Data Mining
Corso
A Milano e Roma
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Diretto a
Per aziende
-
Luogo
-
Ore di lezione
7h
Obiettivo del corso: Sfruttare i database di marketing (regressione, ananlisi fattoriale, cluster analysis, alberi decisionali, survival analysis, basket analysis). Rivolto a: Professional e Responsabili del settore Marketing.
Informazioni importanti
Documenti
- Scheda di iscrizione Workshop Data Mining
Sedi e date
Luogo
Inizio del corso
Inizio del corso
Inizio del corso
Profilo del corso
Nessuno.
Opinioni
Programma
Illustrazione delle principali tecniche di Data Mining
Obiettivi, dati, interpretazione dei risultati
Principali vantaggi ed eventuali svantaggi rispetto alle altre metodologie
Modelli Predittivi
Gli Alberi decisionali
- Variabile obiettivo e predittori
- Il processo di costruzione dell'albero e le regole di arresto
- Gli output del modello
- Gestione di costi e guadagni
- Score per le azioni di Direct Marketing
- Valutazione economica dell'attività e ritorni attesi
La Regressione lineare
- Stima di una quantità: il modello lineare
- La gestione delle variabili esplicative
- Costruzione del modello: la selezione delle variabili esplicative (Stepwise, Forward, Backward)
- Interpretazione dell'output (R-quadrato, Beta, Significatività)
- Valutazione della qualità del modello in funzione del numero di variabili e della capacità predittiva
La Regressione logistica
- Stima della probabilità di un evento: il modello logistico
- La gestione delle variabili esplicative
- L'interpretazione dei coefficienti del modello
- La valutazione della qualità del modello
Cenni sulle reti neurali
L'Adattamento del modello
- Valutazione della qualità di un modello
- L'overfitting e i differenti metodi per prevenirlo (campionamento e cross validation)
- Valutazione statistica: Guadagno e lift
- Valutazione economica: Profitti e ROI
La Cluster analysis
- Valutazioni preliminari sui dati
- Trasformazione delle variabili
- Metodi gerarchici (Ward's Method, Between Groups Linkage, Centroid) e non gerarchici (K Means)
- Scelta del numero di cluster e analisi del Dendrogramma
- Analisi dei profili dei cluster
- Verifica delle variazioni nel tempo dei cluster identificati
La Basket analysis
- Rappresentazioni grafiche delle associazioni
- La variabile target
- Gli indicatori della basket analysis (Supporto, Confidenza e Lift)
- Interpretazione e utilizzo delle regole individuate
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Data Mining