搜索广告平台实战训练营将带大家实现一个端到端的搜索广告平台：电商数据爬虫，基于map reduce的数据处理，搜索广告后台，大数据处理，该项目可以运用到淘宝，亚马逊，eBay等电商网站上的搜索广告。 课程目标 理论层面：理解搜索广告的基本流程，对Query understanding，Word2Vector和Page Rank有深入的理解；掌握广告检索算法，广告排序算法，广告定价算法和广告位置算法； 实战操作：搭建数据采集用的爬虫，实现搜索广告后台，实现搜索广告的机器学习算法； 广告搜索设计层面：掌握广告数据结构，广告数据爬虫，广告后台业务流程以及核心算法 课程结构 1. 电商搜索广告的基本流程，数据结构。 详解搜索广告的实现原理，实现电商数据爬虫，模拟搜索日志数据的生成等。配置开发环境，包括：Java，MemCache， MySQL, Spark等。 2. 信息检索在广告中的应用。 实现一个基本的搜索广告服务器 v1.0。用Java实现广告的业务流程，包括：用户查询的预处理，基于MemCache建立广告关键字倒排表, 用倒排表选择广告， 计算相关度并排序。 3. 广告核心算法-Query Understanding。 实现搜索广告服务器 v2.0：用extended query查询广告索引，比较返回广告的广度变化。通过实现Query Understanding来克服搜索广告服务器 v1.0的缺陷。用Spark MLlib里的Word2Vector model实现query rewrite, 用Spark Map Reduce处理数据，提取特征，随后应用到算法中。 4.广告核心算法-排序，定价，位置分配。 实现搜索广告服务器 v3.0：优化排序算法，返回相关度更高的广告，实现广告定价和位置分配。详解广告排序算法公式，pClick（点击概率），relevance（相关度）的概念。用Spark MLlib 预测pClick和广告相关度并应用到排序算法中。 项目架构图 讲师介绍 John Senior Software Engineer CS研究生毕业后加入Bloomberg realtime data组, 之后加入Microsoft Bing Ads组从事搜索广告服务后台的研发, 现在就职于硅谷某FLAG公司。 课程主页 https://www.bittiger.io/livecourses/MuSPvHz5JwxCEqqRP 第一节（免费）课时间 美西时间 2月4日 7pm 美东时间 2月4日 10pm 北京时间 2月5日 11am 第一节课注册链接 复制链接或点击阅读原文 https://zoom.us/webinar/register/e2612e1e2cc4e77c34538d7d4481ef37 课程大纲 公众号后台回复“CS209”查看 加入课程讨论群
联系课程负责人 Ada 本文转载于微信公众号: 太阁(bit_tiger)，更多微信文章请扫描关注公众号: |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
