Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Qu’ont en commun les recommandations de produits d’Amazon et les suggestions de films de Netflix ? Elles s’appuient toutes deux sur l’Analyse des paniers d’achat, un outil puissant qui transforme de vastes volumes de transactions et d’historiques de visionnage en règles simples pour la promotion et la recommandation de produits. Dans ce cours, vous apprendrez à réaliser une Analyse des paniers d’achat avec l’algorithme Apriori, des métriques standards et personnalisées, des règles d’association, l’agrégation et l’élagage, ainsi que la visualisation. Vous consoliderez ensuite vos nouvelles compétences grâce à des exercices interactifs, en construisant des recommandations pour une petite épicerie, une bibliothèque, un vendeur d’e-books, un détaillant de cadeaux originaux et un service de streaming de films. Au passage, vous mettrez au jour des informations précieuses pour améliorer les recommandations faites aux clients.
Prérequis
Programme de formation
Plan du cours
1
Introduction à l’analyse des paniers d’achat
Dans ce chapitre, vous découvrirez les bases de l’Analyse des paniers d’achat : règles d’association, métriques et élagage. Vous appliquerez ensuite ces concepts pour aider une petite épicerie à améliorer ses actions promotionnelles et l’implantation de ses produits.
- Qu’est-ce que l’analyse de panier ?50 XP
- Les bases de l'analyse du panier d'achat50 XP
- Vente croisée de produits100 XP
- Identifier des règles d’association50 XP
- Antécédents et conséquents multiples100 XP
- Préparer les données pour l’analyse des paniers100 XP
- Générer des règles d’association100 XP
- La métrique la plus simple50 XP
- One-hot encoder des données de transaction100 XP
- Calculer la métrique de support100 XP
2
Règles d’association
Les règles d’association indiquent que deux éléments ou plus sont liés. Les métriques nous permettent de quantifier l’intérêt de ces relations. Dans ce chapitre, vous appliquerez six métriques pour évaluer des règles d’association : support, confiance, lift, conviction, levier et la métrique de Zhang. Vous utiliserez ensuite les règles d’association et ces métriques pour aider une bibliothèque et un vendeur d’e-books.
3
Agrégation et élagage
Le défi central de l’Analyse des paniers d’achat consiste à convertir un très grand nombre de décisions clients en un petit ensemble de règles utiles. Ce processus commence généralement par l’algorithme Apriori et s’appuie sur des stratégies complémentaires, comme l’élagage et l’agrégation. Dans ce chapitre, vous apprendrez à utiliser ces méthodes et les appliquerez dans des exercices où vous aiderez un détaillant à choisir l’agencement d’un magasin physique et à mettre en place des ventes croisées de produits.
4
Visualiser les règles
Dans ce dernier chapitre, vous verrez comment les visualisations guident le processus d’élagage et synthétisent les résultats finaux, qui prennent généralement la forme d’ensembles d’articles ou de règles. Vous maîtriserez les trois visualisations les plus utiles — cartes thermiques, nuages de points et graphiques en coordonnées parallèles — et vous les appliquerez pour aider un service de streaming de films.
Analyse des paniers d’achat en Python
Cours
terminé
