Data Science for Marketing Analytics
ราคา
ซื้อคอร์สนี้ : 3,290.00 ฿
สามารถเรียนที่ไหน เมื่อไหร่ก็ได้ตลอดชีพ
เนื้อหาทั้งหมด 63 วิดีโอ ความยาวรวมกัน 9 ชั่วโมง 42 นาที
หยิบ Use Case จริงของทาง Marketing มาสอน
มี Workshop ให้ทำควบคู่กันไป
สอนโดย Data Scientist จากบริษัทชั้นนำของไทย
เกี่ยวกับคอร์สนี้
คอร์ส Data Science for Marketing Analytics เป็นคอร์สที่พยายามจะสะท้อนให้เห็นว่าการที่เราจะทำ Use Case ทางด้าน Marketing ขึ้นมาจากข้อมูลที่เรามี ... เราจำเป็นต้องใช้สกิลหรือเทคนิคอะไรบ้าง
จุดเด่นของคอร์สที่ต่างจากคอร์สทั่วๆ ไป
1. หยิบ Use Case จริงของทาง Marketing มาสอน ซึ่งสอนทั้งภาคทฤษฎี และมี Workshop ให้ทำควบคู่กันไป
2. ได้เรียนรู้และอัพสกิลทางด้านการวิเคราะห์ข้อมูลที่หลากหลาย เพราะในชีวิตจริงเราปฏิเสธไม่ได้ว่าในการทำงานจริงเราจำเป็นต้องใช้มากกว่า 1 สกิล ซึ่งสกิลการทำ Data Analytics ที่เราจะได้เรียนกันในคอร์สนี้ได้แก่ Python, SQL, Cloud Computing อย่าง AWS
3. เทคนิคการวิเคราะห์ข้อมูลจะสอนทั้งที่เป็น Machine Learning และ ไม่ใช่ Machine Learning นั่นหมายความว่าพอเรียนจบคอร์สผู้เรียนสามารถเลือกหยิบเทคนิคไปใช้ได้ตามความเหมาะสม
สิ่งที่จะได้รับจากคอร์สนี้
1. สกิลการวิเคราะห์ข้อมูลพฤติกรรมของลูกค้าให้ตอบโจทย์ในด้าน Marketing
2. สกิลการเขียนโปรแกรมและการทำ Data Analytics ด้วยภาษา Python และ SQL
3. สกิลการใช้งาน AWS ได้แก่ Amazon S3 และ Amazon SageMaker
4. โค้ดและข้อมูลตัวอย่างที่สามารถนำไปต่อยอดได้
คอร์สนี้เหมาะกับใคร
คนที่สนใจการวิเคราะห์ข้อมูลพฤติกรมของลูกค้าให้ตอบโจทย์ในด้านของ Marketing เช่น นักเรียน นักศึกษา อาจารย์ นักการตลาด Data Analyst Data Scientist หรือบุคคลทั่วไปที่มีความสนใจในศาสตร์การวิเคราะห์ข้อมูล
ผู้เรียนจำเป็นต้องมีพื้นฐาน หรือรู้อะไรมาก่อนไหม ถึงจะสามารถเรียนคอร์สนี้ได้
1. การเขียนโปรแกรมและการทำ Data Analytics เบื้องต้นด้วยภาษา Python
2. ต้องสมัครใช้งาน Google Colab และ AWS Account (สมัครได้ฟรีทั้งหมด ในส่วนของ AWS Account จะมีรายละเอียดขั้นตอนการสมัครในคอร์สเรียน)
ผู้สอน
พรพระ ชำนาญวนิชกุล
ผู้สอนและให้ความรู้ Data Science และ Machine Learning
หลักสูตรของคอร์สนี้
| แนะนำคอร์สออนไลน์ | ||
|---|---|---|
แนะนำคอร์สออนไลน์ ดูตัวอย่างฟรี | 2:10 | |
| Introduction to Course | ||
|---|---|---|
1.1 Course Outlines ดูตัวอย่างฟรี | 7:57 | |
1.2 Prerequisites (แนะนำให้ดูวีดีโอนี้ก่อนทำการลงทะเบียน) ดูตัวอย่างฟรี | 4:45 | |
| แบบทดสอบก่อนเรียน (Pre-Test) |
|---|
| Targeted Marketing | ||
|---|---|---|
2.1 Mass Marketing (lecture) | 5:24 | |
2.2 Segment-based Marketing (lecture) | 7:14 | |
2.3 Personalized Marketing (lecture) | 7:27 | |
2.4 Trend of Data-driven Marketing (lecture) | 5:03 | |
| Basic SQL | ||
|---|---|---|
3.1 Why SQL is Important for Marketing Analytics ? (lecture) | 6:04 | |
3.2 SQL Syntax: Select (lecture) | 9:53 | |
3.3 SQL Syntax: Where, And, Or (lecture) | 6:39 | |
3.4 SQL Syntax: Like, Order By (lecture) | 7:43 | |
