项目背景
点击率预估算法是用来判断一条广告被用户点击的概率,对每次广告的点击做出预测,把用户最有可能点击的广告找出来,是广告技术最重要的算法之一。推送给顾客会最大概率被点击的商品无疑会提高盈利能力。
项目内容
点击率预估问题在发展初期,使用最多的方法就是逻辑回归(LR),LR使用了Sigmoid变换将函数值映射到0~1区间,映射后的函数值就是CTR的预估值。LR属于线性模型,容易并行化,可以轻松处理上亿条数据,但是学习能力十分有限,需要大量的特征工程来增加模型的学习能力。但大量的特征工程耗时耗力同时并不一定会带来效果提升。因此,工业界开始使用深度学习来实现点击率预估算法。诸如阿里巴巴,百度,亚马逊,谷歌等知名科技企业都在使用深度学习的方法实现点击率预估模型。本项目将使用Facebook APP的用户点击数据,使用Python+Tensorflow构建属于自己的神经网络模型对用户的点击率进行预测。
你将收获
- 数据科学硬技能与软实力双提升
- 针对热点课题完成的Python代码与报告
- 与目标专业匹配的对口经历
- 课程与项目证书