Prompt Engineering + ML Əsasları daxildir
Biznes üçün ML — Süni İntellekt Dəstəyi ilə
(ML for Business — AI-Assisted)
Prompt Engineering + ML Əsasları daxildir
📋 Qısa təsvir
Real biznes datası üzərində müştəri seqmentasiyası, gəlir proqnozu, müştəri itirmə riski və mənfəət proqnozu qurmağı öyrədən tətbiqi ML təlimi.
~14 saat10 dərs
Bu təlim nə haqqındadır?
Bu kurs nəzəri ML deyil — real biznes datası üzərində, real layihə təcrübəsi ilə qurulmuş tətbiqi proqramdır.
Hər dərsdə konkret bir biznes sualına ML ilə cavab verilir: müştəriləri necə qruplaşdıraq? Gəlir artacaq yoxsa azalacaq? Hansı müştərini itirmək riskiniz var? Hansı xidmət zərərlidir?
Bu kursda kodlamanı əzbərləmirsiniz — süni intellektə düzgün Prompt yazaraq ML modelləri qurursunuz, nəticələri oxuyursunuz və biznes qərarlarına çevirirsiniz.
🏗️ Production-First yanaşma
Bu kurs nəzəri yanaşmaya əsaslanmır. Real biznes layihəsi tam başa çatdırıldıqdan sonra — müştəri seqmentasiyası, gəlir proqnozu, churn analizi, mənfəət proqnozu, rentabellik analizi — bütün proses reverse-engineering (tərs mühəndislik — hazır məhsulun qurulma prosesinin geriyə doğru sənədləşdirilməsi) edilərək strukturlaşdırılıb.
Hər Prompt, hər data hazırlığı addımı, hər model seçimi və optimallaşdırma qərarı praktiki nəticələrlə təsdiqlənmiş formada təqdim olunur. Prompt-first yanaşma ilə production-first yanaşma arasında fundamental fərq var: birincisi fərziyyəyə əsaslanır, ikincisinin arxasında deploy olunmuş, real data üzərində işləyən ML modelləri dayanır.
Kurs materialına əlavə olaraq, layihənin sıfırdan produksiyaya qədər tam qurulma təlimatı (Build Guide) və layihə həyata keçirmə təlimatı (Implementation Guide) təqdim olunur.
📌 Qeyd
Bu kurs ML Əsasları kursunun davamıdır. ML Əsaslarında model növlərini və anlayışları öyrənirsiniz — bu kursda isə onları real biznes datası üzərində tətbiq edirsiniz.
Tövsiyə olunan ardıcıllıq: PE → ML Əsasları → Biznes üçün ML
📌 Təlimin əsas mövzuları
Müştəri seqmentasiyası — RFM analizi + K-Means Clustering
Gəlir proqnozu — Time Series (Prophet) ilə gələcək planlaması
Müştəri itirmə riski (Churn) — Classification ilə risk siyahısı
Mənfəət proqnozu — 3 modelin müqayisəsi (Random Forest, GBR, Linear Regression)
Xidmət/məhsul rentabelliyi — kateqoriya analizi + coğrafi analiz
Anomaliya aşkarlama — Isolation Forest ilə qeyri-adi əməliyyatlar
Master idarə paneli (dashboard) — bütün nəticələr bir yerdə
📚 Kurs strukturu
10 dərs | Ümumi müddət: ~14 saat
| Dərs | Mövzu | Müddət |
|---|---|---|
| 1 | Biznes ML-ə Giriş — Datadan Qərara | 1 saat |
| 2 | Data Hazırlığı və Feature Engineering | 1.5 saat |
| 3 | Müştəri Seqmentasiyası — RFM Analizi | 1.5 saat |
| 4 | Müştəri Seqmentasiyası — K-Means Clustering | 1.5 saat |
| 5 | Gəlir Proqnozu — Time Series (Prophet) | 2 saat |
| 6 | Müştəri İtirmə Riski — Churn Prediction | 1.5 saat |
| 7 | Mənfəət Proqnozu — 3 Model Müqayisəsi | 2 saat |
| 8 | Xidmət / Məhsul Rentabellik Analizi | 1.5 saat |
| 9 | Anomaliya Aşkarlama və Model Qiymətləndirmə | 1 saat |
| 10 | Master İdarə Paneli (Dashboard) və Biznes Hesabat | 1 saat |
| Biznes sualı | ML metod | Nəticə |
|---|---|---|
| Müştəriləri necə qruplaşdıraq? | RFM + K-Means | 4 seqment + strategiya |
| Gəlir artacaq yoxsa azalacaq? | Prophet | 6 aylıq proqnoz + P&L |
| Hansı müştərini itirə bilərik? | Random Forest | Risk siyahısı + tövsiyələr |
| Mənfəət nə qədər olacaq? | RF / GBR / LR | Mənfəət kalkulyatoru |
| Hansı xidmət zərərlidir? | K-Means + Classification | Rentabellik xəritəsi |
| Qeyri-adi əməliyyat var? | Isolation Forest | Anomaliya siyahısı |
🗺️ Kurs Yol Xəritəsi
Həftə-həftə öyrənmə yolunuz
1
Biznes ML-ə Giriş — Datadan Qərara
1 saat2
Data Hazırlığı və Feature Engineering
1.5 saat3
Müştəri Seqmentasiyası — RFM Analizi
1.5 saat4
Müştəri Seqmentasiyası — K-Means Clustering
1.5 saat5
Gəlir Proqnozu — Time Series (Prophet)
2 saat6
Müştəri İtirmə Riski — Churn Prediction
1.5 saat7
Mənfəət Proqnozu — 3 Model Müqayisəsi
2 saat8
Xidmət / Məhsul Rentabellik Analizi
1.5 saat9
Anomaliya Aşkarlama və Model Qiymətləndirmə
1 saat10
Master İdarə Paneli (Dashboard) və Biznes Hesabat
1 saat🎉 Kurs tamamlandı!
