2. Data Science in Marketing - super vidéo!

-

Aujourd'hui je vous partage cette vidéo qui explique le rôle de Data Science dans le Marketing!



Que pensez-vous?

Commentaires

Enregistrer un commentaire

Posts les plus consultés de ce blog

1. Data dans le Marketing - Introduction

-
Image
L'augmentation des données non structurées, propulsée par les nouvelles technologies, est en train de basculer les marchés et la gestion des activités de marketing. Malheureusement, ces données restent pour la plupart inexploitées par de nombreuses entreprises, ce qui laisse entrevoir le potentiel de développement de la recherche.  Customer tracking data La possibilité de contrôler et d'analyser les données est devenue de plus en plus accessible ces dernières années, et il est plus que jamais important pour les entreprises de l'utiliser correctement. Les données de parcours en ligne, désormais courantes, conservent les journaux des activités suivantes: d'achat, de recherche, de navigation, de consommation de médias numériques et d'autres actions de navigation sur le web. Les appareils mobiles étendent encore la portée du suivi des activités au monde hors ligne, en enregistrant les emplacements physiques des consommateurs et leurs visites dans les magasins. La prolif...
Lire la suite

7. Introduction à l'algorithme - K-nearest-neighbor

-
Image
Les approches de l'apprentissage automatique basées sur la similarité partent de l'idée que la meilleure façon de faire des prédictions est de simplement regarder ce qui a bien fonctionné dans le passé et de prédire à nouveau la même chose. Nous allons commencer par l'explication des mesures de similarité. L'une des métriques de caractéristiques les plus connues est la distance euclidienne qui calcule la longueur de la ligne droite entre deux points. La distance euclidienne est définie avec la formule mathématique suivante :  Nous choisissons la fonction de distance en fonction des types de données que nous traitons. Si nous avons des données quantitatives du même type (par exemple : poids, salaire, taille, montant du panier, etc.), la distance euclidienne semble être un bon choix. Pour faire une prédiction, l'algorithme KNN va utiliser l'ensemble du jeu de données. En effet, pour une observation qui ne fait pas partie du jeu de données et qui est la valeur ré...
Lire la suite

3. Qu’est-ce que « le Machine Learning » ?

-
Image
Les humains ont toujours rêvé de prédire l’avenir. La mise en œuvre de l’apprentissage automatique a facilité cette ambition. Afin de répondre à la question posée, nous pouvons utiliser la définition suivante :   « Le Machine Learning est un ensemble d'outils statistiques ou géométriques et d'algorithmes informatiques qui permettent à une machine d’apprendre à partir d’un jeu de données, pour ensuite réaliser une tâche, sans avoir été explicitement programmée à cet effet. » Nous pouvons différencier les deux catégories du Machine Learning : Supervisé : les algorithmes supervisés extraient de la connaissance à partir d’un jeu de données. Le modèle apprend la relation entre un ensemble de caractéristiques descriptives et une caractéristique cible. Nous pouvons utiliser ce modèle pour faire des prédictions de nouvelles observations (exemple : Régression). Non supervisé : les algorithmes cherchent à organiser les données en catégories. Dans ce cas, comme l’apprentissage ne présu...
Lire la suite