|
|
|
從A/B測試、通用啟發法、吃角子老虎機演算法，到貝氏最佳化
「網頁搜尋、社交網路、手機app，它們每天都在最佳化！
這種概念對許多今後要進行數位化的產業來說不可或缺，也會從根本改變我們在行銷、產品開發和設計的思維。即使不是理工背景，也請從內容感受基於資料的最佳化世界的氛圍。」 -東京大學研究所工學系研究科 人工智慧工程研究中心／技術經營戰略學專攻 教授 松尾豐
只要是網路服務相關開發人員，都無法迴避此課題：提供更好的使用者體驗。本書介紹如何定量評估及改善使用者行為，以達成網路服務的成長。
本書從簡單的A/B測試開始，介紹線性模型、通用啟發法、吃角子老虎機演算法、貝氏最佳化，以及機器學習的各種知識，帶您了解如何用數學方式解決網站最佳化這個現實中的問題。
透過Python範例程式碼與圖表解說的數學模型，仔細解釋機器學習和統計的基礎知識，對於想了解網站最佳化方式與機器學習基礎知識的讀者來說，本書是最適合的選擇。
第1章 從A/B 測試開始：使用貝氏統計入門假說檢定
第2章 機率程式設計：尋求電腦的幫助
第3章 組合測試：分解為元素思考
第4章 通用啟發法：不用統計模型的最佳化方法
第5章 吃角子老虎機演算法：面對測試中的損失
第6章 組合吃角子老虎機：吃角子老虎機演算法遇到統計模型
第7章 貝氏最佳化：處理連續值的解空間
第8章 未來的網站最佳化
附錄A 矩陣運算的基礎
附錄B Logistic 迴歸上的湯普森抽樣
