Наука о данных, машинное обучение и методы анализа данных для маркетинга, цифровых медиа, онлайн-рекламы и многого другого

Что вы узнаете

Байесовское машинное обучение в Python: A/B-тестирование

  • Используйте адаптивные алгоритмы для повышения производительности A/B-тестирования
  • Понять разницу между байесовской и частотной статистикой
  • Применение байесовских методов к A/B-тестированию

Требования

  • Вероятность (совместные, маргинальные, условные распределения, непрерывные и дискретные случайные величины, PDF, PMF, CDF)
  • Программирование на Python со стеком Numpy

Описание

Этот курс посвящен A/B-тестированию.

A/B-тестирование используется повсеместно. Маркетинг, розничная торговля, новостные ленты, интернет-реклама и многое другое.

A/B-тестирование — это сравнение вещей.

Если вы специалист по данным и хотите сказать остальной части компании: «Логотип А лучше, чем логотип Б», вы не можете просто сказать это, не доказав это с помощью цифр и статистики.

Традиционное A/B-тестирование существует уже давно, и оно полно приближений и запутанных определений.

В этом курсе мы будем проводить традиционное A/B-тестирование, чтобы оценить его сложность, но в конечном итоге мы придем к байесовскому машинному обучению.

Во-первых, мы посмотрим, сможем ли мы улучшить традиционное A/B-тестирование с помощью адаптивных методов. Все это поможет вам решить дилемму исследовать-эксплуатировать.

Вы узнаете об эпсилон-жадном алгоритме, о котором вы, возможно, слышали в контексте обучения с подкреплением.

Мы улучшим эпсилон-жадный алгоритм с помощью аналогичного алгоритма под названием UCB1.

Наконец, мы улучшим оба из них, используя полностью байесовский подход.

Чем нам интересен байесовский метод в машинном обучении?

Это совершенно другой способ думать о вероятности.

Это смена парадигмы.

Вероятно, вам придется вернуться к этому курсу несколько раз, прежде чем он полностью впитается.

Это также мощно, и многие эксперты по машинному обучению часто делают заявления о том, что они «подписываются на байесовскую школу мысли».

В общем, это даст нам много новых мощных инструментов, которые мы сможем использовать в машинном обучении.

Вещи, которые вы узнаете в этом курсе, применимы не только к A/B-тестированию, но и к тому, что мы используем A/B-тестирование как конкретный пример того, как можно применять байесовские методы.

Вы изучите эти основные инструменты байесовского метода — на примере A/B-тестирования — и затем сможете применить эти байесовские методы к более продвинутым моделям машинного обучения в будущем.

Увидимся в классе!

«Если вы не можете это реализовать, вы этого не понимаете»

  • Или, как сказал великий физик Ричард Фейнман: «То, что я не могу создать, я не понимаю».
  • Мои курсы - ЕДИНСТВЕННЫЕ курсы, на которых вы научитесь реализовывать алгоритмы машинного обучения с нуля.
  • Другие курсы научат вас, как подключать свои данные к библиотеке, но вам нужна помощь с 3 строками кода?
  • Проделав то же самое с 10 наборами данных, вы понимаете, что не узнали 10 вещей. Вы узнали 1 вещь и просто повторили одни и те же 3 строки кода 10 раз…

Предлагаемые предпосылки:

  • Вероятность (совместные, маргинальные, условные распределения, непрерывные и дискретные случайные величины, PDF, PMF, CDF)
  • Программирование на Python: if/else, циклы, списки, словари, наборы
  • Numpy, Scipy, Matplotlib

В КАКОЙ ПОРЯДКЕ ПРОХОДИТЬ ВАШИ КУРСЫ?:

  • Ознакомьтесь с лекцией «Машинное обучение и предварительная дорожная карта ИИ» (доступна в FAQ любого из моих курсов, включая бесплатный курс Numpy)

УНИКАЛЬНЫЕ ЧЕРТЫ

  • Каждая строка кода подробно объясняется — напишите мне в любое время, если вы не согласны
  • Не нужно тратить время на «печатание» на клавиатуре, как на других курсах — давайте будем честными, никто не может написать код, достойный изучения, всего за 20 минут с нуля.
  • Не бойтесь математики университетского уровня — узнайте важные подробности об алгоритмах, которые не учитываются в других курсах.

Для кого этот курс:

  • Студенты и специалисты с техническим образованием, которые хотят изучить методы байесовского машинного обучения, чтобы применить их в своей работе по науке о данных.

Превью Стоимость курса указана на Udemy
https://bit.ly/42RllPX

КУПИТЬ Байесовское машинное обучение в Python: A/B-тестирование за 600 долларов вместо 1300 долларов

МОЙ СЧЕТ PAYPAL
[email protected]

Если вам нужен какой-либо курс, напишите комментарий и свяжитесь со мной через INSTAGRAM
https://bit.ly/3ppPdo0

ИЛИ по электронной почте
[email protected]

МОИ СОЦИАЛЬНЫЕ САЙТЫ
https://bit.ly/3Y0YiA5