Bandit algoritmusok a webhelyoptimalizáláshoz: Fejlesztés, telepítés és hibakeresés

Olvasói vélemények

A könyv gyakorlati bevezetésként szolgál a Bandit algoritmusokhoz, különösen a webes optimalizálás kontextusában. A világos magyarázatokat újrafelhasználható Python-kóddal ötvözi, így a témában járatlan olvasók számára is megközelíthetővé teszi. Bár tömör, gyorsan végigolvasható, egyesek szerint hiányzik belőle a mélység és az összes algoritmus átfogó lefedettsége.

⬤ Világos magyarázatok és gyakorlati példák
⬤ újrafelhasználható kód Pythonban
⬤ jó kezdőknek
⬤ analógiák hatékony használata
⬤ gyors tempójú olvasás
⬤ jól strukturált tartalom
⬤ a fogalmak mélyebb megértésére és megvalósítására ösztönöz.

⬤ Rövid terjedelem, ami a kimerítő részletesség hiányát eredményezi
⬤ egyes olvasók úgy érzik, hogy az információk ingyenesen elérhetők online
⬤ a haladó felhasználók számára túl alapszintűnek tűnhet
⬤ nem átfogó az összes elérhető algoritmus lefedésében.

(22 olvasói vélemény alapján)

Eredeti címe:

Bandit Algorithms for Website Optimization: Developing, Deploying, and Debugging

Könyv tartalma:

Amikor a webhelye javításának módjait keresi, hogyan dönti el, hogy milyen változtatásokat hajtson végre? És mely változtatásokat tartsa meg? Ez a tömör könyv megmutatja, hogyan használhatja a Multiarmed Bandit algoritmusokat a webhelyén végrehajtott módosítások valós értékének mérésére. A szerző, John Myles White megmutatja, hogyan segíthet az algoritmusok ezen erőteljes osztálya a webhely forgalmának növelésében, a látogatók vásárlóvá alakításában és a siker számos más mérőszámának növelésében.

Ez az első fejlesztőkre összpontosító könyv a bandit algoritmusokról, amelyeket korábban csak kutatási cikkekben írtak le. Számos egyszerű algoritmus - köztük az epsilon-Greedy, a Softmax és az Upper Confidence Bound (UCB) algoritmus - előnyeit gyorsan megismerheti a Python nyelven írt kódpéldákon keresztül, amelyeket könnyen adaptálhat saját weboldalán való alkalmazáshoz.

⬤ Tanulja meg az A/B tesztelés alapjait--és felismeri, hogy mikor jobb a bandit algoritmusok használata.

⬤ Elkészít egy egységtesztelési keretrendszert a bandit algoritmusok hibakereséséhez.

⬤ Kiegészítő online anyagok segítségével további, Julia, Ruby és JavaScript nyelven írt kódpéldákat kaphat.