MLD106 · Aprendizado não supervisionado: agrupamento e segmentação
Sobre o curso
Encontre grupos naturais de clientes, produtos e transações com agrupamento e redução de dimensionalidade e transforme-os em segmentos que o negócio consegue usar.
Para quem é
Analistas, profissionais de marketing e de dados que querem segmentar clientes ou produtos com base em dados.
Pré-requisitos
MLD103 e MLD105, ou experiência equivalente com pandas, visualização e pipelines do scikit-learn.
O que você será capaz de fazer
- Preparar variáveis para agrupamento com padronização e transformações adequadas
- Aplicar k-means, agrupamento hierárquico e DBSCAN e escolher o número de grupos com base em evidências
- Usar PCA para reduzir dimensões e visualizar a estrutura dos grupos
- Descrever, nomear e validar segmentos e recomendar ações específicas para cada um
Aulas
- Aula 1 · Fundamentos de agrupamento e k-means
- Aula 2 · Outros métodos e redução de dimensionalidade
- Aula 3 · Dos grupos aos segmentos de negócio
- Aula 4 · Laboratório e atividade
Laboratório: Segmentação RFM de clientes de uma loja virtual
Com dois anos de transações de uma pequena loja virtual de presentes, você vai calcular recência, frequência e valor monetário de cada cliente, agrupar os clientes com k-means e comparar o resultado com o agrupamento hierárquico. Vai descrever cada segmento e propor uma ação de marketing para ele.
Ferramentas gratuitas: Google Colab (gratuito) com pandas, scikit-learn, matplotlib e seaborn
Atividade avaliada
Segmente clientes, produtos ou unidades de um pequeno negócio usando o conjunto de dados de pet shop fornecido ou dados próprios anonimizados. Entregue um notebook que justifique a escolha das variáveis e da padronização, compare pelo menos dois métodos de agrupamento, escolha o número de segmentos com evidências quantitativas e de negócio e verifique a estabilidade rodando de novo em uma reamostragem. Escreva um manual de segmentos de duas páginas com perfil, nome, tamanho e uma ação concreta e mensurável para cada segmento.
| Critério | Peso | Como é um trabalho excelente |
|---|---|---|
| Preparação das variáveis | 20% | Variáveis adequadas ao objetivo do negócio, transformadas e padronizadas de forma apropriada, com as escolhas explicadas. |
| Método e escolha | 30% | Pelo menos dois métodos comparados e número de grupos escolhido com métricas, estabilidade e interpretabilidade. |
| Perfil e validação | 25% | Segmentos descritos com estatísticas e visualizações claras e estabilidade verificada. |
| Manual acionável | 25% | Cada segmento tem nome significativo, tamanho e uma ação específica e mensurável que a empresa poderia testar. |
Peça de portfólio
Um notebook de segmentação de clientes e um manual de segmentos com perfis e ações recomendadas.
Próximo passo
Continue com MLD107 · Avaliação, ajuste e explicabilidade de modelos · 8 horas · R$ 80,00
Conteúdo do curso
MLD106 · Aprendizado não supervisionado: agrupamento e segmentação (8 h)
-
Aula 1 · Fundamentos de agrupamento e k-means
-
Aula 2 · Outros métodos e redução de dimensionalidade
-
Aula 3 · Dos grupos aos segmentos de negócio
-
Aula 4 · Laboratório e atividade
-
MLD106 Avaliação · Aprendizado não supervisionado: agrupamento e segmentação