Helion


Szczegóły ebooka

Python i AI dla e-commerce

Python i AI dla e-commerce


Sztuczna inteligencja według Pythona. Sięgnij po potężne wsparcie dla swojego e-sklepu

E-commerce wspierany przez potężną moc sztucznej inteligencji ― to dla wielu właścicieli rodzimych firm internetowych wciąż brzmi jak odległa przyszłość. Może gdzieś tam, w Kalifornii, może u technologicznych gigantów, może Apple, Amazon, a bliżej nas, powiedzmy, Allegro korzysta lub będzie korzystać z chatbotów czy data-driven marketingu. Ale nasza firma do tej pory świetnie sobie radziła, to i dalej będzie sobie radzić z prostym mechanizmem sklepu online i kilkoma osobami obsługi. Marzenie ściętej głowy. Do 2025 roku w Polsce brakować będzie 200 tysięcy specjalistów w dziedzinie AI. I to nie w wielkich korporacjach. Głód programistów potrafiących kodować algorytmy sztucznej inteligencji odczują przede wszystkim firmy mniejsze i średnie.

Jeśli jesteś właścicielem biznesu bazującego na sprzedaży w sieci, jeśli jesteś początkującym programistą albo działasz już jako programista e-commerce, ale chcesz się w tym kierunku rozwijać ― ta "książka kucharska" jest dla Ciebie. Dlaczego "książka kucharska"? Ponieważ podręcznik zawiera gotowe przepisy na algorytmy optymalizacyjne, systemy rekomendacyjne, przetwarzanie ogromnych ilości danych z ruchu odnotowanego w sklepie i zamianę ich w wiedzę o kliencie. Wszystko to już dziś wdrożysz w dowolnym e-sklepie stosunkowo małym kosztem. Zarówno przy użyciu gotowych programów napisanych w Pythonie przez ogromną społeczność miłośników AI i Pythona, jak i sprytnych produktów w modelu SaaS (ang. software as a service), sprzedawanych przez rzeszę polskich i zagranicznych startupów.

Wstęp

Część I. Python: krótki wstęp do efektywnego programowania

  • Rozdział 1. Narzędzia
    • 1.1. Google Colab
    • 1.2. Wirtualne środowiska
  • Rozdział 2. Struktury danych
    • 2.1. Napisy
    • 2.2. Lista (list)
    • 2.3. Krotka (tuple)
    • 2.4. Zbiór zmienny (set)
    • 2.5. Tablica asocjacyjna - słownik (dict)
    • 2.6. Klasy i obiekty
    • 2.7. Podsumowanie struktur danych
  • Rozdział 3. Niezbędnik programisty
    • 3.1. Wyrażenia regularne
    • 3.2. Wizualizacja procesu
    • 3.3. Lambda, wyrażenia listowe i generatory
    • 3.4. Wyjątki
    • 3.5. Odczyt i zapis plików
  • Rozdział 4. NumPy i Pandas w akcji
    • 4.1. NumPy
    • 4.2. Pandas
  • Rozdział 5. Bazy danych i repozytoria danych
    • 5.1. Bazy relacyjne (SQL)
    • 5.2. Technologia noSQL
    • Podsumowanie części I

Część II. AI - przegląd technik i algorytmów

  • Rozdział 6. Czym jest sztuczna inteligencja?
  • Rozdział 7. Uczenie maszynowe
    • 7.1. Nadzorowane uczenie maszynowe
    • 7.2. Nienadzorowane uczenie maszynowe
    • 7.3. Uczenie maszynowe ze wzmocnieniem
    • 7.4. Głębokie uczenie
  • Rozdział 8. Zastosowania maszynowego uczenia
    • 8.1. "Tradycyjny" machine learning
    • 8.2. Przetwarzanie języka naturalnego (NLP)
    • 8.3. Uczenie maszynowe w e-commerce
  • Rozdział 9. Dane, dane, dane
    • 9.1. Świat
    • 9.2. Polska

Część III. Przepisy

  • Rozdział 10. Web scraping
    • 10.1. Zacznijmy od podstaw
    • 10.2. Biblioteka Requests i Beautiful Soup
    • 10.3. Scrapy
    • 10.4. Przeglądarko-drivery i selenium
    • 10.5. Podsumowanie
  • Rozdział 11. Słów kilka o przetwarzaniu języka naturalnego
    • 11.1. Podsumowanie
  • Rozdział 12. Uczenie nadzorowane - klasyfikatory
    • 12.1. Odczyt danych
    • 12.2. Wstępny przegląd danych
    • 12.3. Podział zbioru na dane treningowe i testowe
    • 12.4. Wektoryzacja
    • 12.5. Trening
    • 12.6. Ocena modelu
    • 12.7. Biuro obsługi klienta Masz wiadomość!
    • 12.8. Podsumowanie
  • Rozdział 13. Klasyfikacja w służbie niskiej rezygnacji
    • 13.1. Przegląd danych
    • 13.2. Problem luk informacyjnych w danych
    • 13.3. Przegląd i wybór cech
    • 13.4. Ostateczne przygotowanie się do preparacji danych do uczenia
    • 13.5. Finał, czyli stwórzmy sobie potok
    • 13.6. Ocena modelu
    • 13.7. Poszukajmy lepszego rozwiązania
    • 13.8. Podsumowanie
  • Rozdział 14. Systemy rekomendacji, czyli jak zwiększyć koszyk
    • 14.1. Content-based Filtering
    • 14.2. Collaborative Filtering
    • 14.3. Rekomendacje w praktyce
    • 14.4. Podsumowanie
  • Rozdział 15. Stuninguj swój sklep
    • 15.1. RESTful JSON API (Python/Flask)
    • 15.2. Instalacja projektu na zewnętrznym serwerze
    • 15.3. Google Tag Manager
    • 15.4. Serializacja modelu
    • 15.5. Podsumowanie

Zakończenie