التعلّم الآلي: استخدامات التجميع العنقودي وتطبيقاته

Name: التعلّم الآلي: استخدامات التجميع العنقودي وتطبيقاته
Author: Briana Brownell

فحص التعلم الآلي من خلال حالات الاستخدام وحالات العالم الحقيقي.

شاهد الدرس الأول مجانًا. احصل على وصول كامل إلى جميع الدروس الـ5.

دورة تدريبية: عند الطلب

ربما يكون الاستخدام الأكثر شيوعًا للتجميع في تجزئة العملاء. السبب هو أنه من خلال التعامل مع جميع عملائك كمجموعة واحدة كبيرة متجانسة، لا تعمل بشكل جيد عندما تحاول معرفة العروض المستهدفة للعملاء الذين لديهم احتياجات مختلفة. كما يسمح لك بالحصول على نهج مبلور عندما تقوم بالتسويق أو عند تصميم منتجاتك. وجود منتج واحد فقط للجميع لا يقوم بعمل جيدًا مثلما إذا كان يحتوي على سلسلة من المنتجات التي تلبي احتياجات العملاء بطريقة أكثر استهدافًا. الآن، هناك عدد من الطرق للقيام بتجزئة العملاء، والفرق الرئيسي بينهما هو، أنواع المتغيرات التي تستخدمها للإدخال. في كثير من الأحيان، يتم استخدام العوامل النفسية من أجل تحديد أي قطاعات ينتمي عملاؤك إليها. وميزة استخدام المعلومات السيكوجرافيكية هي أنها تسمح لك بفهم العوامل المحفزة، ونظرة عملائك للعالم أفضل بكثير من النظر إلى شيء ما الذي يكون معتدل نسبيًا مثل المعلومات الديموغرافية أو سجل المعاملات. لذلك معظم المسوقين يحبون أن يفهموا السلوك النفسي لمجموعات العملاء المختلفة، حتى لو نظروا أيضًا إلى الخصائص الديموغرافية، ومقاييس أخرى حول ذلك. من الممكن بالتأكيد إنشاء تجزئة للعملاء باستخدام المتغيرات الديموغرافية فقط. وفي الحقيقة، هناك عدد من التجزئة الناجحة التي فعلت بالضبط ذلك. هؤلاء ينظرون إلى نمط الحياة العام، وسلوك الشراء العام، ثم باستخدام ذلك، يستنتجون مصالح القطاعات. ولذا فإن استخدام هذا يمكن أن يكون مفيدًا جدًا اعتمادًا على نوع المنتج الذي لديك. إذا كنت تحاول استهداف مجموعات ديموغرافية واسعة جدًا، فيمكن أن يكون هذا جيدًا في السماح لك بفهم أي مجموعات عامة قد تكون أكثر اهتمامًا بمنتجك. النمط الآخر لتجزئة العملاء هو تجزئة سلوكية. لذا بدلاً من النظر إلى المواقف أو السلوك النفسي، بدلا من ذلك ينظر في السلوك الفعلي للمجموعة. لذا فإن هذا النوع من التجزئة مفيد جدًا لفهم أنماط الحياة، وأعمال الجماعات بناءً على سلوكياتهم، ويعطيك بعض البصيرة في كيفية الوصول إليهم بشكل فعال. الآن يجب أن يكون لديك فكرة عن أنواع التقسيمات التي يمكنك القيام بها مع العملاء وكيف يمكن استخدام التجميع من أجل العثور على تلك الشرائح المحددة.

متوسط مقدِّم الخدمة : Briana Brownell 5 الدروس · 10m باللغات: العربية, الألمانية, الإنجليزية, الإسبانية, الفرنسية, البرتغالية, الأوردية, Chinese

وصف الدورة

تناقش هذه الدورة حالات الاستخدام والتطبيقات الواقعية للتجميع في التعلم الآلي. انضم الآن لتعزيز معرفتك في الاستخدامات/التطبيقات.

ما ستتعلمه

استكشاف التطبيقات الواقعية للتجميع ونمذجة الارتباط في سيناريوهات الطب والتجزئة والتسويق
فحص أساليب تجزئة العملاء وتجزئة الصور وتصنيف الصور
تقييم التحديات التي تواجهها التطبيقات الواقعية للتجميع
تحليل أدوار الحفاظ على الخصوصية وحزم المنتجات وتحليل سلة المشتريات
مراجعة حالات الاستخدام الرئيسية التي توضح تطبيق تعلم الآلة في بيئات واقعية

النقاط الرئيسية

للتجميع ونمذجة الارتباط تطبيقات واقعية تمتد عبر سيناريوهات الطب والتجزئة والتسويق.
تشمل أساليب التجزئة المتناولة: تجزئة العملاء، وتجزئة الصور، وتصنيف الصور.
تُقدّم التطبيقات الواقعية للتجميع تحديات تفحصها الدورة.
حزم المنتجات وتحليل سلة المشتريات حالتا استخدام تُستكشفان إلى جانب الحفاظ على الخصوصية.
تستعرض الدروس حالات الاستخدام الرئيسية لإثبات تطبيق تعلم الآلة في بيئات واقعية.

الأسئلة الشائعة

ما الذي تغطيه هذه الدورة؟

تغطي الدورة حالات استخدام متنوعة وتطبيقات واقعية للتجميع ونمذجة الارتباط، بما فيها تجزئة العملاء، وتجزئة الصور، وتصنيف الصور، وحزم المنتجات وتحليل سلة المشتريات، والحفاظ على الخصوصية في سيناريوهات كالطب والتجزئة والتسويق.

ما المهارات التي سأكتسبها من هذه الدورة؟

تبني الدورة مهارات في Azure Machine Learning، وتحليل التجميع، وتعلم الآلة، وخوارزميات تعلم الآلة، وأساليب تعلم الآلة، وتحليل حالات الاستخدام.

ما السيناريوهات الواقعية المستخدَمة أمثلةً؟

تغطي حالات الاستخدام سيناريوهات متنوعة، منها الطب والتجزئة والتسويق.

ما الدروس المتضمَّنة في هذه الدورة؟

الدروس هي: تجزئة العملاء، وتجزئة الصور، وتصنيف الصور، وحزم المنتجات وتحليل سلة المشتريات، والحفاظ على الخصوصية.

ما أهداف التعلم في هذه الدورة؟

سيتعلم المتعلمون التطبيقات الواقعية للتجميع ونمذجة الارتباط، وتقييم التحديات التي تواجهها تلك التطبيقات الواقعية، وفحص حالات الاستخدام الرئيسية لرؤية تعلم الآلة في بيئات واقعية.