی برای تجزیه و تحلیل گردش مالی کارکنان فراهم می‌کند.

Bokeh یک بسته قدرتمند پایتون برای تجسم داده‌های تعاملی است که به شما امکان می‌دهد از نمودارهای ثابت فراتر بروید و به سهامداران اجازه دهید تجسم‌های شما را تغییر دهند! در این دوره تجسم داده‌های تعاملی با بوکه، شما با مجموعه‌ای از مجموعه داده‌ها از جمله قیمت سهام، آمار بازیکنان بسکتبال و داده‌های فروش املاک استرالیا کار خواهید کرد. از طریق تمرینات عملی، طیف وسیعی از طرح‌ها، از جمله نمودارهای پراکنده، نوار، خط و نوار گروه‌بندی شده را می‌سازید و سفارشی می‌کنید. همچنین با ابزارهای پیکربندی برای تغییر نحوه تعامل بینندگان با طرح خود، کشف مضامین سفارشی بوکه، یادگیری نحوه تولید زیرپینگ‌ها و حتی نحوه افزودن ویجت‌ها به طرح‌های خود، آشنا خواهید شد!

داده‌های سری زمانی در حوزه علم داده وجود دارند. هر دانشمند داده چه در حال تجزیه و تحلیل روندهای کسب و کار، پیش بینی درآمد شرکت یا کاوش در رفتار مشتری باشد، هر دانشمند داده احتمالاً در مقطعی از کار خود با داده های سری زمانی مواجه خواهد شد. برای شروع کار با داده های سری زمانی، این دوره دانش عملی در مورد تجسم داده های سری زمانی با استفاده از Python ارائه می دهد.

آیا می خواهید به راحتی تصاویر زیبا و آموزنده ایجاد کنید؟ اگر چنین است، پس باید دریا زادگی را یاد بگیرید! Seaborn یک کتابخانه تجسمی است که بخشی ضروری از مجموعه ابزار علوم داده پایتون است. در این دوره آموزشی، نحوه استفاده از ابزارهای تجسم پیچیده Seaborn را برای تجزیه و تحلیل مجموعه داده‌های دنیای واقعی از جمله بررسی مسکن آمریکا، داده‌های شهریه دانشگاه، و مهمانان مجموعه تلویزیونی محبوب، نمایش روزانه، یاد خواهید گرفت. پس از این دوره، می‌توانید از توابع seaborn برای تجسم داده‌های خود در چندین قالب مختلف و سفارشی کردن نمودارهای دریایی برای نیازهای منحصر به فرد خود استفاده کنید.