Algoritmos Bandit para la optimización de sitios web: Desarrollo, implantación y depuración

Opiniones de los lectores

El libro sirve de introducción práctica a los Algoritmos Bandit, particularmente en el contexto de la optimización web. Combina explicaciones claras con código Python reutilizable, lo que lo hace asequible para los lectores nuevos en el tema. Aunque se trata de una lectura concisa que puede completarse rápidamente, algunos consideran que carece de profundidad y de una cobertura exhaustiva de todos los algoritmos.

⬤ Explicaciones claras y ejemplos prácticos
⬤ código reutilizable en Python
⬤ bueno para principiantes
⬤ uso eficaz de analogías
⬤ lectura rápida
⬤ contenido bien estructurado
⬤ fomenta una comprensión más profunda y la aplicación de los conceptos.

⬤ Corto en extensión, lo que lleva a una falta de detalle exhaustivo
⬤ algunos lectores sienten que la información está disponible gratuitamente en línea
⬤ puede parecer demasiado básico para usuarios avanzados
⬤ no es exhaustivo en la cobertura de todos los algoritmos disponibles.

(basado en 22 opiniones de lectores)

Título original:

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

Contenido del libro:

Cuando busca formas de mejorar su sitio web, ¿cómo decide qué cambios hacer? ¿Y qué cambios mantener? Este conciso libro le muestra cómo utilizar los algoritmos del Bandido Armado Múltiple para medir el valor real de cualquier modificación que realice en su sitio web. El autor, John Myles White, le muestra cómo esta poderosa clase de algoritmos puede ayudarle a aumentar el tráfico de su sitio web, convertir visitantes en clientes y aumentar muchas otras medidas de éxito.

Este es el primer libro centrado en el desarrollo de algoritmos bandit, que anteriormente sólo se describían en artículos de investigación. Aprenderá rápidamente las ventajas de varios algoritmos sencillos, incluidos los algoritmos epsilon-Greedy, Softmax y Upper Confidence Bound (UCB), trabajando con ejemplos de código escritos en Python, que podrá adaptar fácilmente para implementarlos en su propio sitio web.

⬤ Aprenda los fundamentos de las pruebas A/B y reconozca cuándo es mejor utilizar algoritmos bandit.

⬤ Desarrollar un marco de pruebas unitarias para depurar algoritmos bandit.

⬤ Obtenga ejemplos de código adicionales escritos en Julia, Ruby y JavaScript con materiales complementarios en línea.