دوره داده کاوی و تحلیل داده های مشتریان با استفاده از نرم افزار پایتون (Python)

شروع:
چهارشنبه ۲۲ خرداد ۹۸ ۱۶:۳۰
پایان:
چهارشنبه ۱۲ تیر ۹۸ ۲۰:۳۰
دوره داده کاوی و تحلیل داده های مشتریان با استفاده از نرم افزار پایتون (Python)
برگزارکننده‌ی رویداد
جزئیات
مهلت ثبت‌نام
قیمت (تومان)
تعداد

توضیحات

 

مرکز دانش مدیریت ارتباط با مشتری 

دوره داده­کاوی و تحلیل داده­های مشتریان با استفاده از نرم افزار پایتون (Python)

 .....................................................

داده های مشتری به­ عنوان یک سرمایه غیر قابل چشم پوشی برای سازمان­ ها

در دنیای سرشار از دادۀ امروز، اطلاعات درست در ترکیب با دانش لازم برای استفاده مناسب از آن­ها، از ارزش زیادی برخوردار است. به همین دلیل است که بزرگترین شرکت­های جهان به داده­ها فقط به عنوان اعدادی روی کاغذ نگاه نمی­کنند. آن­ها داده­ها را به­عنوان سرمایه می نگرند، درست به همان صورت که به پول یا اموال یا منابع انسانی نگاه می کنند. مدیریت دقیق و سرمایه گذاری بر روی استراتژی داده ها میتواند مانند هر سرمایه دیگری در کسب و کار، در آینده سودآوری اقتصادی داشته باشد. همه شرکت ها چه بزرگ و چه کوچک به جمع آوری و ذخیره داده­های مشتریان خود میپردازند اما همۀ شرکت ها به داده ها از این زاویه و به دید سرمایه گذاری نگاه نمی کنند و این مشکل اصلی است.

 .....................................................

کوتاهی در درک و تحلیل داده ها بعنوان یک سرمایه سازمانی فقط اتلاف پتانسیل است.

می توانید از یکی از موفقترین شرکت های دنیا ایده بگیرید: آمازون. آمازون نه تنها به مقدار زیادی داده های مشتری دسترسی دارد بلکه میلیون ها دلار و منابع بی شماری را برای استفاده بهینه از این داده ها هزینه میکند. با انکه آمازون یقیناً حجم زیادی از داده های مشتریان خود را در اختیار دارد، اما آنچه که آمازون را از بقیه رقبا متمایز میکند اینست که روش کار با داده های خام را می داند.

نیازی نیست شما به بزرگی آمازون باشید، در هر حال می توانید  داده های خود را بکار بگیرید.

مرکز دانش مدیریت ارتباط با مشتری (مُدام) دوره داده­کاوی کاربردی و تحلیل داده­های مشتریان با استفاده از نرم­افزار پایتون را برای کسانی در نظر گرفته است که تصمیم گرفته اند تا به داده های مشتریان خود بپردازند از این طریق به کسب مزیت رقابتی در کسب و کار خود دست یابند.

.....................................................

چرا باید این دوره را در مُدام گذراند؟

·        ما به صورت تخصصی در زمینه مدیریت ارتباط با مشتریان و داده کاوی کار می کنیم و متمرکز هستیم.

·        ما تولید کننده دانش و محتوای روز و بومی شده در این حوزه هستیم.

·        ما تجربه ی کار با شرکت ها و مسائل واقعی آن ها در ایران را داریم.

·        ما رسالتمان توسعه دانش و کاربردهای مدیریت ارتباط با مشتری به شکل درست قرار داده ایم.

·        ما از شبکه ای متمایز از متخصصین صنعت و استادان دانشگاه استفاده می کنیم.

·        ما متعهد به رضایت مشتری هستیم.

·        امکان ادامه کامل تحصیلات و دانش افزایی در حوزه مدیریت دانش و داده کاوی را برای شما فراهم می کنیم.

.....................................................

مخاطبین این دوره چه کسانی هستند؟

·         این دوره مناسب مدیران فروش و بازاریابی است که داده‌های مشتریان را در اختیار دارند و قصد استفاده تحلیلی از این داده‌ها را دارند.

·         کارشناسانی که در حوزه مدیریت ارتباط با مشتری فعالیت می‌کنند و با داده‌های مشتریان سر و کار دارند و قصد یادگیری روش‌های تحلیل داده‌های مشتریان را دارند.

