久久久自慰一区,欧美精品黑人粗大破除,伊人查蕉在线观看国产精品

這是一部從工程實踐角度講解互聯(lián)網廣告系統(tǒng)的業(yè)務價值、產品形態(tài)、架構設計、技術選型、落地方法論、實施路徑和行業(yè)案例的著作，是作者在Google和騰訊從事廣告系統(tǒng)架構設計與工程實現的10余年經驗總結。
通過本書，你將掌握以下內容：
（1）互聯(lián)網廣告的生態(tài)和產品形態(tài)
首先介紹了谷歌、Meta、亞馬遜、微軟等主要在線廣告平臺；然后介紹了主要在線廣告網絡和程序化購買生態(tài)；蕞后介紹了在線廣告產品形態(tài)，包括在線廣告的投遞方式和計費方式。主要目的是幫助讀者建立對互聯(lián)網廣告生態(tài)的宏觀認知。
（2）廣告投放系統(tǒng)的架構與設計
結合Facebook Marketing、Google Ads、Twitter Ads等廣告平臺講解了廣告投放系統(tǒng)，主要內容包括廣告的層級結構、三個廣告平臺API的特點及用法演示，以及API的基本設計原則和設計方法論。讀者可以從本章中學到現代廣告系統(tǒng)投放子系統(tǒng)的設計思想。
（3）廣告系統(tǒng)的設計方法論
互聯(lián)網廣告系統(tǒng)的規(guī)模往往比較大，詳細介紹了以分布式系統(tǒng)為代表的大規(guī)模網絡系統(tǒng)的架構設計方法論，為讀者設計廣告系統(tǒng)打下基礎。
（4）廣告系統(tǒng)的工程架構
詳細講解了廣告播放系統(tǒng)的架構設計、廣告系統(tǒng)的數據架構設計、廣告系統(tǒng)中的A/B測試等。
（5）廣告策略系統(tǒng)的架構設計
首先介紹了廣告競價原理和廣告策略系統(tǒng)設計；然后講解了廣告系統(tǒng)預估子系統(tǒng)，包括預估模型數據處理、常用的模型評價方法與指標、常用的模型訓練方法，以及新廣告點擊率預估和轉化率預估。
本書系統(tǒng)闡述了互聯(lián)網廣告系統(tǒng)設計的方方面面，對廣告系統(tǒng)、推薦系統(tǒng)、大數據系統(tǒng)的建設具有很高的參考價值。

序
前　言
第1章　互聯(lián)網廣告生態(tài)1
　1.1　互聯(lián)網廣告生態(tài)的參與者1
1.1.1　主要在線廣告平臺2
1.1.2　主要在線廣告網絡8
1.1.3　程序化購買生態(tài)12
　1.2　在線廣告產品形態(tài)15
1.2.1　在線廣告的投遞方式15
1.2.2　在線廣告的計費方式18
　1.3　本章小結19
第2章　廣告投放系統(tǒng)20
　2.1　廣告層級結構20
2.1.1　Facebook Marketing廣告層級結構20
2.1.2　Google Ads廣告層級結構22
2.1.3　Twitter Ads廣告層級結構25
　2.2　API的基本設計原則26
2.2.1　API的價值性27
2.2.2　API的規(guī)劃性28
2.2.3　API的靈活性30
2.2.4　API的可管理性32
2.2.5　API的可支持性34
　2.3　廣告平臺API36
2.3.1　Google Ads API37
2.3.2　Facebook Marketing API40
2.3.3　Twitter Ads API50
　2.4　本章小結57
第3章　大規(guī)模網絡系統(tǒng)架構
設計58
　3.1　大規(guī)模網絡系統(tǒng)歷史背景58
　3.2　分布式集群管理系統(tǒng)59
3.2.1　Docker簡介61
3.2.2　微服務技術簡介63
3.2.3　Kubernetes簡介64
　3.3　分布式文件系統(tǒng)66
3.3.1　GFS66
3.3.2　HDFS68
　3.4　分布式存儲69
3.4.1　分布式存儲介紹69
3.4.2　HBase介紹70
　3.5　分布式共識服務72
3.5.1　分布式共識算法介紹72
3.5.2　ZooKeeper使用場景73
　3.6　負載均衡76
3.6.1　前端請求的負載均衡76
3.6.2　數據中心內部的負載
均衡77
　3.7　監(jiān)控與告警系統(tǒng)77
　3.8　網絡服務接口規(guī)范78
3.8.1　RESTful介紹79
3.8.2　GraphQL介紹79
3.8.3　RPC介紹81
　3.9　本章小結84
第4章　廣告播放系統(tǒng)架構設計85
　4.1　廣告播放系統(tǒng)架構85
　4.2　數據ETL模塊86
4.2.1　數據提取87
4.2.2　數據轉換91
4.2.3　數據加載92
　4.3　檢索模塊95
4.3.1　文本檢索技術96
4.3.2　布爾檢索103
4.3.3　近鄰搜索119
　4.4　本章小結129
第5章　廣告系統(tǒng)數據架構設計130
　5.1　廣告系統(tǒng)數據架構130
　5.2　廣告系統(tǒng)數據類型131
5.2.1　廣告元數據131
5.2.2　廣告日志數據133
5.2.3　用戶畫像數據134
5.2.4　廣告上下文數據147
5.2.5　廣告主私有數據與
再營銷148
　5.3　數據管理平臺150
5.3.1　數據管理平臺簡介150
5.3.2　相似受眾擴展153
　5.4　特征工程平臺157
5.4.1　特征生產157
5.4.2　特征補錄與訓練樣本
數據流159
5.4.3　特征存儲161
5.4.4　特征處理算法162
5.4.5　建設統(tǒng)一特征工程平臺的
必要性165
　5.5　本章小結165
第6章　A/B測試與互聯(lián)網廣告166
　6.1　A/B測試介紹166
　6.2　收集實驗數據167
6.2.1　流量管理168
6.2.2　流量分層169
　6.3　實驗數據分析176
6.3.1　大數定律與中心極限定理176
6.3.2　A/B測試中的樣本量
估計179
6.3.3　辛普森悖論181
6.3.4　Mantel-Haenszel指標182
6.3.5　分桶與Jackknife重
采樣186
　6.4　實驗信息管理191
　6.5　A/B測試的廣告應用場景194
　6.6　本章小結194
第7章　廣告系統(tǒng)策略195
　7.1　廣告競價195
7.1.1　博弈論基礎197
7.1.2　納什均衡200
7.1.3　納什均衡存在性證明202
7.1.4　機制設計理論211
7.1.5　廣義第二價格競價231
7.1.6　VCG競價237
　7.2　廣告策略系統(tǒng)設計242
7.2.1　廣告系統(tǒng)粗排設計243
7.2.2　廣告預算控制系統(tǒng)245
7.2.3　廣告調價算法247
　7.3　本章小結250
第8章　預估算法251
　8.1　訓練數據準備與模型離線
評估252
8.1.1　訓練數據準備252
8.1.2　模型離線評估254
　8.2　常用的預估模型261
8.2.1　邏輯回歸模型與機器學習
基礎262
8.2.2　支持自動特征發(fā)現的模型
方法288
8.2.3　深度學習模型294
　8.3　新廣告點擊率預估314
8.3.1　湯普森采樣算法315
8.3.2　蒙特卡洛采樣318
8.3.3　馬爾可夫鏈蒙特卡洛
采樣325
8.3.4　吉布斯采樣330
8.3.5　拉普拉斯近似331
　8.4　廣告轉化率預估334
　8.5　本章小結336

你還可能感興趣

我要評論