Cisco-Ausbildung

Insoft Services ist einer der wenigen Schulungsanbieter in EMEAR, der ein umfassendes Angebot an Cisco-Zertifizierungen und spezialisierten Technologieschulungen anbietet.

Lesen Sie mehr

Cisco Zertifizierungen

Erleben Sie einen Blended-Learning-Ansatz, der das Beste aus von Lehrern geleiteten Schulungen und E-Learning zum Selbststudium kombiniert, um sich auf Ihre Zertifizierungsprüfung vorzubereiten.

Lesen Sie mehr

Cisco Learning Credits

Cisco Learning Credits (CLCs) sind Prepaid-Schulungsgutscheine, die direkt bei Cisco eingelöst werden und die Planung für Ihren Erfolg beim Kauf von Cisco-Produkten und -Services erleichtern.

Lösen Sie Ihre CLCs ein

Cisco Continuing Education

Das Cisco Continuing Education Program bietet allen aktiven Zertifizierungsinhabern flexible Optionen zur Rezertifizierung, indem sie eine Vielzahl von in Frage kommenden Schulungselementen absolvieren.

Lesen Sie mehr

Cisco Digital Learning

Zertifizierte Mitarbeiter sind GESCHÄTZTE Vermögenswerte. Erkunden Sie die offizielle Digital Learning Library von Cisco, um sich durch aufgezeichnete Sitzungen weiterzubilden.

CDLL-Katalog

Cisco Business Enablement

Das Cisco Business Enablement Partner Program konzentriert sich auf die Verbesserung der Geschäftsfähigkeiten von Cisco Channel Partnern und Kunden.

Lesen Sie mehr

Cisco Schulungskatalog

Lesen Sie mehr

Technische Zertifizierung

Das Fortinet Network Security Expert (NSE) -Programm ist ein achtstufiges Schulungs- und Zertifizierungsprogramm, um Ingenieuren ihre Netzwerksicherheit für Fortinet FW-Fähigkeiten und -Erfahrungen beizubringen.

Technische Kurse

Fortinet-Ausbildung

Insoft ist als Fortinet Authorized Training Center an ausgewählten Standorten in EMEA anerkannt.

Lesen Sie mehr

Fortinet Schulungskatalog

Lesen Sie mehr

ATC Status

Überprüfen Sie unseren ATC-Status in ausgewählten Ländern in Europa.

Lesen Sie mehr

Fortinet Service-Pakete

Insoft Services hat eine spezielle Lösung entwickelt, um den Prozess der Installation oder Migration zu Fortinet-Produkten zu rationalisieren und zu vereinfachen.

Lesen Sie mehr

Microsoft-Ausbildung

Insoft Services bietet Microsoft-Schulungen in EMEAR an. Wir bieten technische Schulungen und Zertifizierungskurse von Microsoft an, die von erstklassigen Instruktoren geleitet werden.

Technische Kurse

Extreme-Ausbildung

Erfahren Sie außergewöhnliche Kenntnisse und Fähigkeiten von Extreme Networks.

Technische Kurse

Technische Zertifizierung

Wir bieten einen umfassenden Lehrplan für technische Kompetenzen zur Zertifizierung an.

Lesen Sie mehr

Extreme Schulungskatalog

Hier finden Sie alle Extreme Networks online und den von Lehrern geleiteten Kalender für den Klassenraum.

Lesen Sie mehr

ATP-Akkreditierung

Als autorisierter Schulungspartner (ATP) stellt Insoft Services sicher, dass Sie die höchsten verfügbaren Bildungsstandards erhalten.

Lesen Sie mehr

Lösungen & Dienstleistungen

Wir bieten innovative und fortschrittliche Unterstützung bei der Konzeption, Implementierung und Optimierung von IT-Lösungen. Unsere Kundenbasis umfasst einige der größten Telcos weltweit.

