After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Te-ai întrebat vreodată cum reușesc companii precum Facebook și Google să îți afișeze reclame atât de bine țintite încât uneori chiar dai click pe ele? În spatele acestui proces rulează modele sofisticate de machine learning care folosesc date bogate despre utilizatori pentru a prezice rata de click (CTR) pentru fiecare persoană care vede acele reclame. Acest curs te va învăța cum să implementezi modele de bază în Python, astfel încât să poți optimiza mai eficient reclamele cu ajutorul machine learning-ului. Folosind date reale despre reclame, vei învăța cum să construiești caracteristici, să antrenezi modele de machine learning și să le evaluezi în contextul predicției CTR. La finalul cursului, vei înțelege în profunzime cum poți aplica machine learning pentru a face reclamele tale mai eficiente.
Cerințe prealabile
Curriculum
Structura cursului
1
Introducere în CTR și tehnici de bază
Cel mai probabil ești pe această pagină pentru că ai dat click pe un link. În acest capitol, vei afla de ce ratele de click (CTR) sunt esențiale în publicitatea țintită, cum să efectuezi operații de bază pe DataFrame-uri și cum poți folosi modele de machine learning pentru a prezice CTR.
- Introducere în ratele de clic50 XP
- Primii pași100 XP
- Explorarea caracteristicilor100 XP
- Prima evaluare a datelor50 XP
- Prezentare generală a modelelor de machine learning50 XP
- Regresie logistică pentru cancerul de sân100 XP
- Regresie logistică pentru imagini100 XP
- Al doilea model de test100 XP
- Predicția CTR folosind arbori de decizie50 XP
- Implementarea modelului100 XP
- Primul model CTR100 XP
- Dincolo de simplă acuratețe100 XP
2
Analiza exploratorie a datelor CTR
Acest capitol pune bazele analizei exploratorii a datelor (EDA). Folosind date de exemplu, vei utiliza biblioteca pandas pentru a examina coloane și tipuri de date, a explora valorile lipsă și a aplica hashing pentru ingineria caracteristicilor categorice. Toate acestea sunt esențiale atunci când explorezi caracteristici pentru o predicție CTR mai precisă.
3
Aplicații și îmbunătățiri ale modelelor
Este momentul să aprofundezi. Descoperă cum poți folosi măsuri de performanță ale modelelor, precum precizia și recall-ul, pentru a răspunde la întrebări reale – de exemplu, evaluarea ROI-ului cheltuielilor publicitare. Vei învăța și modalități de a îmbunătăți aceste metrici, precum metodele de ansamblu și ajustarea hiperparametrilor.
4
Învățare profundă
CTR-ul campaniei tale poate influența semnificativ profiturile. În acest capitol, vei învăța cum poate fi folosită învățarea profundă pentru a reduce acest risc. Te vei concentra pe modelele de tip perceptron multistrat (MLP) și rețele neuronale, și vei vedea cum acestea pot surprinde relații complexe între variabile pentru a prezice CTR cu mai multă acuratețe. În final, vei explora cum să aplici elementele de bază ale ajustării hiperparametrilor și regularizării în modelele de clasificare.
Predicția CTR cu Machine Learning în Python
Curs
finalizat
