Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Você já se perguntou como empresas como Facebook e Google conseguem mostrar anúncios tão direcionados que às vezes você acaba clicando? Por trás disso, elas rodam modelos sofisticados de Machine Learning e usam dados ricos de usuários para prever a taxa de cliques (CTR) para cada pessoa que vê esses anúncios. Neste curso, você vai aprender a implementar modelos básicos em Python para entender como otimizar melhor seus anúncios com Machine Learning. Usando dados reais de anúncios, você vai aprender a criar features, construir modelos de Machine Learning com essas features e avaliar seus modelos no contexto de previsão de CTR. Ao final do curso, você terá uma compreensão sólida de como aplicar Machine Learning para tornar seus anúncios mais eficazes.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Introdução ao CTR e Técnicas Básicas
Provavelmente você chegou até aqui porque clicou em um link. Neste capítulo, você vai entender por que as taxas de cliques (CTR) são essenciais para a publicidade direcionada, como fazer manipulações básicas 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
- Visão geral dos modelos de Machine Learning50 XP
- Regressão logística para câncer de mama100 XP
- Regressão logística para imagens100 XP
- Um segundo modelo simples100 XP
- Previsão de CTR usando árvores de decisão50 XP
- Implementação do modelo100 XP
- Seu primeiro modelo de CTR100 XP
- Além da acurácia100 XP
2
Análise Exploratória de Dados de CTR
Este capítulo apresenta as bases da análise exploratória de dados (EDA). Com dados de exemplo, você vai usar a biblioteca pandas para examinar colunas e tipos de dados, explorar dados ausentes e aplicar hashing para fazer engenharia de features em variáveis categóricas. Tudo isso é importante ao explorar features para previsões de CTR mais precisas.
3
Aplicações e Melhorias de Modelos
Hora de ir mais fundo. Veja como usar medidas de desempenho do modelo, incluindo precisão e recall, para responder a perguntas do mundo real, como avaliar o ROI do gasto com anúncios. Você também vai aprender formas de melhorar essas métricas de avaliação, como métodos de ensemble e ajuste de hiperparâmetros.
4
Deep Learning
Os lucros podem ser fortemente impactados pelo CTR da sua campanha. Neste capítulo, você vai aprender como deep learning pode ajudar a reduzir esse risco. O foco será em perceptron multicamadas (MLP) e redes neurais, e em como esses modelos capturam relações complexas entre variáveis para prever o CTR com mais precisão. Por fim, você vai explorar como aplicar noções básicas de ajuste de hiperparâmetros e regularização em modelos de classificação.
Prevendo CTR com Machine Learning em Python
Curso
concluído
