All language subtitles for 2. Get the Dataset + Project Overview.ar

af Afrikaans
ak Akan
sq Albanian
am Amharic
ar Arabic Download
hy Armenian
az Azerbaijani
eu Basque
be Belarusian
bem Bemba
bn Bengali
bh Bihari
bs Bosnian
br Breton
bg Bulgarian
km Cambodian
ca Catalan
ceb Cebuano
chr Cherokee
ny Chichewa
zh-CN Chinese (Simplified)
zh-TW Chinese (Traditional)
co Corsican
hr Croatian
cs Czech
da Danish
nl Dutch
en English
eo Esperanto
et Estonian
ee Ewe
fo Faroese
tl Filipino
fi Finnish
fr French
fy Frisian
gaa Ga
gl Galician
ka Georgian
de German
el Greek
gn Guarani
gu Gujarati
ht Haitian Creole
ha Hausa
haw Hawaiian
iw Hebrew
hi Hindi
hmn Hmong
hu Hungarian
is Icelandic
ig Igbo
id Indonesian
ia Interlingua
ga Irish
it Italian
ja Japanese
jw Javanese
kn Kannada
kk Kazakh
rw Kinyarwanda
rn Kirundi
kg Kongo
ko Korean
kri Krio (Sierra Leone)
ku Kurdish
ckb Kurdish (Soranî)
ky Kyrgyz
lo Laothian
la Latin
lv Latvian
ln Lingala
lt Lithuanian
loz Lozi
lg Luganda
ach Luo
lb Luxembourgish
mk Macedonian
mg Malagasy
ms Malay
ml Malayalam
mt Maltese
mi Maori
mr Marathi
mfe Mauritian Creole
mo Moldavian
mn Mongolian
my Myanmar (Burmese)
sr-ME Montenegrin
ne Nepali
pcm Nigerian Pidgin
nso Northern Sotho
no Norwegian
nn Norwegian (Nynorsk)
oc Occitan
or Oriya
om Oromo
ps Pashto
fa Persian
pl Polish
pt-BR Portuguese (Brazil)
pt Portuguese (Portugal)
pa Punjabi
qu Quechua
ro Romanian
rm Romansh
nyn Runyakitara
ru Russian
sm Samoan
gd Scots Gaelic
sr Serbian
sh Serbo-Croatian
st Sesotho
tn Setswana
crs Seychellois Creole
sn Shona
sd Sindhi
si Sinhalese
sk Slovak
sl Slovenian
so Somali
es Spanish
es-419 Spanish (Latin American)
su Sundanese
sw Swahili
sv Swedish
tg Tajik
ta Tamil
tt Tatar
te Telugu
th Thai
ti Tigrinya
to Tonga
lua Tshiluba
tum Tumbuka
tr Turkish
tk Turkmen
tw Twi
ug Uighur
uk Ukrainian
ur Urdu
uz Uzbek
vi Vietnamese
cy Welsh
wo Wolof
xh Xhosa
yi Yiddish
yo Yoruba
zu Zulu

Original subtitles

حسنًا ، حتى تحصل على مجموعة البيانات التي تحتاجها للذهاب إلى سوبر دوت يعين تدريب dot com slash ، ثم

إذا قمت بالتمرير لأسفل في الجزء الأول ، فنحن بحاجة إلى هذا القسم لكيفية استخدام Tablo لاستخراج البيانات

مجموعة البيانات هذه.

لذا بمجرد تنزيله ، أعتقد أنه يبلغ بضعة ميغا بايت.

ثم إذا انتقلت إلى قسم القرارات أو كان هذا المجلد الذي قمت بإنشائه سطح المكتب الخاص

بي يحتوي على ثلاثة أقسام لهذا الجزء من الدورة التدريبية ثم قم بإجراء التحقيق.

هناك نمذجة زبد أوه ، أقل بقليل من ميغا بايت.

لذلك سنقوم بفتح هذا في Excel.

اسمحوا لي فقط هذا هنا.

والشيء المثير للاهتمام حول مجموعة البيانات هذه هو أنها في الواقع نفس

المجموعة التي سنستخدمها لنمذجة المسار في الجزء التالي من الدورة التدريبية.

وبالتالي تحصل على نوع من نظرة خاطفة على ما يمكن توقعه.