·         دانشجویان و فارغ التحصیلانی که می‌خواهند با دانش روز داده‌کاوی کاربردی به عنوان بخشی از از آماده‌سازی خود برای یافتن شغل در زمینه مدیریت ارتباط با مشتری آشنا شوند.

.....................................................

نرم افزار مورد استفاده در این دوره:

در این دوره قرار است شما را با امکانات موجود در زبان پایتون برای داده کاوی و تحلیل داده های مشتریان آشنا نماییم.

.....................................................

معرفی زبان پایتون

زبان پایتون توسط خودو فان روسوم (به هلندی Guido van Rossum، تلفظ به انگلیسی گیدو ون روسوم) در موسسه تحقیقات ملی ریاضیات و علوم کامپیوتری هلند ایجاد شد. زبان برنامه‌نویسی Python ازجمله زبان‌های برنامه‌نویسی قدرتمندی است که درزمینه­ی داده­کاوی، یادگیری ماشینی و ... مورداستفاده قرار می‌گیرد.

پایتون یک زبان برنامه‌نویسی سطح بالا، تعاملی و شی‌ءگرا و همه‌منظوره است که یادگیری آن نیز سریع و آسان است. همین مسئله موجب می‌شود تا سرعت برنامه‌نویسی کاربر با این زبان به‌سرعت افزایش یابد.

پایتون در جهان برنامه‌نویسی به سادگی شهرت دارد و تأکید اصلی این زبان بر بهره­‌وری و خوانایی کدها است. بسیاری از افرادی که به دنبال تحلیل داده­ها و اعمال تکنیک­های آماری بر داده­ها می­باشند از این زبان استفاده می­کنند.

پایتون دارای پکیج­های آماده است. پایگاه PyPi (Python Package Index) مجموعه­‌ای از کتابخانه­­‌های این زبان را گردآوری کرده و درعین‌حال کاربران می­‌توانند پکیج­‌هایی که خود توسعه داده­‌اند را در این پایگاه قرار دهند.

.....................................................

چرا پایتون؟

پایتون دارای ویژگی های فوق العاده ای است و به همین دلیل بسیاری از افراد استفاده از آن را ترجیح می دهند. برخی از این ویژگی ها عبارتند از:

·        پایتون یک نرم افزار بسیار قوی و ساده است، یادگیری زبان پایتون ساده است. حتی اگر مبتدی هستید در مورد سینتکس و نحوه برنامه نویسی در پایتون نگران نباشید.

·        پایتون از سیستم عامل های بسیاری مانند ویندوز، مک، لینوکس و غیره پشتیبانی می کند.

·        محیط برنامه­ نویسی مناسب و همچنین قدرتِ خوبِ این زبان در پردازشِ داده‌ها 

·        پایتون یک زبان برنامه نویسی سطح بالاست

·        پایتون یک زبان برنامه نویسی مفسر است و کد ها به صورت خط به خط تفسیر و اجرا می شوند.

·        پایتون را می توان برای تحلیل داده ها، مصورسازی داده ها بکار گرفت.

·        وجود کتابخانه‌های مختلف و قدرتمندی که به متخصصان علوم‌داده و یادگیری‌ماشین کمک می کند که تحلیل داده ها را انجام دهند. پایتون در حال تهیه کتابخانه های مختلف قدرتمند برای یادگیری ماشین و محاسبات علمی است. محاسبات علمی پیچیده و الگوریتم های یادگیری ماشین را می توان با استفاده از این زبان به راحتی انجام داد و خروجی مورد نظر را دریافت نمود.

·        توسعه‌ی سریعِ کتابخانه‌ها و ابزارهای کمکی در پایتون

.....................................................

در دوره داده­کاوی کاربردی و تحلیل داده­های مشتریان با استفاده از نرم­افزار پایتون چه یاد خواهیم گرفت؟

جلسه اول: خواندن داده ها از منابع مختلف - پاکسازی داده ها (مدیریت داده های دورافتاده و داده های از دست رفته

جلسه دوم: پیش پردازش داده ها شامل نرمال سازی، کاهش ابعاد (PCA)، تجمیع و یکپارچه سازی داده ها - مدلسازی شامل رگرسیون خطی ساده و رگرسیون خطی چندگانه

جلسه سوم: مدلسازی الگوریتم های رده­بندی و پیش­بینی از جمله (شبکه های عصبی مصنوعی، درخت های تصمیم، ماشین بردار پشتیبان، بیز ساده و  ...)

