Training Python | Bayesian Machine Learning Python A/B Testing

Kursus ini membahas tentang pengujian A/B .

Pengujian A/B digunakan di mana saja. 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 mengatakannya begitu saja tanpa membuktikannya menggunakan angka dan statistik.

Pengujian A/B tradisional sudah ada sejak lama, dan penuh dengan perkiraan dan definisi yang membingungkan.

Dalam kursus ini, sementara kita akan melakukan pengujian A/B tradisional untuk mengapresiasi kompleksitasnya, 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 eksplorasi-eksploitasi .

Anda akan belajar tentang algoritme epsilon-greedy , yang mungkin pernah Anda dengar dalam konteks pembelajaran penguatan .

Kami akan menyempurnakan algoritme greedy epsilon dengan algoritme serupa yang disebut UCB1.

Terakhir, kami akan menyempurnakan keduanya dengan menggunakan pendekatan Bayesian sepenuhnya.

Mengapa metode Bayesian menarik bagi kami dalam pembelajaran mesin?

Ini cara berpikir yang sama sekali berbeda tentang probabilitas.

Ini adalah perubahan paradigma.

Anda mungkin harus kembali ke kursus ini beberapa kali sebelum benar-benar meresap.

Ini juga kuat, dan banyak pakar pembelajaran mesin sering membuat pernyataan tentang bagaimana mereka “berlangganan aliran pemikiran Bayesian”.

Singkatnya – itu akan memberi kita banyak alat baru yang kuat yang dapat kita gunakan dalam pembelajaran mesin.

Hal-hal yang akan Anda pelajari dalam kursus ini tidak hanya berlaku untuk pengujian A/B, tetapi kami menggunakan pengujian A/B sebagai contoh nyata bagaimana teknik Bayesian dapat diterapkan.

Anda akan mempelajari alat dasar metode Bayesian ini – melalui contoh pengujian A/B – dan kemudian Anda akan dapat menerapkan teknik Bayesian tersebut ke model pembelajaran mesin yang lebih canggih di masa mendatang.

Sampai jumpa di kelas!