After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
Facebook や Google のような企業が、思わずクリックしてしまうほど自分に合った広告をどのように表示しているのか、不思議に思ったことはありませんか？その裏側では、豊富なユーザーデータを用いて、広告を見た各ユーザーのクリック率（CTR）を予測する高度な Machine Learning モデルが動いています。本コースでは、Python で基本的なモデルを実装し、Machine Learning を使って広告をより良く最適化する方法を学びます。実データに基づく広告データを使い、特徴量エンジニアリングを行い、その特徴量で Machine Learning モデルを構築し、CTR 予測の文脈でモデルを評価する一連の流れを体験します。コース修了時には、広告効果を高めるために Machine Learning をどう活用できるか、しっかり理解できているはずです。
前提条件
カリキュラム
コース概要
1
CTR入門と基本テクニック
おそらく皆さんも、リンクをクリックしてこのページに来られたのではないでしょうか。この章では、クリック率（CTR）がターゲティング広告にとってなぜ重要なのか、基本的なDataFrame操作の方法、そして Machine Learning モデルでCTRを予測する手順を学びます。
2
CTRデータの探索的分析
この章では、探索的データ分析（EDA）の基礎を身につけます。サンプルデータを用いて、pandas ライブラリで列やデータ型を確認し、欠損データを調べ、カテゴリカル特徴量に対してハッシュ化を使った特徴量エンジニアリングを行います。これらはすべて、より正確なCTR予測に向けて特徴量を探索するうえで重要です。
3
モデルの活用と改善
ここから一歩踏み込みます。適合率（precision）や再現率（recall）などのモデル性能指標を使って、広告費のROI評価といった実務的な課題にどう答えるかを学びます。さらに、アンサンブル手法やハイパーパラメータチューニングなど、これらの評価指標を改善する方法も紹介します。
4
Deep Learning
キャンペーンのCTRは利益に大きな影響を与えます。この章では、そのリスクを低減するために Deep Learning をどう活用できるかを学びます。多層パーセプトロン（MLP）やニューラルネットワークモデルに焦点を当て、変数間の複雑な関係を捉えてCTRをより高精度に予測する方法を見ていきます。最後に、分類モデルへのハイパーパラメータチューニングと正則化の基本的な適用方法を学びます。
PythonでMachine Learningを使ってCTRを予測する
コース修了