جلسه چهارم: مدلسازی شامل الگوریتم های خوشه بندی مانند K-means ، DBSCAN

مدلسازی الگوریتم های کشف قوانین انجمنی مانند Apriori، FP-Growth

.....................................................

اطلاعات دوره

زمان دوره:

16ساعت (4 جلسه 4 ساعته )

شروع دوره 22 خرداد 1398

چهارشنبه ها  ساعت 16:30  الی 20:30

محل تشکیل کلاس ها:

تهران-تهران-میدان ولیعصر-ساختمان تجارت ایرانیان-طبقه شش- واحد 8

مدرک دوره

اعطا گوهینامه معتبر از مرکز دانش مدیریت ارتباط با مکشتری

 مزایای دوره:

·        ارائه ی ایده هایی تجربی برای تحلیل داده های مشتریان

·        تشکیل گروه در شبکه اجتماعی  تلگرام و تبادل نظر در طول هفته و تعامل در گروه و ارسال تمرین برای شرکت کنندگان

·        امکان پاسخ گویی به سوالات شرکت کنندگان محترم

·        امکان پس گرفتن پول در شرایط عدم رضایت

·        دسترسی به صدای دوره

·        جزوه، و اسلایدها

·        حضور در دوره های بعدی در صورت غیبت

.....................................................

معرفی مدرس دوره و تجربیات

محسن یزدی نژاد

دانشجوی دکتری هوش مصنوعی دانشگاه اصفهان

کارشناسی ارشد مهندسی دانش و علوم تصمیم دانشگاه خوارزمی

مشاور و مدرس داده­کاوی

مشاور پیاده­سازی راهکارهای داده­محور در صنایع بانکی، بیمه، بیمارستان، پخش و تولید

.....................................................

بهترین فریم‌ورک تحلیل داده با پایتون برای مبتدیان

پایتون دارای انواع مختلفی از فریم‌ورک برای تحلیل، دستکاری و مصورسازی داده است. برنامه‌نویسی پایتون انتخابی ایده‌آل برای علم داده، ارزیابی دیتاست‌های بزرگ، مصورسازی داده و موارد دیگر است.

تحلیل داده و برنامه‌نویسی پایتون مکمل یکدیگرند. پایتون زبانی فوق‌العاده برای علم داده است؛ مخصوصاً کسانی که می‌خواهند تازه فعالیت خود را در حوزه علم داده آغاز کنند. این زبان از مجموعه‌ای وسیع از کتابخانه‌ها و فریم‌ورک‌ها پشتیبانی می‌کند و این امکان را به شما می‌دهد که برای کار با علم داده انتخابی راحت و بهینه داشته باشید. فریم‌ورک‌ها و کتابخانه‌ها با توجه به کاربرد و هدف مشخص ارائه شده‌اند. شما باید با توجه به نیاز خود از بین آنها انتخاب کنید.

References: https://www.kdnuggets.com/2019/02/python-data-science-beginners.html

نام‌پای (NumPy): این کلمه کوچک‌شده‌ی عبارت «Numerical Python» است. نام‌پای یکی از محبوب‌ترین فریم‌ورک‌ها و پایه‌ای برای ابزارهای سطح بالا در برنامه‌نویسی پایتون برای علم داده است. داشتن درکی عمیق از آرایه‌های نام‌پای به دانشمندان عمل داده کمک می‌کند تا به شکلی بهینه‌تر از Pandas استفاده کنند. انعطاف‌پذیری نام‌پای باعث می‌شود بتوان با آرایه‌ها و ماتریس‌های چندبعدی کار کرد. این فریم‌ورک دارای عملکردهای متعددی مربوط به آمار و اعداد است شامل جبر خطی، تبدیل فوریه، و غیره است. نام‌پای کتابخانه‌ای استاندارد برای محاسبات علمی است و ابزارهای قدرتمند آن قابلیت تلفیق با کُدهای C و C++ را دارند. اگر می‌خواهید در زمینه علم داده به درجه استادی برسید، حتماً باید بر کتابخانه‌ی نام‌پای مسلط باشید.