إنه أمر جيد دائمًا ، وهذه هي الطريقة التي تقوم بها عادةً في مشروع علمي ، حيث ستقوم بالتحقيق في بياناتك

وتعيين عقلك للحصول على البيانات ، وبعد ذلك بعد الحصول على بعض الأفكار ، يمكنك المضي قدمًا عندها فقط

وإنشاء النموذج.

لذا نوعًا ما نقوم به في التسلسل الزمني الصحيح على أي حال.

فماذا تفعل هذه البيانات.

إنها جرعة كبيرة جدًا.

يحتوي على 10000 صف.

لقد حصلت على عدد غير قليل من الأعمدة.

هذه قائمة عملاء البنك.

بالطبع قاموس الكبريت.

لذلك ليست هناك قائمة حقيقية لعملاء أحد البنوك ومعرف العميل. هنا.

لقد حصلوا على ألقابهم أو الدرجة الائتمانية للشخص الذي ظهر فيه الشخص.

لذا اسمحوا لي أن أشرح الوضع.

يوجد هذا بنك في أوروبا يعمل في ثلاث دول فرنسا وإسبانيا وألمانيا

.

ولديها الكثير من العملاء ، لكنهم رأوا مؤخرًا أنهم يرون مشكلة ، فقد ترك الكثير من العملاء بنوكهم

كما هو الحال في معدلات الإزعاج غير العادية ، لذا فإن الاضطراب يحدث عندما يغادر الأشخاص الشركة

وشيء لم يعتادوا رؤيته وقد قرروا تعيينك كعدد كبير من العلماء للتحقيق

في هذا الموقف وإخبارهم بما يجري بالضبط وإعطائهم بعض الأفكار حول

حتى يتمكنوا من التوصل إلى طرق لإصلاحها.

لذا فإن ما تمثله مجموعة البيانات هذه هو أنه ليس كل عملائها بنكًا ضخمًا.

هذه مجرد عينة صغيرة من عملائهم وما

فعلوه هو أنهم أخذوا هذه اللقطة لعملائهم.

أخذوا 10000 عميل اختاروا عشوائيًا 10000 عميل ، ثم قالوا حسنًا ، دعنا نكتشف كل ما

في وسعنا عنهم ، العميل ، جغرافيا درجة ائتمان اللقب ، حيث يُصرفون عمر الجنس إلى متى

لقد كانوا مع البنك الذي يبلغ رصيده لمدة عشر سنوات عدد المنتجات التي لديهم للبنوك التي لديهم

لديك بطاقة ائتمان أو قرض ربما حساب توفير ، هل لديهم بطاقة ائتمان أم لا.

هل هم أعضاء نشطون ، فهل قاموا بتسجيل الدخول إلى الخدمات المصرفية

عبر الإنترنت في الشهر الماضي أو قد يكون تعريف ذلك مختلفًا.

يمكن ان يكون.

هل قاموا بتسجيل الدخول إلى الخدمات المصرفية عبر الإنترنت الشهر الماضي أم يمكنهم ذلك.

يمكن أن يكون.

هل أجروا معاملة في الشهرين الماضيين أو شيء من هذا القبيل حتى يمكن أن يكون أي شيء

ولكنهم أعطوك هذا المتغير كعلم حتى تتمكن من المضي قدمًا واستخدامه الآن وبعد ذلك كما تفعل

تعرف على التعريف لأنها توفر لك المتغير أو يمكنك معرفة ما إذا وجدت ذلك لاحقًا

راتب تقديري شفهي مهم ، لذا تعتقد البنوك أنها تكسبه لأنهم لا يستطيعون أن

يخبروا أنهم لا يستطيعون أن يعرفوا تلك المعلومات التي قدروا الراتب ثم قاموا بها

لم يكن لديك هذا العمود في الأصل.

إذن ما فعلوه هو أنهم اكتشفوا كل هذه المعلومات وهذه هي الطريقة التي تتم بها هذه الأشياء بشكل طبيعي

.

الصحيح.

لذلك عندما تكون لديك مشكلة ، فأنت تريد إجراء اختبار.

لذلك وجدوا هؤلاء العملاء البالغ عددهم 10000 عميل بشكل عشوائي ، وقاموا بتحويل المعلومات المتعلقة بهم

، ثم قالوا حسنًا ، لذلك تمكنا من مشاهدة هؤلاء العملاء لمدة ستة أشهر وفي غضون ستة أشهر نريد معرفة

من الذي سيغادره هؤلاء العملاء ومن سيبقى هؤلاء العملاء وهذه هي طريقة كولما هنا.

