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 tumpukan 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.
Ini juga kuat, dan banyak pakar pembelajaran mesin sering membuat pernyataan tentang bagaimana mereka “berlangganan aliran pemikiran Bayesian”.
Singkatnya – ini akan memberi kita banyak alat baru yang hebat 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.
Untuk siapa kursus ini:
- Mahasiswa dan profesional dengan latar belakang teknis yang ingin mempelajari teknik pembelajaran mesin Bayesian untuk diterapkan pada pekerjaan sains data mereka
