After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
Facebook이나 Google이 어떻게 때때로 딱 맞는 광고를 보여 주고, 여러분이 그 광고를 클릭하게 되는지 궁금하셨나요? 그 이면에서는 정교한 Machine Learning 모델과 풍부한 사용자 데이터를 활용해 광고를 본 각 사용자에 대한 클릭률(CTR)을 예측하고 있습니다. 이 강의에서는 Python으로 기본 모델을 구현해 보면서 Machine Learning으로 광고 성과를 더 잘 최적화하는 방법을 배웁니다. 실제 광고 데이터를 사용해 특징을 설계하고, 그 특징으로 Machine Learning 모델을 만들고, CTR 예측의 관점에서 모델을 평가하는 과정을 익히게 됩니다. 강의가 끝나면 광고 효과를 높이기 위해 Machine Learning을 어떻게 적용할 수 있는지에 대해 탄탄한 이해를 갖추게 될 거예요.
사전 요구 사항
커리큘럼
코스 개요
1
CTR 소개와 기본 기법
아마도 여러분은 어떤 링크를 클릭해서 이 페이지에 오셨을 거예요. 이 장에서는 타기팅 광고에서 클릭률(CTR)이 왜 중요한지, 기본적인 DataFrame 조작 방법, 그리고 CTR을 예측하기 위해 Machine Learning 모델을 어떻게 활용할 수 있는지 살펴봅니다.
2
CTR 데이터 탐색적 분석
이 장에서는 탐색적 데이터 분석(EDA)의 기초를 다집니다. 예시 데이터를 사용해 pandas 라이브러리로 열과 데이터 타입을 확인하고, 결측치를 탐색하며, 범주형 특징에 해싱을 적용해 특징 공학을 수행해 봅니다. 이는 더 정확한 CTR 예측을 위해 특징을 탐색할 때 모두 중요한 단계입니다.
3
모델 활용과 개선
이제 더 깊이 들어가 볼 시간이에요. 정밀도와 재현율 같은 모델 성능 지표를 활용해 광고비의 ROI 평가와 같은 실제 문제에 답하는 방법을 알아봅니다. 또한 앙상블 방법과 하이퍼파라미터 튜닝처럼 이러한 평가 지표를 개선하는 방법도 배웁니다.
4
Deep Learning
캠페인의 CTR은 수익에 큰 영향을 줄 수 있습니다. 이 장에서는 Deep Learning을 활용해 그 위험을 줄이는 방법을 배웁니다. 다층 퍼셉트론(MLP)과 신경망 모델에 집중하여, 변수 간의 복잡한 관계를 포착해 CTR을 더 정확하게 예측하는 방법을 익힙니다. 마지막으로, 분류 모델에 기본적인 하이퍼파라미터 튜닝과 정규화를 적용하는 방법을 살펴봅니다.
Python으로 Machine Learning을 활용한 CTR 예측
코스
완료
