KnowledgeCity

Aprendizado de máquina: usos e aplicações do agrupamento

Estas lições levarão te a vários casos de uso e aplicações do mundo real dos métodos que abordamos no curso.

Estas lições levarão te a vários casos de uso e aplicações do mundo real dos métodos que abordamos no curso. Os casos de uso abrangerão vários cenários, a incluir cenários de medicina, varejo e marketing. Estas lições abrangerão diferentes métodos de segmentação, a incluir um exame de segmentação de clientes, segmentação de imagens e categorização de imagens. Por fim, veremos as funções de preservação de privacidade, pacotes de produtos e análise de cestas.

Objectivos de aprendizagem:

  • Aprender aplicações do mundo real de clustering e modelagem de associação
  • Avaliar os desafios enfrentados nas aplicações de clustering do mundo real
  • Examinar os principais casos de uso para ver o aprendizado de máquina em aplicações do mundo real

Autor: Briana Brownell

Duração: 10m · 5 lições
Nível: Intermediate
Idioma: Português

Habilidades que você vai adquirir

Aprendizagem de Máquina AzureAnálise de aglomeradosAprendizagem de MáquinaAlgoritmos de aprendizagem de máquinaMétodos de Aprendizagem de MáquinaAnálise de casos

O Que Você Vai Aprender

  • Explorar aplicações do mundo real de clustering e modelagem de associação em cenários de medicina, varejo e marketing
  • Examinar métodos de segmentação de clientes, segmentação de imagens e categorização de imagens
  • Avaliar os desafios enfrentados em aplicações reais de clustering
  • Analisar os papéis da preservação de privacidade, pacotes de produtos e análise de cesta
  • Revisar casos de uso importantes que mostram aprendizado de máquina aplicado em contextos do mundo real

Principais Conclusões

  • Clustering e modelagem de associação têm aplicações do mundo real abrangendo cenários de medicina, varejo e marketing.
  • Métodos de segmentação cobertos incluem segmentação de clientes, segmentação de imagens e categorização de imagens.
  • Aplicações reais de clustering apresentam desafios que o curso examina.
  • Pacotes de produtos e análise de cesta são casos de uso explorados juntamente com preservação de privacidade.
  • As lições percorrem casos de uso importantes para demonstrar aprendizado de máquina em aplicações do mundo real.

Perguntas Frequentes

O que este curso cobre?

Cobre vários casos de uso e aplicações do mundo real de clustering e modelagem de associação, incluindo segmentação de clientes, segmentação de imagens, categorização de imagens, pacotes de produtos e análise de cesta, e preservação de privacidade em cenários como medicina, varejo e marketing.

Quais habilidades vou ganhar com este curso?

O curso desenvolve habilidades em Azure Machine Learning, Análise de Clustering, Aprendizado de Máquina, Algoritmos de Aprendizado de Máquina, Métodos de Aprendizado de Máquina e Análise de Casos de Uso.

Quais cenários do mundo real são usados como exemplos?

Os casos de uso cobrem vários cenários, incluindo medicina, varejo e marketing.

Quais lições estão incluídas neste curso?

As lições são Segmentação de Clientes, Segmentação de Imagens, Categorização de Imagens, Pacotes de Produtos e Análise de Cesta, e Preservação de Privacidade.

Quais são os objetivos de aprendizagem deste curso?

Os aprendizes aprenderão aplicações do mundo real de clustering e modelagem de associação, avaliarão os desafios enfrentados nessas aplicações do mundo real e examinarão casos de uso importantes para ver aprendizado de máquina em aplicações do mundo real.

Transcrição

Transcrição

Provavelmente o uso mais comum de clustering está na segmentação de clientes. O motivo é tratar todos os seus clientes como um grande grupo monolítico, não faz muito bem quando você está tentando descobrir ofertas direcionadas para clientes com necessidades diferentes. Também permite que você tenha um atendimento mais personalizado abordagem quando você está fazendo seu marketing ou quando você está projetando seus produtos. Ter apenas um único produto para todo mundo não faz tão bem como tendo uma série de produtos que atendam às necessidades dos clientes de forma mais direcionada. Agora, existem várias maneiras fazer segmentação de clientes, e a principal diferença entre eles são os tipos de variáveis que você está usando para uma entrada. Muitas vezes, a psicografia é usada para determinar quais segmentos seus clientes pertencem. E a vantagem de usar psicografia informação é que ele permite que você compreender os fatores motivadores, e a visão de mundo de seus clientes muito melhor do que olhar para algo isso é relativamente benigno como demográfico informações ou histórico de transações. Então, a maioria dos profissionais de marketing gostaria de entender a psicografia de seus vários grupos de clientes, mesmo que também analisem a demografia, e outras métricas em torno disso. Certamente é possível criar um cliente segmentação usando apenas variáveis ​​demográficas. E, de fato, há um número de segmentação bem sucedida que fizeram exatamente. Estes olham para o estilo de vida geral, e comportamento geral de compra, e então usando isso, eles inferem os interesses dos segmentos. E usar isso pode ser bastante útil dependendo do tipo de produto que você tem. Se você está tentando segmentar grupos demográficos bastante amplos, então isso pode ser muito bom para permitir que você para entender quais grupos gerais pode estar mais interessado em seu produto. O outro estilo de segmentação de clientes é uma segmentação comportamental. Então, em vez de olhar para as atitudes ou psicografia, em vez disso, ele analisa o comportamento real do grupo. Então esse tipo de segmentação é bastante útil compreender os estilos de vida, e ações dos grupos com base em seus comportamentos, e dar-lhe algumas dicas em como você pode efetivamente alcançá-los. Então agora você deve ter uma ideia dos tipos de segmentação que você pode fazer com os clientes e como o clustering pode ser usado para encontrar esses segmentos específicos.

Aprender em qualquer lugar

Leve seu aprendizado para qualquer lugar — o app da KnowledgeCity permite assistir às lições em qualquer lugar.