Avis des lecteurs
Résumé:Ce livre est une introduction pratique aux algorithmes de Bandit, en particulier dans le contexte de l'optimisation web. Il combine des explications claires avec du code Python réutilisable, ce qui le rend accessible aux lecteurs novices en la matière. Bien qu'il s'agisse d'un ouvrage concis qui peut être lu rapidement, certains trouvent qu'il manque de profondeur et d'une couverture complète de tous les algorithmes.
Avantages:⬤ Explications claires et exemples pratiques
⬤ code réutilisable en Python
⬤ bon pour les débutants
⬤ utilisation efficace des analogies
⬤ lecture rapide
⬤ contenu bien structuré
⬤ encourage une compréhension plus profonde et la mise en œuvre des concepts.
⬤ Court, ce qui entraîne un manque de détails exhaustifs
⬤ certains lecteurs estiment que des informations sont disponibles gratuitement en ligne
⬤ peut sembler trop basique pour les utilisateurs avancés
⬤ ne couvre pas de manière exhaustive tous les algorithmes disponibles.
(basé sur 22 avis de lecteurs)
Titre original :
Bandit Algorithms for Website Optimization: Developing, Deploying, and Debugging
Contenu du livre :
Lorsque vous cherchez des moyens d'améliorer votre site web, comment décidez-vous des changements à apporter ? Et quelles modifications conserver ? Ce livre concis vous montre comment utiliser les algorithmes de bandits multiarmés pour mesurer la valeur réelle des modifications que vous apportez à votre site. L'auteur John Myles White vous montre comment cette puissante classe d'algorithmes peut vous aider à augmenter le trafic de votre site web, à convertir les visiteurs en clients et à augmenter de nombreuses autres mesures de succès.
Il s'agit du premier ouvrage axé sur les développeurs et consacré aux algorithmes de bandits, qui n'étaient auparavant décrits que dans des documents de recherche. Vous apprendrez rapidement les avantages de plusieurs algorithmes simples, y compris les algorithmes epsilon-Greedy, Softmax et Upper Confidence Bound (UCB), en travaillant sur des exemples de code écrits en Python, que vous pouvez facilement adapter pour les déployer sur votre propre site Web.
⬤ Apprendre les bases du test A/B - et reconnaître quand il est préférable d'utiliser les algorithmes de bandit.
⬤ Développer un cadre de test unitaire pour déboguer les algorithmes de bandits.
⬤ Obtenir des exemples de code supplémentaires écrits en Julia, Ruby et JavaScript avec du matériel en ligne supplémentaire.
Autres informations sur le livre :
| ISBN : | 9781449341336 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2012 |
| Nombre de pages : | 80 |
Achat:
Actuellement disponible, en stock.
