• μοντέλο πρόβλεψης    – βασίζεται σε νευρωνικά δίκτυα (Deep Neural Networks)

◦   χρησιμοποιήστε εργαλεία γλώσσας Python, συμπεριλαμβανομένων των Pandas, Numpy, Tensorflow και άλλων.

◦   η χρήση στατιστικής ανάλυσης για την ταξινόμηση του πληθυσμού πελατών

◦   λαμβάνει υπόψη το ιστορικό κάθε πελάτη

◦   καθιστούν δυνατή την πρόβλεψη των υπηρεσιών που μπορεί να ενδιαφέρονται

◦   σάς επιτρέπει να αποκτήσετε ένα σύνολο πελατών που μπορεί να ενδιαφέρονται για μια συγκεκριμένη υπηρεσία

•    διερευνητική ανάλυση – έμφαση στις κανονικότητες που παρακολουθούνται οπτικά και αριθμητικά στη συμπεριφορά των πελατών, λαμβάνει υπόψη στατιστικές διαφορές.

•    χρήση λογικών ορισμάτων – υψηλό επίπεδο ερμηνείας

•    εξαιρετικά διαισθητικές παράμετροι μοντέλου πρόβλεψης

•    ουσιαστική δοκιμή της ευαισθησίας ενός μοντέλου στις παραμέτρους

• μέθοδοι ταξινόμησης    – για ενδελεχή δοκιμή και σύγκριση μοντέλων