-
Présentation du cours
-
Présentation du machine learning
-
Apprentissage supervisé: régression linéaire
-
Travaux dirigés 1
-
Sur-apprentissage et régularisation
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Travaux dirigés 2
-
Sélection de modèle et évaluation
-
- Rejoindre ce cours pour accéder aux ressources
-
Optimisation d’hyperparamètres
-
Travaux dirigés 3
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Apprentissage supervisé: classification
-
- Rejoindre ce cours pour accéder aux ressources
-
Travaux dirigés 4
-
Réduction de dimension
-
- Rejoindre ce cours pour accéder aux ressources
-
Apprentissage supervisé: méthodes à noyaux
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Travaux dirigés 5
-
Apprentissage non-supervisé: clustering
-
Travaux dirigés 6
-
Projet guidé
-
- Rejoindre ce cours pour accéder aux ressources
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Projets non-guidés
5 - Prédiction de l'attrition de clients
Pour les entreprises de télécommunications, il est essentiel d'attirer de nouveaux clients tout en évitant les résiliations de contrats (c'est-à-dire l'attrition) afin de développer leur base génératrice de revenus. Concernant l'attrition, différentes raisons poussent les clients à résilier leurs contrats, telles que de meilleures offres de prix, des forfaits plus intéressants, de mauvaises expériences de service ou des changements dans la situation personnelle des clients.
L'analyse de l'attrition (i.e. churn en anglais) offre des capacités précieuses pour prédire l'attrition des clients et également définir les raisons sous-jacentes qui le motivent. Dans cette optique, les entreprises de télécommunications pourraient décider d'appliquer des modèles de machine learning pour prédire l'attrition sur une base client individuelle et prendre des contre-mesures, telles que des réductions, des offres spéciales ou d'autres gratifications pour fidéliser leurs clients. Par conséquent, dans ce projet, nous imaginerons qu'une entreprise vous demande de prédire si ses clients sont sur le point de résilier en utilisant une approche de machine learning.
Veuillez cliquer sur le lien ci-dessous pour accéder au projet guidé sur la prédiction de l'attrition de clients (i.e. customer churn en anglais):
Les commentaires ne sont pas activés sur ce cours.