Ilmu Data, Pembelajaran Mesin, dan Teknik Analisis Data untuk Pemasaran, Media Digital, Periklanan Online, dan Lainnya
Apa yang akan Anda pelajari
-
Gunakan algoritme adaptif untuk meningkatkan kinerja pengujian A / B
-
Pahami perbedaan antara statistik Bayesian dan frequentist
-
Terapkan metode Bayesian ke pengujian A / B
Persyaratan
-
Probabilitas (gabungan, marginal, distribusi bersyarat, variabel acak kontinu dan diskrit, PDF, PMF, CDF)
-
Pengodean Python dengan Numpy
Deskripsi
Kursus ini adalah semua tentang pengujian A / B .
Pengujian A / B digunakan di mana-mana. Pemasaran, ritel, umpan berita, iklan online, dan banyak lagi.
Pengujian A / B adalah tentang membandingkan berbagai hal.
Jika Anda seorang ilmuwan data, dan Anda ingin memberi tahu seluruh perusahaan, “logo A lebih baik daripada logo B”, Anda tidak bisa begitu saja mengatakannya tanpa membuktikannya menggunakan angka dan statistik.
Pengujian A / B tradisional telah ada sejak lama, dan penuh dengan perkiraan dan definisi yang membingungkan.
Dalam kursus ini, sementara kita akan melakukan pengujian A / B tradisional untuk menghargai kerumitannya, yang pada akhirnya akan kita dapatkan adalah cara pembelajaran mesin Bayesian dalam melakukan sesuatu.
Pertama, kita akan melihat apakah kita dapat meningkatkan pengujian A / B tradisional dengan metode adaptif. Ini semua membantu Anda memecahkan dilema jelajahi-eksploitasi .
Anda akan belajar tentang algoritma epsilon-greedy , yang mungkin pernah Anda dengar dalam konteks pembelajaran penguatan .
Kami akan memperbaiki algoritma epsilon-greedy dengan algoritma serupa yang disebut UCB1.
Terakhir, kami akan meningkatkan keduanya dengan menggunakan pendekatan Bayesian sepenuhnya.
Mengapa metode Bayesian menarik bagi kami dalam pembelajaran mesin?
Ini adalah cara berpikir yang sama sekali berbeda tentang probabilitas.
Ini adalah perubahan paradigma.
Anda mungkin perlu kembali ke kursus ini beberapa kali sebelum meresap sepenuhnya.
