Python中的贝叶斯机器学习:A / B测试

如果有 UX 或是有成长骇客的经验应该对 A/B 测试不会陌生,在网站或是 App 还没大规模广告行销前先用两款界面来测试用户对于那一种界面会比较喜欢,这在产品处于 MVP 阶段也经常会使用 A/B 测试来验证想法,但是要如何评估收集到的 A/B 测试数据?

最近刚好在看一本书大演算-机器学习的终极算法将如何改变我们的未来,创造新纪元的文明,里面的第六章也介绍了贝叶斯定理,什么是贝叶斯定理?在贝叶斯的内核观念中,它只是一个简单的规则,当你取得新的事证时,更新你对已有假设的信念程度 ( degree of belief ),如果证据与假设一致,这些假设的机率就会上升;如果没有,机率就会下降,关键的问题是当你看到更多的证据时,后验机率究竟如何精准的演变,这个答案就是贝氏定理。

所以当我们在做 A/B 测试的时候要如何透过收集到的证据,然后去验证用户确实会比较喜欢哪一个方案? 如果你也有同样的问题,那么这堂课会教你如何使用 Python 编程去实作贝叶斯机器学习法协助你进行 A/B 测试。

繁體中文課程介紹

从这 5 小时的课程,你会学到

  • 使用自适应算法来提高A / B测试性能
  • 了解贝叶斯与频率统计之间的差异
  • 应用贝叶斯方法进行A / B测试

要求

  • 机率(共同的,临界的,条件分布,连续和离散随机变量,PDF,PMF,CDF)
  • 编程使用 Python 与 Numpy

说明

本课程全部关于 A / B 测试。

无所不在的A / B测试。行销,零售,新闻来源,在线广告等。

A / B测试是关于比较的事情。

如果你是数据科学家,而且你想告诉公司的其他人,“标志A比标识B好”,那么你不能只是说没有使用数字和统计来证明它。

传统的A / B测试已经存在了很长一段时间,它的定义非常近似和混乱。

在这个课程中,虽然我们将进行传统的A / B测试,以了解其复杂性,但我们最终将会得到的是贝叶斯机器学习的方式。

首先,我们将看看是否可以通过自适应方法改进传统的A / B测试。这些都可以帮助你解决探索-开发两难的困境

你将会了解到在强化学习( reinforcement learning )的背景下你可能听说过的 epsilon-greedy 算法。

我们将使用类似于UCB1的算法对 epsilon-greedy 算法进行改进。

最后,我们将透过使用完全贝叶斯方法来改进这两者。

为什么贝叶斯方法在机器学习中会让我们有兴趣?

这是一个完全不同的机率思考的方法。

这是一个典范转移。

在完全下沉之前,你可能需要多次回到本课程。

它也很强大,许多机器学习专家经常就他们如何“订阅贝叶斯思想”作出陈述。

总而言之,这将给我们提供许多强大的新工具,我们可以在机器学习中使用。

你在本课程中学到的东西不仅适用于A / B测试,而是使用A / B测试作为贝叶斯技术应用的具体范例。

你将学习贝叶斯方法的这些基本工具 – 透过A / B测试的范例,然后你将能够将贝叶斯技术带入更高级的机器学习模型。

在课堂上见!

本课程的所有代码可以从我的github下载:/ lazyprogrammer / machine_learning_examples

在目录:ab_testing

确保你总是用 “git pull”,所以你有最新的版本!

你所必须了解的前提/知识

  • 微积分
  • 机率(连续和离散分布,联合,边际,条件,PDF,PMF,CDF,贝叶斯规则)
  • Python 编程:if / else,循环,列表,dicts,集合

技巧(为了要完成整个课程):

  • 使用 2倍速观看。
  • 手写笔记。这将大大增加你保留信息的能力。
  • 写下方进程。如果不这样做,我保证只会看的乱七八糟的。
  • 在讨论板上提出很多问题。越多越好!
  • 意识到大多数练习将花费数天或数周才能完成。
  • 自己编写代码,不要只是坐在那里看我的代码。

有用的上课顺序:

目标受众是谁?

  • 具有技术背景的学生和专业人士希望学习贝叶斯机器学习技术,以应用于他们的数据科学工作

讲师简介

Lazy Programmer Inc. 数据科学家和大数据工程师

我是一名数据科学家、大数据工程师和全端软件工程师。

我有电脑工程的硕士,专长为机器学习和模式辨识。

我曾在网络广告和数字媒体企业担任过数据科学家和大数据工程师,围绕所谓的数据建构各种高流量的 web 服务。我曾经使用 Hadoop / Pig / MapReduce 创建新的大数据管道,也曾创建机器学习模型来预测点击率,使用线性回归、Bayesian Bandits 和协同过滤 ( collaborative filtering )创建新闻推荐系统,并使用A / B测试验证结果。

我曾在大学部与研究所教授数据科学、统计学、机器学习、算法、微积分、电脑图学和物理学,任职的学校如哥伦比亚大学、纽约大学、Hunter 学院和 The New School。

有多家企业已从我的 Web 编程专业知识中受益。我做所有的后端(服务器)、前端(HTML / JS / CSS)和运营/布署工作。 我使用的技术包含:Python、Ruby / Rails、PHP、Bootstrap、jQuery(Javascript)、Backbone 和  Angular。至于保存/数据库,我采用 MySQL、Postgres、Redis、MongoDB等。

英文字幕:有

  • 想要了解如何将英文字幕自动翻译成中文? 请参考这篇 How-To

课程网址 ♥找优惠折扣码?

Sponsored by Udemy

 欢迎使用e-mail订阅 Soft & Share 

发表评论

Powered by WordPress.com.

Up ↑

%d 博主赞过: