or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ที่เข้ามาหน้านี้ได้ก็เพราะคลิกลิงก์มา นั่นแหละคือจุดเริ่มต้น ในบทนี้จะได้เรียนรู้ว่าอัตราการคลิกผ่าน (CTR) มีความสำคัญต่อการโฆษณาแบบเจาะกลุ่มอย่างไร วิธีจัดการ DataFrame เบื้องต้น และวิธีใช้โมเดล machine learning เพื่อพยากรณ์ CTR
บทนี้วางรากฐานสำหรับการวิเคราะห์ข้อมูลเชิงสำรวจ (EDA) โดยใช้ข้อมูลตัวอย่างและไลบรารี pandas เพื่อดูคอลัมน์และประเภทข้อมูล สำรวจข้อมูลที่หายไป และใช้การแฮชเพื่อทำ feature engineering กับ feature เชิงหมวดหมู่ ทั้งหมดนี้เป็นขั้นตอนสำคัญในการสำรวจ feature เพื่อพยากรณ์ CTR ได้แม่นยำยิ่งขึ้น
ถึงเวลาลงลึกมากขึ้น บทนี้จะสอนวิธีใช้ตัววัดประสิทธิภาพโมเดล เช่น precision และ recall เพื่อตอบคำถามในโลกจริง อาทิ การประเมินผลตอบแทนจากการลงทุนในโฆษณา รวมถึงวิธีปรับปรุงตัวชี้วัดเหล่านั้น ด้วยเทคนิค ensemble methods และการปรับ hyperparameter
CTR ของแคมเปญส่งผลโดยตรงต่อกำไร ในบทนี้จะได้เรียนรู้ว่า deep learning ช่วยลดความเสี่ยงนั้นได้อย่างไร โดยมุ่งเน้นที่โมเดล multi-layer perceptron (MLP) และ neural network และเรียนรู้ว่าโมเดลเหล่านี้สามารถจับความสัมพันธ์ที่ซับซ้อนระหว่างตัวแปรเพื่อพยากรณ์ CTR ได้แม่นยำขึ้นอย่างไร สุดท้ายจะได้สำรวจการปรับ hyperparameter และการทำ regularization สำหรับโมเดลจำแนกประเภท
แบบฝึกหัดปัจจุบัน