Beratungspakete

Ein weltweit anerkanntes Team von zertifizierten Experten unterstützt Sie bei einem reibungsloseren Übergang mit unseren vordefinierten Beratungs-, Installations- und Migrationspaketen für eine breite Palette von Fortinet-Produkten.

Über uns

Insoft bietet autorisierte Schulungs- und Beratungsdienstleistungen für ausgewählte IP-Anbieter. Erfahren Sie, wie wir die Branche revolutionieren.

Lesen Sie mehr
  • +49 6151 277 6496
  • Data Science for Marketing Analytics

    Duration
    3 Tage
    Delivery
    (Online Und Vor Ort)
    Price
    Preis auf Anfrage
    The Data Science for Marketing Analytics course, covers every stage of data analytics, from working with a raw dataset to segmenting a population and modelling different parts of the population based on the segments. The course starts by teaching you how to use Python libraries, such as pandas and Matplotlib, to read data from Python, manipulate it, and create plots, using both categorical and continuous variables. Then, you'll learn how to segment a population into groups and use different clustering techniques to evaluate customer segmentation. As you make your way through the chapters, you'll explore ways to evaluate and select the best segmentation approach and go on to create a linear regression model on customer value data to predict lifetime value. In the concluding chapters, you'll gain an understanding of regression techniques and tools for evaluating regression models and explore ways to predict customer choice using classification algorithms. Finally, you'll apply these techniques to create a churn model for modelling customer product choices. By the end of this course, you will be able to build your own marketing reporting and interactive dashboard solutions.  

    Lesson One: Data Preparation and Cleaning

    • Data Models and Structured Data
    • pandas
    • Data Manipulation

    Lesson Two: Data Exploration and Visualization

    • Identifying the Right Attributes
    • Generating Targeted Insights
    • Visualizing Data

    Lesson Three: Unsupervised Learning: Customer Segmentation

    • Customer Segmentation Methods
    • Similarity and Data Standardization
    • k-means Clustering

    Lesson Four: Choosing the Best Segmentation Approach

    • Choosing the Number of Clusters
    • Different Methods of Clustering
    • Evaluating Clustering

    Lesson Five: Predicting Customer Revenue Using Linear Regression

    • Understanding Regression
    • Feature Engineering for Regression
    • Performing and Interpreting Linear Regression

    Lesson Six: Other Regression Techniques and Tools for Evaluation

    • Evaluating the Accuracy of a Regression Model
    • Using Regularization for Feature Selection
    • Tree-Based Regression Models

    Lesson Seven: Supervised Learning: Predicting Customer Churn

    • Classification Problems
    • Understanding Logistic Regression
    • Creating a Data Science Pipeline

    Lesson Eight: Fine-Tuning Classification Algorithms

    • Support Vector Machine
    • Decision Trees
    • Random Forest
    • Preprocessing Data for Machine Learning Models
    • Model Evaluation
    • Performance Metrics

    Lesson Nine: Modeling Customer Choice

    • Understanding Multiclass Classification
    • Class Imbalanced Data

    Data Science for Marketing Analytics is designed for developers and marketing analysts looking to use new, more sophisticated tools in their marketing analytics efforts.

    It’ll help if you have prior experience of coding in Python and knowledge of high school level mathematics. Some experience with databases, Excel, statistics, or Tableau is useful but not necessary.

     

    Hardware:

    For an optimal student experience, we recommend the following hardware configuration:

    • Processor: Dual Core or better
    • Memory: 4 GB RAM
    • Storage: 10 GB available space

     

    Software:

    You’ll also need the following software installed in advance:

