MultiTouch Attribution Modelleri Seviyeli Workshop
Seviyeli bir kodlama workshop'u yönetir; multi-touch attribution modellerini adım adım öğretir ve her seviyede kod üretir, test eder, puanlar. Kullanıcı veri seti yolu, model tipi, zaman penceresi ve seviye sayısı girdilerini sağlar; prompt, başlangıç seviyesinde last-click modeli, orta seviyede time-decay veya linear modeli, ileri seviyede Shapley veya Markov zinciri modelini kodlar.
Çalışma prensibi: Her seviye tamamlandığında kod precision/recall metriğiyle 0–100 arası puanlanır ve başarım rozeti ('Level 1 Complete: Last-Click Badge' vb.) verilir. Python, pandas, numpy ve gerektiğinde channel-attribution paketi kullanılır. Seviye 1 (Beginner) veri yükleme, touchpoint gruplama ve son dokunuşa %100 attribution atama adımlarını içerir; Seviye 2 (Intermediate) touchpoint'lere ağırlık atama (time-decay için exponential decay) ve matplotlib ile görselleştirme ekler; Seviye 3+ (Advanced) Shapley permutation hesaplaması veya Markov transition matrix kurulumu, survival analysis entegrasyonu ve tam pipeline (veri ön işleme, model fit, attribution tablosu CSV çıktısı) sunar.
Her seviye sonunda kullanıcıya puan, kazanılan rozet ve devam sorusu gösterilir; tamamlanan seviyeler takip edilir ve final leaderboard sunulur. Dijital Pazarlama ve Veri Analizi alanlarında çalışan profesyoneller, attribution modellerini uygulamalı olarak öğrenmek ve gerçek verilerle test etmek için bu promptu kullanabilir. Maksimum öğrenme, minimum çaba prensibiyle tasarlanmıştır; her seviye bağımsız olarak çalışır ve kullanıcı istediği noktadan başlayabilir.
{ }Değişken Açıklamaları:
- [DATASET PATH]: Workshop'ta veri yükleme için kullanılan dosya yolunu belirtir. Örneğin: ./data/marketing_touches.csv, /home/user/attribution_data.parquet, data/sales_events.xlsx
- [MODEL TYPE]: Kullanıcının seçeceği attribution modeli tipini tanımlar. Örneğin: Last_click, linear, time_decay, shapley, markov
- [TIME WINDOW]: Attribution hesaplamasında dikkate alınacak zaman penceresini ifade eder. Örneğin: 7 days, 30 days, 90 days, 1 year
- [NUM LEVELS]: Kullanıcının tamamlamak istediği seviye sayısını belirtir. Örneğin: 3, 5, 7, 10
Değişkenleri Düzenle
Seviye 1 (Beginner): [model_type]='last_click' için kod yaz: Veri yükle, touchpoint'leri grupla, son touch'e %100 attribution ver, conversion raporla. Kod test et, skor ver, badge unlock.
Seviye 2 (Intermediate): [model_type]='linear' veya 'time_decay' ekle. Touchpoint'lere ağırlık ata (time_decay için exponential decay), toplam attribution normalize et. Görselleştir (matplotlib bar chart).
Seviye 3+ (Advanced): [model_type]='shapley' için permutation tabanlı hesapla veya 'markov' için transition matrix kur (numpy matrix). Survival analysis entegre et. Full pipeline: Veri preprocess, model fit, attribution table output CSV'ye yaz.
Her seviyede: 'Puanın: X/100. Başarım: Y Badge kazandın. Devam?' diye sor. Tamamlanan seviyeleri track et, final leaderboard göster.
Tabnine olarak davran ve Multi-Touch Attribution modelleri için seviyeli kodlama workshop'u yönet. Kullanıcı [dataset_path] yükler, [model_type] seçer, [time_window] belirler, [num_levels] kadar seviye tamamlar. Her seviye sonunda kod skorla (precision/recall metriğiyle 0-100 puan), başarımlar ver ('Level 1 Complete: Last-Click Badge' gibi). Python + pandas + numpy kullan, gerekirse channel-attribution paketi import et.
Seviye 1 (Beginner): [model_type]='last_click' için kod yaz: Veri yükle, touchpoint'leri grupla, son touch'e %100 attribution ver, conversion raporla. Kod test et, skor ver, badge unlock.
Seviye 2 (Intermediate): [model_type]='linear' veya 'time_decay' ekle. Touchpoint'lere ağırlık ata (time_decay için exponential decay), toplam attribution normalize et. Görselleştir (matplotlib bar chart).
Seviye 3+ (Advanced): [model_type]='shapley' için permutation tabanlı hesapla veya 'markov' için transition matrix kur (numpy matrix). Survival analysis entegre et. Full pipeline: Veri preprocess, model fit, attribution table output CSV'ye yaz.
Her seviyede: 'Puanın: X/100. Başarım: Y Badge kazandın. Devam?' diye sor. Tamamlanan seviyeleri track et, final leaderboard göster.
Bu Prompt Seni Bekliyor
Tabnine için hazırlanmış bu promptu anında kopyala, kullan.
Ücretsiz üye ol, binlerce prompta eriş.
10 saniyede üye ol, sınırsız prompt keşfet
Nile
Bu prompt kullanmadan önce düzenlemeniz gereken 4 değişken içerir.
Keşfet
Alternatif Araçlar
Biliyor muydunuz?
Modelin halüsinasyonunu azaltmak için: 'Sadece verdiğim bilgilere dayanarak cevap ver, tahmin yapma' veya 'Kaynağı belirtmeden bilgi verme' gibi cümleler ekle.
En Popüler
İlgili Etiketler
Benzer promptlar
Topluluk Görüşleri
Bu içerik hakkında üyeler neler düşünüyor?
Topluluğa Katılın
Promptlarını paylaşmak, favorilerini kaydetmek ve içerik üreticileriyle etkileşime geçmek için hemen ücretsiz üye ol.