Conhecimento Matemática Aplicadas Descomplicadas
Conceito de Classificação: baseia-se em prever a categoria de uma observação dada. Aqui, procura-se estimar um “classificador” que gere como saída a classificação qualitativa de um dado não observado com base em dados de entrada (que abrangem observações com classificações já definidas).
Exemplo: um classificador que utilize dados não observados de um cliente e classifique-o como cliente ou não-cliente, famoso churn de cliente.
Projeto desse estudo da disciplina Datascience aplicação dos conceitos de classificação - desafio aprendido na Alura, USP-ESALQ. Atualmente, “Taxa de churn”, ou simplesmente “churn”, algo que preocupa diversos empresários indepente do segmento que representa a taxa de evasão da base de clientes. Em serviços como Spotify, Netflix, GloboPlay, Assinaturas de cursos online, bancários, etc representaria a taxa de cancelamentos de assinaturas. Conhecer essas informações e de suma importância para aplicabilidade de melhorias contínuas no negócio e produtos. O Algoritmo permitirá o monitoramento diário dessa métrica, contínuo e remoto da taxa (churn) pode ser conectado uma arquitetura escalável com power bi, possibilitando que empresários, empregadores, acionistas, etc diversas áreas de negócio, acompanhem a taxa de sáida de clientes da empresa sem a necessidade de cálculos constantes manuais.
Descrição do projeto de classificação, onde se tem um cliente saindo das plataformas , conectado a outras plataformas ou simplesmente cancelamento desses serviços]
- Funcionalidade 1 : Concluída
- Funcionalidade 2 : Andamento
- Funcionalidade 3 : Não iniciada
✔️ Funcionalidade 1: Realizar análise exploratória da base dos clientes, Fazer um pré - processamento com Machine Learning, Identificar o Hyperparâmetro, Concluir Análise
✔️ Funcionalidade 2: Armazenar dados da análise e o algoritmo, como taxa de churn, no banco de dados na Cloud de forma Gratuita.
✔️ Funcionalidade 3: Plotar gráfico com taxa de churn dos clientes.
Você pode acessar o código fonte do projeto da funcionalidade 1
- pandas
- numpy
- Google Colab
Esse projeto passou pelas etapas abaixo
-
- Aprendizado tácito, famosa teoria sobre o machine learning, classificação
-
- Teve uma estrutura de solução no github
-
- Teve uma mensuração e estrutura de um problema
-
- A base de dados foi coletada sem prejudicar nenhuma empresa basseado nas regras LGPD
-
- Limpeza de dados
-
- Ocorreu análise exploratórias de dados
-
- Modelagem de dados foi aplicada
-
- Treinamento dos algooritmos de machine learning
-
- Avaliação da performance dos algoritmos.
-
- Tradução da perfomance em resultados financeiros
-
- Publicação do modelo em produção na Cloud da Google
-
- Storytelling dos resultados ( comunicada no github)
-
- Caso a implementação ocorra em produção haverá um ganho financeiro se a solução fosse implementada.