Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
1. modul
Bevezetés a Data Science-be és az alkalmazások a Marketing-ban
- Az elemzés áttekintése: Az elemzés típusa – prediktív, előíró, következtetéses
- Analitikai gyakorlat itt: Marketing
- Az Big Data és a különböző technológiák használata - Bevezetés
2. modul
Marketing egy digitális világban
- Bevezetés a Digital Marketing-be
- Online Advertising - Bevezetés
- Search Motoroptimalizálás (SEO) – Google esettanulmány
- Social Media Marketing: Tippek és titkok – Példa a Facebook-re, Twitter
3. modul
Feltáró Data Analysis & Statisztikai modellezés
- Adatok bemutatása és megjelenítése – A Business adatok megértése hisztogram, kördiagram, oszlopdiagram, szóródiagram segítségével – Gyors következtetés – Python használata
- Alapvető statisztikai modellezés – Trend, Szezonalitás, Klaszterezés, Osztályozás (Csak alapok, eltérő algoritmus és használat, semmi részlet nem) – Kész kód a Python-ban
- Piaci kosárelemzés (MBA) – Esettanulmány társítási szabályokkal, támogatással, bizalommal, növekedéssel
4. modul
Marketing Analitika I
- Bevezetés a Marketing folyamatba – Esettanulmány
- Az adatok felhasználása a javításra Marketing Stratégia
- A márkaeszközök, a Snapple és a márkaérték mérése – Márkapozicionálás
- Szövegbányászat Marketing-hoz – Szövegbányászat alapjai – Esettanulmány Social Media-hoz Marketing
5. modul
Marketing Analitika II
- Ügyfél élettartam-értéke (CLV) számítással – A CLV esettanulmánya az üzleti döntésekhez
- Az eset és hatás mérése kísérletekkel – Esettanulmány
- Tervezett emelkedés kiszámítása
- Data Science Online Advertising – Kattintási arány konverzió, Webhelyelemzés
6. modul
A regresszió alapjai
- Mit tár fel a regresszió és az alapvető Statistics (a matematikából nem sok részlet)
- A regressziós eredmények értelmezése – esettanulmány segítségével Python
- Log-Log modellek megértése – Esettanulmány a Python használatával
- Marketing Mix modellek – Esettanulmány a Python használatával
7. modul
Osztályozás és klaszterezés
- Az osztályozás és klaszterezés alapjai – Használat; Algoritmusok említése
- Az eredmények értelmezése – Python Programok kimenettel
- Ügyfélcélzás osztályozás és klaszterezés használatával – Esettanulmány
- Business Stratégiafejlesztés – Példa a Email Marketing-ra, Promóciók
- Big Data Technológiák igénye az osztályozásban és klaszterezésben
8. modul
Idősor elemzés
- Trend és szezonalitás – Python vezérelt esettanulmány – vizualizációk használata
- Különböző idősoros technikák – AR és MA
- Idősoros modellek – ARMA, ARIMA, ARIMAX (Használat és példák a Python-mal) – Esettanulmány
- Idősor előrejelzés a Marketing kampányhoz
9. modul
Ajánlás Motor
- Személyre szabás és Business stratégia
- Különböző típusú személyre szabott ajánlások – együttműködésen alapuló, tartalom alapú
- Különböző algoritmusok az ajánlási motorhoz – felhasználó által vezérelt, tételvezérelt, hibrid, Matrix faktorizálás (csak az algoritmusok említése és használata Mathematical részletek nélkül)
- Növekményes bevételre vonatkozó ajánlási mérőszámok – Részletes esettanulmány
10. modul
Az értékesítés maximalizálása a Data Science használatával
- Az optimalizálási technika alapjai és felhasználási területei
- Készletoptimalizálás – Esettanulmány
- ROI növelése a Data Science segítségével
- Lean Analytics – Startup Accelerator
11. modul
Data Science az Árképzés és amp; Promóció I
- Árképzés – A nyereséges növekedés tudománya
- Kereslet Forecasting technikák - Modellezze és becsülje meg az ár-válasz keresleti görbék szerkezetét
- Árképzési döntés – Az árképzési döntés optimalizálása – Esettanulmány a Python használatával
- Promóciós elemzés – Alapszámítási és Kereskedelemfejlesztési Modell
- Promóció használata a jobb stratégia érdekében – Értékesítési modell specifikáció – Multiplikatív modell
12. modul
Data Science az Árképzés és promóció II
- Bevétel Management – A romlandó erőforrások kezelése több piaci szegmensben
- Termékcsomagolás – Gyorsan és lassan mozgó termékek – Esettanulmány a Python-mal
- A romlandó Go termékek és szolgáltatások árazása – Légitársaság & Szállodai árképzés – Sztochasztikus modellek említése
- Promóciós mutatók – hagyományos és közösségi
Követelmények
A tanfolyamon való részvételhez nincs szükség speciális követelményekre.
21 Órák
Vélemények (4)
Understanding big data beter
Shaune Dennis - Vodacom
Kurzus - Big Data Business Intelligence for Telecom and Communication Service Providers
Subject presentation knowledge timing
Aly Saleh - FAB banak Egypt
Kurzus - 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
Kurzus - Jupyter for Data Science Teams
The example and training material were sufficient and made it easy to understand what you are doing.
