Открыто

Байесовское машинное обучение на языке Python: A/B-тестирование - (Курс 15 из 17)

Тема в разделе "Программирование", создана пользователем Красный Кут, 12 мар 2019.

Цена: 28900р.
Взнос: 1948р.

Основной список: 17 участников

  1. Красный Кут

    Красный Кут ЧКЧлен клуба (А)

    Байесовское машинное обучение на языке Python: A/B-тестирование

    Screenshot_61.png
    Автор: Lazy Programmer Inc.
    Формат: транскрибация видео
    Продолжительность: ~ 5.5 ч
    Перевод: Красный Кут

    Тип перевода: Транскрибация с русским переводом

    Решил сделать перевод всех курсов Lazy Programmer Inc. о искусственном интеллекте, машинном обучении,- взяв за основу материалы из этой складчины.

    Другие курсы автора смотрите у меня в подписи

    ЧЕМУ ВЫ НАУЧИТЕСЬ?

    – использовать адаптивные алгоритмы для улучшения производительности A/B-тестирования;
    – понимать разницу между байесовской и частотной статистикой;
    – применять байесовские методы в А/В-тестировании.


    ТРЕБОВАНИЯ

    – теория вероятностей (совместная и безусловная вероятности, условные распределения, непрерывные и дискретные случайные переменные, плотность распределения вероятностей, функция распределения масс, функция распределения);
    – умение писать код на Python с применением инструментария Numpy.
    – дифференциальное счисление;
    – теория вероятностей (непрерывное и дискретное распределение, совместная, безусловная и условная вероятности, плотность распределения вероятностей, функция распределения масс, функция распределения, теорема Байеса);
    – кодирование на языке Python: условный оператор, операторы цикла, списки, словари, наборы;
    – знание библиотек Numpy, Scipy, Matplotlib.


    ОПИСАНИЕ

    Этот курс полностью посвящён А/В-тестированию. А/В-тестирование используются повсюду – в маркетинге, розничной торговле, новостных лентах, интернет-реклама и во многих других сферах.

    А\В-тестирование полностью посвящено сравнению. Если вы специалист по обработке данных и желаете объяснить остальным сотрудникам, что «логотип А лучше логотипа В», то вы не можете просто объявить об этом, не приведя доказательств в виде чисел и статистики.

    Традиционное А/В-тестирование существует уже давно, но оно набито приближениями и запутанными определениями. В этом курсе мы займёмся традиционным А/В-тестированием, чтобы оценить его сложность и в конечном итоге прийти к байесовскому машинному обучению для А/В-тестирования.

    Вначале мы посмотрим, можно ли улучшить традиционное A/B-тестирование с помощью адаптивных методов. Это поможет нам решить так называемую дилемму исследования и использования.

    Вы также изучите эпсилон-жадный алгоритм, о котором, вероятно, слышали в контексте обучения и подкреплением. Мы улучшим эпсилон-жадный алгоритм с помощью схожего алгоритма, который называется UCB1.

    И наконец, мы улучшим их обоих, используя полностью байесовский подход.

    Чем байесовский метод интересен в контексте машинного обучения? Это совершенно другой взгляд на вероятность. Это смена парадигмы. Вам, вероятно, придётся неоднократно возвращаться к этому курсу, пока полностью не освоите заложенные в нём понятия. Это очень мощный подход, и много экспертов в машинном обучении часто делают заявления о том, как они «поддерживают байесовскую школу мысли».

    В итоге, это даст нам много новых мощных инструментов, которые можно использовать в машинном обучении. Материал, изученный вами в этом курсе, применим не только к А/В-тестированию, скорее, использование А/В-тестирование является конкретным примером применения байесовского метода.

    Вы изучите фундаментальные инструменты байесовского метода на примере А/В-тестирования, а в будущем сможете перенести эти байесовские методы в улучшенные модели машинного обучения.

    До встречи на занятиях!

    Источник







     
    3 пользователям это понравилось.
  2. Последние события

    1. Fulerenyum

      Fulerenyum участвует в складчине.

      22 мар 2019 в 22:26
    2. Мстящий Заяц

      Мстящий Заяц участвует в складчине.

      21 мар 2019 в 22:28
    3. MalishP

      MalishP не участвует в складчине.

      21 мар 2019 в 11:28
    4. serg-666

      serg-666 участвует в складчине.

      20 мар 2019 в 11:31
  3. Лапушка Зайка

    Лапушка Зайка ЧКЧлен клуба

Поделиться этой страницей