سای‌پای (SciPy): این یک کتابخانه‌ی متن ‌باز است که برای محاسبات مختلف از جمله پردازش تصویر، یکپارچه سازی، توابع خاص، بهینه‌سازی‌ها، جبر خطی، خوشه بندی و غیره مورد استفاده قرار می‌گیرد. این کتابخانه در کنار نام‌پای استفاده می‌شود تا محاسبات عددی بهینه‌تری را اجرا کند. همچنین، سای‌‎پای برای پردازش تصویر و سیگنال نیز مورد استفاده قرار می‌گیرد.

سای‌کیت (SciKit): این کتابخانه‌ی محبوب برای یادگیری ماشینی در علم داده‌ها با الگوریتم‌های مختلف رده بندی، رگرسیون، کلاسترینگ مورد استفاده قرار می‌گیرد و پشتیبانی لازم برای ماشین‌بردار پشتیبان (vector machines)، بیز ساده (naïve Bayes)، گرادیان تقویتی (gradient boosting) و رگراسیون منطقی را فراهم می‌کند. سای‌کیت طوری طراحی شده که با سای‌پای و نام‌‎پای همکاری داشته باشد.

پانداس (Pandas): این یکی از بهترین و قوی‌ترین کتابخانه‌ها برای تحلیل داده است و نسبت به سایر زبان‌های دامنه-محور مانند R ارجحیت دارد. با استفاده از پانداس، مدیریت داده‌های گمشده راحت‌تر می‌شود، و همچنین کار با داده‌های مختلف که از منابع متعدد ایندکس شده باشند را پشتیبانی می‌کند. ویژگی دیگرش این است که از چیدمان خودکار داده‌ها نیز پشتیبانی می‌کند. همچنین، ابزارهایی برای تحلیل و ساختار داده فراهم می‌کند مانند ابزارهایی برای ادغام، شکل‌دهی یا تقسیم کردن دیتاست‌ها. در نهایت، این کتابخانه برای کار با داده‌های مربوط به سِری‌های زمان بسیار کارآمد است .

مت‌پلات (Matplotlib): مت‌پلات کوتاه‌شده‌ی عبارت Mathematical Plotting Library است. این کتابخانه بیشتر برای مصورسازی داده‌ها توسط رسم پلات‌های سه‌بعدی، هیستوگرام‌ها، پلات عکس، نمودار پراکنش (scatterplot)، نمودار میله‌ای (bar charts) مورد استفاده قرار می‌گیرد. مت‌پلات تقریباً از تمامی پلت‌فرم‌ها از جمله ویندوز، مک، و لینوکس پشتیبانی می‌کند. همچنین، این کتابخانه به عنوان افزونه‌ای برای نام‌پای نیز محسوب می‌شود. مت‌پلات دارای ماژولی به نام pyplot است که برای تصویرسازی مورد استفاده قرار می‌گیرد.

این کتابخانه‌ها بهترین گزینه‌هایی هستند که تازه‌کارهای علم داده می‌توانند در زبان برنامه‌نویسی پایتون از آنها استفاده کنند. در واقع کسانی که تازه کار خود را در علم داده در پایتون شروع کرده‌اند نیاز دارند تا به کتابخانه‌های ذکر شده در لیست بالا تسلط داشته باشند.

 ............................................

جهت کسب اطلاعات بیشتر با ما تماس بگیرید

88929919_021

WWW.MODAMCRM.COM

سخنرانان

محسن یزدی نژاد

محسن یزدی نژاد

مشاور پیاده¬سازی راهکارهای داده¬محور در صنایع بانکی، بیمه، بیمارستان، پخش و تولید

دانشجوی دکتری هوش مصنوعی دانشگاه اصفهان

کارشناسی ارشد مهندسی دانش و علوم تصمیم دانشگاه خوارزمی

مشاور و مدرس داده­کاوی

مشاور پیاده­سازی راهکارهای داده­محور در صنایع بانکی، بیمه، بیمارستان، پخش و تولید

برگزارکنندگان

modamcrm

modamcrm

مرکز دانش مدیریت ارتباط با مشتری

سوالات متداول

پیش‌نیاز های علمی شرکت در این رویداد چیست؟
هیچ پیش نیازی ،نیاز ندارد.
وسایل همراه و مورد نیاز در این رویداد چیست؟
لب تاپ_قلم و کاغذ
بلیت پرینت شود یا خیر؟
بهتر است پیرینت شود.

آدرس:تهران دفتر مرکزی -تهران-تهران-میدان ولیعصر-ساختمان تجارت ایرانیان-طبقه شش- واحد 8