    • Any of the following operating systems: Windows 7 SP1 32/64-bit, Windows 8.1 32/64-bit, or Windows 10 32/64-bit, Ubuntu 14.04 or later, or macOS Sierra or later.
    • Browser: Google Chrome or Mozilla Firefox
    • Conda
    • Python 3.x
    The Data Science for Marketing Analytics course, covers every stage of data analytics, from working with a raw dataset to segmenting a population and modelling different parts of the population based on the segments. The course starts by teaching you how to use Python libraries, such as pandas and Matplotlib, to read data from Python, manipulate it, and create plots, using both categorical and continuous variables. Then, you'll learn how to segment a population into groups and use different clustering techniques to evaluate customer segmentation. As you make your way through the chapters, you'll explore ways to evaluate and select the best segmentation approach and go on to create a linear regression model on customer value data to predict lifetime value. In the concluding chapters, you'll gain an understanding of regression techniques and tools for evaluating regression models and explore ways to predict customer choice using classification algorithms. Finally, you'll apply these techniques to create a churn model for modelling customer product choices. By the end of this course, you will be able to build your own marketing reporting and interactive dashboard solutions.  

    Lesson One: Data Preparation and Cleaning

    • Data Models and Structured Data
    • pandas
    • Data Manipulation

    Lesson Two: Data Exploration and Visualization

    • Identifying the Right Attributes
    • Generating Targeted Insights
    • Visualizing Data

    Lesson Three: Unsupervised Learning: Customer Segmentation

    • Customer Segmentation Methods
    • Similarity and Data Standardization
    • k-means Clustering

    Lesson Four: Choosing the Best Segmentation Approach

    • Choosing the Number of Clusters
    • Different Methods of Clustering
    • Evaluating Clustering

    Lesson Five: Predicting Customer Revenue Using Linear Regression

    • Understanding Regression
    • Feature Engineering for Regression
    • Performing and Interpreting Linear Regression

    Lesson Six: Other Regression Techniques and Tools for Evaluation

    • Evaluating the Accuracy of a Regression Model
    • Using Regularization for Feature Selection
    • Tree-Based Regression Models

    Lesson Seven: Supervised Learning: Predicting Customer Churn

    • Classification Problems
    • Understanding Logistic Regression
    • Creating a Data Science Pipeline

    Lesson Eight: Fine-Tuning Classification Algorithms

    • Support Vector Machine
    • Decision Trees
    • Random Forest
    • Preprocessing Data for Machine Learning Models
    • Model Evaluation
    • Performance Metrics

    Lesson Nine: Modeling Customer Choice

    • Understanding Multiclass Classification
    • Class Imbalanced Data

    Data Science for Marketing Analytics is designed for developers and marketing analysts looking to use new, more sophisticated tools in their marketing analytics efforts.

    It’ll help if you have prior experience of coding in Python and knowledge of high school level mathematics. Some experience with databases, Excel, statistics, or Tableau is useful but not necessary.

     

    Hardware:

    For an optimal student experience, we recommend the following hardware configuration:

    • Processor: Dual Core or better
    • Memory: 4 GB RAM
    • Storage: 10 GB available space

     

    Software:

    You’ll also need the following software installed in advance:

    • Any of the following operating systems: Windows 7 SP1 32/64-bit, Windows 8.1 32/64-bit, or Windows 10 32/64-bit, Ubuntu 14.04 or later, or macOS Sierra or later.
    • Browser: Google Chrome or Mozilla Firefox
    • Conda
    • Python 3.x
      Termine
      Datum auf Anfrage

    Follow Up Courses

    Filter
    • 2 Tage
      Datum auf Anfrage
      Price on Request
      Book Now
    • 3 Tage
      Datum auf Anfrage
      Price on Request
      Book Now
    • 3 Tage
      Datum auf Anfrage
      Price on Request
      Book Now
    • 3 Tage
      Datum auf Anfrage
      Price on Request
      Book Now
    • 2 Tage
      Datum auf Anfrage
      Price on Request
      Book Now
    • 4 Tage
      Datum auf Anfrage
      Price on Request
      Book Now
    • 2 Tage
      Datum auf Anfrage
      Price on Request
      Book Now
    • 3 Tage
      Datum auf Anfrage
      Price on Request
      Book Now

    Know someone who´d be interested in this course?
    Let them know...

    Use the hashtag #InsoftLearning to talk about this course and find students like you on social media.