لذا بعد ستة أشهر عادوا إلى هذه القائمة وقاموا بالتحقق منها.

طيب من غادر البنك.

وإذا غادر الشخص البنك ليبقى شخص واحد ثابتًا إذا وضع البنك صفرًا.

ما يعنيه هذا في الأساس هو أن لديك بعض المعلومات للعملاء

التي تم قياسها قبل ستة أشهر من وقوع الحدث أو القياس الثاني.

وبعد ذلك عندما أجري القياس الثاني نوعًا ما.

لا لا.

ستة أشهر على المسار الصحيح.

العملاء الذين من المرجح أن يغادروا أو العملاء الذين غادروا بالفعل.

ومن هذه المعلومات ، كل هذه المعلومات معًا هنا تحتاج إلى استخلاص بعض الأفكار للبنك

وإخبارهم حسنًا ، ربما تعرف أشياء مثل يمكنك ملاحظة بعض الاتجاهات أو بعض السلوكيات

الميول لذلك كل هذا سوف يكون تحليل تجزئة سلوكية سيكون ممتعًا.

سننظر ، على سبيل المثال ، في احتمال مغادرة

الإناث للبنك والذكور ، وهذا يمكن أن يكون منطقيًا.

إنها أبت أساسية تريد رؤيتها.

حسنا.

كم عدد الزبونات اللواتي تركن عدد العملاء الذكور المتبقيين من كل هذه الإجماليات.

ومن الواضح أنه يجب عليك تطبيعها من خلال العدد الإجمالي للعملاء

الإناث والذكور لأن هذا ربما سيكون غير متناسب على أي حال.

ثم تريد معرفة ذلك.

بناءً على هذا العمود ، من المرجح أن يكون زميلًا للإناث أو الذكور أم أنه متساوٍ.

وبعد ذلك تقوم بإبلاغ البنك في ولاية يوتا بذلك.

نعم.

تخيل في الواقع إذا رأيت أن الزبونات فقط يغادرن.

ما هي قيمة ذلك بالنسبة للبنك.

سيكونون مثل أوه ، نحن بالتأكيد نفعل شيئًا خاطئًا ونحتاج إلى تلبية هذا القطاع بشكل

عام من السوق والتأكد من أن عرضنا هو أنك تعرف الشيء الصحيح بالضبط ما يبحثون عنه ربما

هناك بنك منافس تعرفه في البعض في إحدى المناطق ، وهناك بنك آخر

تأخذنا من هذا البنك مع جميع العملاء.

لذلك هناك الكثير من الأشياء التي قد تكون قادرًا

على اكتشافها وستجدها في القصص القادمة ستكون ممتعة.

وهذه هي الطريقة التي تتحقق فيها من معرفة كيفية التحقق من مجموعات البيانات

مثل هذه ، لذا ابحث عن التبعيات عندما يكون لديك نتيجة ثنائية ولا تحبها.

لا يجب أن تكون بيانات العملاء.

لذلك بالنسبة للكثير من المؤسسات التي تركز على العملاء ، سيكون هذا أمرًا ذا قيمة.

لذلك فعلت هذا شخصيًا ، لقد فعلت ذلك مرات عديدة ،

إنها قيمة مضافة إلى أي مؤسسة تتمحور حول العملاء.

لذلك كلما تعاملت مؤسسة مع العملاء ، يكون هذا ذا قيمة كبيرة.

هذا هو أننا نغامر ببطء في كنيسة التجزئة ومن ثم الشيء الآخر هو أنه حتى لو كانت

مؤسستك لا تتعامل بشكل مباشر مع العملاء ، فليس لديك Darcis مثل هذا أو كبيانات

عالمًا تعمل في مشاريع مختلفة ، ستظل تجد الكثير من الأفكار القيمة حول

كيفية إجراء اختبارات B و Tablo حول كيفية العمل مع اختبارات chi square.

ما يعنونه أساسًا وحتى مجرد العمل مع Tablo سيكون ذا قيمة كبيرة

إلى جانب تعلم كيفية العمل مع Sabby Tablo سيكون ذا قيمة في الطريق.

لذلك دون مزيد من اللغط ، دعنا ندخله مباشرة.

سنبدأ في البرنامج التعليمي التالي وأتطلع إلى رؤيتك هناك.

Can't find what you're looking for?
Get subtitles in any language from opensubtitles.com, and translate them here.