Depois de fazer esses cursos, sinto-me confiante para criar visualizaçÔes e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
VocĂȘ jĂĄ se perguntou como empresas como Facebook e Google conseguem mostrar anĂșncios tĂŁo direcionados que Ă s vezes vocĂȘ acaba clicando? Por trĂĄs disso, elas rodam modelos sofisticados de Machine Learning e usam dados ricos de usuĂĄrios para prever a taxa de cliques (CTR) para cada pessoa que vĂȘ esses anĂșncios. Neste curso, vocĂȘ vai aprender a implementar modelos bĂĄsicos em Python para entender como otimizar melhor seus anĂșncios com Machine Learning. Usando dados reais de anĂșncios, vocĂȘ vai aprender a criar features, construir modelos de Machine Learning com essas features e avaliar seus modelos no contexto de previsĂŁo de CTR. Ao final do curso, vocĂȘ terĂĄ uma compreensĂŁo sĂłlida de como aplicar Machine Learning para tornar seus anĂșncios mais eficazes.
Pré-requisitos
Programa de estudos
Descrição do curso
1
Introdução ao CTR e Técnicas Båsicas
Provavelmente vocĂȘ chegou atĂ© aqui porque clicou em um link. Neste capĂtulo, vocĂȘ vai entender por que as taxas de cliques (CTR) sĂŁo essenciais para a publicidade direcionada, como fazer manipulaçÔes bĂĄsicas de DataFrame, e como usar modelos de Machine Learning para prever CTR.
- Introdução às taxas de cliques (CTR)50 XP
- Primeiros passos100 XP
- Exploração de features100 XP
- Primeira avaliação dos dados50 XP
- VisĂŁo geral dos modelos de Machine Learning50 XP
- RegressĂŁo logĂstica para cĂąncer de mama100 XP
- RegressĂŁo logĂstica para imagens100 XP
- Um segundo modelo simples100 XP
- PrevisĂŁo de CTR usando ĂĄrvores de decisĂŁo50 XP
- Implementação do modelo100 XP
- Seu primeiro modelo de CTR100 XP
- Além da acuråcia100 XP
2
AnĂĄlise ExploratĂłria de Dados de CTR
Este capĂtulo apresenta as bases da anĂĄlise exploratĂłria de dados (EDA). Com dados de exemplo, vocĂȘ vai usar a biblioteca pandas para examinar colunas e tipos de dados, explorar dados ausentes e aplicar hashing para fazer engenharia de features em variĂĄveis categĂłricas. Tudo isso Ă© importante ao explorar features para previsĂ”es de CTR mais precisas.
3
AplicaçÔes e Melhorias de Modelos
Hora de ir mais fundo. Veja como usar medidas de desempenho do modelo, incluindo precisĂŁo e recall, para responder a perguntas do mundo real, como avaliar o ROI do gasto com anĂșncios. VocĂȘ tambĂ©m vai aprender formas de melhorar essas mĂ©tricas de avaliação, como mĂ©todos de ensemble e ajuste de hiperparĂąmetros.
4
Deep Learning
Os lucros podem ser fortemente impactados pelo CTR da sua campanha. Neste capĂtulo, vocĂȘ vai aprender como deep learning pode ajudar a reduzir esse risco. O foco serĂĄ em perceptron multicamadas (MLP) e redes neurais, e em como esses modelos capturam relaçÔes complexas entre variĂĄveis para prever o CTR com mais precisĂŁo. Por fim, vocĂȘ vai explorar como aplicar noçÔes bĂĄsicas de ajuste de hiperparĂąmetros e regularização em modelos de classificação.
Prevendo CTR com Machine Learning em Python
Curso
concluĂdo