3.5 SQL Syntax: Group By (lecture) | 4:05 | |
3.6 SQL Syntax: Join (lecture) | 4:50 | |
3.7 SQL Syntax: Sub-query (lecture) | 3:00 | |
3.8 Query Optimization Techniques (lecture) | 3:57 | |
| Introduction to AWS | ||
|---|---|---|
4.1 Why AWS ? (lecture) | 12:15 | |
4.2 AWS Free Tier (lecture) | 10:01 | |
4.3 Creating an AWS Account (lecture) | 10:08 | |
4.4 Creating an AWS Account (workshop) | 3:24 | |
4.5 Amazon S3 (lecture) | 14:41 | |
4.6 Amazon S3 (workshop) | 6:38 | |
4.7 Amazon SageMaker (lecture) | 14:23 | |
4.8 Amazon SageMaker (workshop) | 5:39 | |
| Pre-analysis | ||
|---|---|---|
5.1 Practice SQL with PandaSQL (lecture) | 8:33 | |
5.2 Practice SQL with PandaSQL (workshop) | 13:18 | |
5.3 Manage AWS with Boto3 (lecture) | 14:49 | |
5.4 Manage AWS with Boto3 (workshop) | 15:39 | |
5.5 Basic Exploratory Data Analysis (EDA) (lecture) | 13:41 | |
5.6 EDA Demographic and Generation Data (workshop) | 11:19 | |
5.7 EDA Store Data (workshop) | 4:36 | |
5.8 EDA Transaction Data (workshop) | 19:42 | |
5.9 EDA Product Data (workshop) | 8:54 | |
5.10 Retention Rate and Cohort Analysis (lecture) | 12:31 | |
5.11 Retention Rate and Cohort Analysis (workshop) | 16:16 | |
| Data Preparation | ||
|---|---|---|
6.1 Data Cleaning (lecture) | 12:00 | |
6.2 Feature Engineering Concepts (lecture) | 12:57 | |
6.3 Feature Engineering Examples for Retail Business (lecture) | 16:44 | |
6.4 Feature Scaling and Selection (lecture) | 8:38 | |
6.5 Data Preparation Part I (workshop) | 16:56 | |
6.6 Data Preparation Part II (workshop) | 7:20 | |
6.7 Data Preparation Part III (workshop) | 3:59 | |
| Analytics Models | ||
|---|---|---|
7.1 Review Machine Learning (lecture) | 12:28 | |
7.2 RFM Analysis (lecture) | 15:11 | |
7.3 RFM Analysis (workshop) | 10:29 | |
7.4 K-Means (lecture) | 17:12 | |
7.5 K-Means Limitation (lecture) | 9:31 | |
7.6 K-Means (workshop) | 14:43 | |
7.7 K-Modes (lecture) | 12:35 | |
7.8 K-Modes (workshop) | 8:10 | |
7.9 K-Prototypes (lecture) | 8:47 | |
7.10 K-Prototypes (workshop) | 8:31 | |
| Customer Persona | ||
|---|---|---|
8.1 Profiling (lecture) | 11:13 | |
8.2 Use Case Recommendation (lecture) | 5:08 | |
8.3 Upload Results to S3 (workshop) | 6:36 | |
8.4 Customer Persona (workshop) | 16:32 | |
| Model Monitoring | ||
|---|---|---|
9.1 Transition Matrix (lecture) | 3:40 | |
9.2 Population Stability Index (lecture) | 6:14 | |
9.3 Model Monitoring (workshop) | 9:24 | |
| Conclusion and Other Practical Techniques | ||
|---|---|---|
10.1 Summary (lecture) | 5:49 | |
10.2 Gaussian Mixture Models (lecture) | 9:26 | |
10.3 AWS EC2 (lecture) | 4:10 | |
10.4 AWS Athena (lecture) | 4:04 | |
10.5 Thank You :) | 1:21 | |
| แบบทดสอบหลังเรียน (Post-Test) |
|---|
| Unused |
|---|