Nümunə: Dərsdən bir parça (Dərs 3 — RFM Analizi)
Müştəri seqmentasiyası nədir?
170 müştəriniz var. Hamısına eyni yanaşırsınız? RFM analizi ilə müştəriləri 3 ölçüdə qiymətləndirirsiniz:
• Recency — son əməliyyatdan neçə gün keçib?
• Frequency — neçə dəfə əməliyyat edib?
• Monetary — nə qədər gəlir gətirib?
Nəticə: Model müştəriləri avtomatik 4 qrupa ayırır — Super VIP, Stabil, Risk, Zərərli. Hər qrup üçün fərqli strategiya.
❌ PİS Prompt: "Müştəriləri analiz et."
→ Nəticə: Süni intellekt ümumi cavab verir, heç bir seqment yoxdur.
✅ YAXŞI Prompt: "Bu dataframe-dən hər müştəri üçün RFM hesabla: Recency = son əməliyyatdan keçən gün, Frequency = əməliyyat sayı, Monetary = ümumi gəlir. Hər birini 1-5 bal ilə skorla (pd.qcut). RFM_Score = R+F+M. Nəticəni cədvəl göstər."
→ Nəticə: Süni intellekt hər müştərini skorlayır, seqmentasiyaya hazır data verir.
✍️ Praktika:
Süni intellektə yazın: "K-Means ilə müştəriləri 4 qrupa ayır. Feature: ümumi_gəlir, əməliyyat_sayı, orta_marj, son_əməliyyat_gün. Əvvəl StandardScaler. Hər klasterin ortalama göstəricilərini cədvəl göstər."
📚 Tapşırıq:
Nəticəni professional Excel-ə yazın: Sheet 1 — bütün müştərilər (RFM + seqment), Sheet 2 — seqment xülasəsi, Sheet 3 — top 20 müştəri. Hər seqment üçün 1 cümlə biznes tövsiyəsi yazın.
Nə əldə edirsiniz?
Kurs sonunda əlinizdə:
4 müştəri seqmenti + hər biri üçün strategiya
6 aylıq gəlir proqnozu
Müştəri itirmə risk siyahısı
Mənfəət kalkulyatoru
Xidmət/məhsul rentabellik xəritəsi
Anomaliya siyahısı
Master idarə paneli (dashboard) — hamısı bir yerdə
Tam layihə Promptları + Build Guide + Implementation Guide
Nümunə sahələr
Bu kursda öyrədilən metodologiya istənilən sahəyə tətbiq olunur: pərakəndə satış, istehsal, xidmət sektoru, maliyyə, logistika, tikinti, təhsil, turizm və otelçilik, və digər sahələr.
Biznes sahibləri və menecerlər — datadan strateji qərar vermək istəyənlər
Satış və marketinq mütəxəssisləri — müştəri analizi, proqnoz, seqmentasiya
Maliyyə mütəxəssisləri — gəlir/mənfəət proqnozu, rentabellik analizi
Data analitika ilə məşğul olanlar — ML-i biznesə tətbiq etmək istəyənlər
Vacib qeyd
- Texniki bilik tələb olunmur — kodlama süni intellektə tapşırılır
- ML Əsasları keçilməsə də olar — proqrama daxildir
- Real layihə datası üzərində işləyirsiniz
MRF Works AI Assistant
Online · Powered by AI