After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Bạn có bao giờ thắc mắc vì sao các công ty như Facebook và Google có thể hiển thị cho bạn những quảng cáo “trúng ý” đến mức thỉnh thoảng bạn bấm vào không? Đằng sau là các mô hình machine learning tinh vi cùng dữ liệu người dùng phong phú để dự đoán tỷ lệ nhấp (CTR) cho từng người nhìn thấy quảng cáo. Khóa học này sẽ hướng dẫn bạn triển khai các mô hình cơ bản trong Python để tối ưu quảng cáo bằng machine learning. Với dữ liệu quảng cáo thực tế, bạn sẽ học cách kỹ thuật hóa đặc trưng, xây dựng mô hình machine learning từ các đặc trưng đó, và đánh giá mô hình trong bối cảnh dự đoán CTR. Kết thúc khóa học, bạn sẽ hiểu rõ cách áp dụng machine learning để quảng cáo hiệu quả hơn.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu về CTR và các kỹ thuật cơ bản
Rất có thể bạn ở đây vì đã bấm vào một liên kết. Trong chương này, bạn sẽ tìm hiểu vì sao tỷ lệ nhấp (CTR) là trọng tâm của quảng cáo nhắm mục tiêu, cách thao tác cơ bản với DataFrame, và cách dùng các mô hình machine learning để dự đoán CTR.
- Giới thiệu về tỷ lệ nhấp (CTR)50 XP
- Bắt đầu những bước đầu tiên100 XP
- Khám phá đặc trưng100 XP
- Đánh giá sơ bộ dữ liệu50 XP
- Tổng quan về các mô hình Machine Learning50 XP
- Hồi quy logistic cho ung thư vú100 XP
- Hồi quy logistic cho ảnh100 XP
- Một mô hình thử nghiệm thứ hai100 XP
- Dự đoán CTR bằng cây quyết định50 XP
- Triển khai mô hình100 XP
- Mô hình CTR đầu tiên100 XP
- Vượt ra ngoài mỗi độ chính xác100 XP
2
Phân tích dữ liệu CTR khám phá
Chương này cung cấp nền tảng cho phân tích dữ liệu khám phá (EDA). Với dữ liệu mẫu, bạn sẽ dùng thư viện pandas để xem các cột và kiểu dữ liệu, khám phá dữ liệu thiếu, và dùng hashing để kỹ thuật hóa đặc trưng trên các đặc trưng phân loại. Tất cả đều quan trọng khi khám phá đặc trưng nhằm dự đoán CTR chính xác hơn.
3
Ứng dụng và cải tiến mô hình
Đến lúc đi sâu hơn. Tìm hiểu cách dùng các thước đo hiệu năng mô hình như precision và recall để trả lời các câu hỏi thực tế, ví dụ đánh giá ROI cho chi tiêu quảng cáo. Bạn cũng sẽ học các cách cải thiện những chỉ số đó, như phương pháp ensemble và tinh chỉnh siêu tham số.
4
Deep Learning
Lợi nhuận có thể chịu tác động lớn từ CTR của chiến dịch. Trong chương này, bạn sẽ học cách dùng deep learning để giảm rủi ro đó. Trọng tâm là mô hình multi-layer perceptron (MLP) và mạng nơ-ron, và cách chúng nắm bắt các mối quan hệ phức tạp giữa biến để dự đoán CTR chính xác hơn. Cuối cùng, bạn sẽ khám phá cách áp dụng các nguyên tắc cơ bản về tinh chỉnh siêu tham số và regularization cho mô hình phân loại.
Dự đoán CTR với Machine Learning trong Python
Hoàn
thành khóa học
