2017年最新搜索广告平台实战训练营硅谷讲师授课高清视频教程全套附讲义代码

1759262347

课程介绍:

搜索广告平台实战训练营由搜索广告老司机带领同学们一步步从头搭建电商搜索广告平台。该课程不仅涵盖了搜索广告相关的重要数据结构, 算法，业务流程，而且会手把手指导同学们实现电商数据爬虫，电商广告服务器，并用时下最热门的Spark进行大数据处理以及Spark MLlib实现搜索广告相关的算法。
无论你之前对搜索广告了解多少，通过此次课程，你都能对搜索广告核心流程及算法有深入的理解，并且可以让同学们有机会积累大数据处理，机器学习算法，网络服务等实战经验。

这个课程分为四部分：

1. 电商搜索广告的基本流程，数据结构。通过对业务流程,数据结构的详细介绍，首先让同学们对搜索广告的实现原理有基本的了解。随后会指导同学们实现电商数据爬虫，模拟搜索日志数据的生成。此外，老司机还会带领大家配置开发环境，包括：Java，MemCache， MySQL, Spark。这节课结束后，我们后续项目需要的背景知识，数据，开发环境都将准备就绪。

2. 信息检索在广告中的应用。这节课我们会用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。这节课结束后我们将实现一个基本的搜索广告服务器 v1.0。

3. 广告核心算法-Query Understanding。这节课我们会展示上一版本的缺陷并通过实现Query Understanding来克服这个缺陷。我们会用Spark MLlib里的Word2Vector model实现query rewrite, 用Spark Map Reduce处理第一节课准备的数据，提取特征，随后应用到算法中。这节课结束后，我们将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。

4.广告核心算法-排序，定价，位置分配。首先我们将讲解广告排序算法公式，随后引入pClick（点击概率），relevance（相关度）的概念。最后我们会用Spark MLlib 预测pClick和广告相关度并应用到排序算法中。广告商花多少钱，在哪里显示广告？答案会在广告定价算法和位置分配算法中找到。这节课结束后，我们将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。

课程目录：

学习目标
1. 理解搜索广告的业务流程
2. 理解搜索广告的数据结构
3. 设计并实现电商数据爬虫
4. 准备数据
5. 配置环境： Java，MemCache，MySQL, Spark
具体理论课程安排
1. 搜索广告的业务流程
  A.搜索广告概况
  B.搜索广告的数据结构
  C. 搜索广告后台的业务流
2. 数据准备
  A.设计电商数据爬虫
  B. 模拟搜索日志
项目课程安排
1. 配置开发环境
  A. Java
  B. MemCache
  C. MySQL
     D. Spark
2. 实现电商数据爬虫
  Jsoup
3. 模拟搜索日志
  Python
VIEW LESS
Week 2
学习目标
1. 理解信息检索的基础
2. 信息检索在广告中的应用
3. 用Java搭建网络服务


具体理论课程安排
1. 信息检索的基础
  A.信息检索在搜索引擎中的应用
  B.倒排表
  C. 分词
2. 信息检索在广告中的应用
  A. 用户查询的预处理
  B. 建立广告关键字倒排表
  C. 用倒排表选择广告
     D. 计算相关度
3. 网络服务的理论基础
   A. HTTP
  B. Java Servlet
项目课程安排
1. 建立广告数据索引
  A. 用MemCache实现倒排表
  B. 用MySQL实现前向索引:
2. 搭建广告后台服务
  A. 配置本地web服务器运行环境
  B. 用Java serverlet开发广告服务器 v1.0, 并实现广告选择逻辑
  C. 根据相关度排序
VIEW LESS
Week 3
学习目标
1. 理解并实现 Query understanding
2. 学习用Spark map reduce做特征提取
3. 学习用Spark MLlib实现 query understanding

具体理论课程安排
1. 为什么需要 Query understanding
  A.展示上一个版本的缺陷
2. 什么是 Query understanding
  A.Query rewrite
  B.Query intent extraction
3.如何实现 Query understanding
4. Spark Map Reduce 入门

项目课程安排
1. Query rewrite
  A.用spark MLlib 实现Word2Vector model
  B. 用Word2Vector model实现rewritten query并应用到search ads
2. Query intent extraction
  A. 从query生成n-gram sub-query
  B. 从n-gram提取特征
  C.用machine learning找到候选sub-query
  3.实现广告服务器 v2.0 : 用extended query查询广告索引，比较返回广告的广度的变化
VIEW LESS
Week 4
学习目标
1. 用machine learning 改进广告排序算法
2. 理解广告定价算法
3. 理解广告位置算法

具体理论课程安排
1. 改进广告排序算法
  A. 广告排序算法公式
  B.什么是pClick
  C. 如何用machine learning 预测pClick
  D. 如何用machine learning 预测广告相关度
2. 广告定价算法
3. 广告位置算法
项目课程安排
1. pClick 预测
  A.pClick 特征提取
  B. 用machine learning 预测pClick
2. 广告相关度预测
  A. 广告相关度 特征提取
  B. 用machine learning 预测 广告相关度
3. 实现广告服务器 v3.0
  A.实现改进后的排序算法
  B. 跟v2.0的结果比较

游客，如果您要查看本帖隐藏内容请回复

hero2009

下载看看啊

AiLearning

感谢分享!!!

javajojo91

激动人心，无法言表！