Algoritmi Bandit per l'ottimizzazione dei siti web: Sviluppo, implementazione e debug

Recensioni dei lettori

Il libro è un'introduzione pratica agli algoritmi Bandit, in particolare nel contesto dell'ottimizzazione web. Combina spiegazioni chiare con codice Python riutilizzabile, rendendolo accessibile ai lettori che non si avvicinano all'argomento. Sebbene sia una lettura concisa che può essere completata rapidamente, alcuni ritengono che manchi di profondità e di una copertura completa di tutti gli algoritmi.

⬤ Spiegazioni chiare ed esempi pratici
⬤ codice riutilizzabile in Python
⬤ ottimo per i principianti
⬤ uso efficace delle analogie
⬤ lettura veloce
⬤ contenuto ben strutturato
⬤ incoraggia una comprensione più profonda e l'implementazione dei concetti.

⬤ Breve lunghezza, che porta alla mancanza di dettagli esaustivi
⬤ alcuni lettori ritengono che le informazioni siano disponibili gratuitamente online
⬤ può sembrare troppo basilare per gli utenti avanzati
⬤ non esaustivo nel coprire tutti gli algoritmi disponibili.

(basato su 22 recensioni dei lettori)

Titolo originale:

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

Contenuto del libro:

Quando si cerca di migliorare il proprio sito web, come si decide quali modifiche apportare? E quali modifiche mantenere? Questo libro conciso vi mostra come utilizzare gli algoritmi Multiarmed Bandit per misurare il valore reale di qualsiasi modifica apportata al vostro sito. L'autore John Myles White mostra come questa potente classe di algoritmi possa aiutarvi a incrementare il traffico sul sito, a convertire i visitatori in clienti e ad aumentare molte altre misure di successo.

Questo è il primo libro dedicato agli sviluppatori sugli algoritmi bandit, che in precedenza erano descritti solo in articoli di ricerca. Imparerete rapidamente i vantaggi di diversi semplici algoritmi - tra cui gli algoritmi epsilon-Greedy, Softmax e Upper Confidence Bound (UCB) - attraverso esempi di codice scritti in Python, che potrete facilmente adattare per l'implementazione sul vostro sito web.

⬤ Imparare le basi dei test A/B e riconoscere quando è meglio usare gli algoritmi bandit.

⬤ Sviluppare un framework di unit testing per il debug degli algoritmi bandit.

⬤ Ottenere esempi di codice aggiuntivi scritti in Julia, Ruby e JavaScript con materiali online supplementari.