MS & E 239: Pengantar Komputasi Iklan
September-Desember 2011 - Stanford University, California
Isi
Informasi Kursus
Ikhtisar
Iklan komputasi adalah muncul baru ilmiah sub-disiplin, di persimpangan
pencarian skala besar dan analisis teks, pencarian informasi, pemodelan
statistik, pembelajaran mesin, klasifikasi, optimasi, dan ekonomi
mikro.
Masalah utama dari iklan komputasi adalah untuk menemukan "paling
cocok" antara pengguna tertentu dalam konteks tertentu dan iklan yang
cocok.
Konteksnya bisa menjadi pengguna memasukkan query di mesin pencari
("pencarian disponsori"), pengguna membaca sebuah halaman web ("match
konten" dan "iklan display"), pengguna menonton film pada perangkat
portabel, dan sebagainya on. Informasi tentang pengguna dapat bervariasi dari scarily rinci untuk praktis nihil. Jumlah iklan potensial mungkin berada di miliaran.
Jadi, tergantung pada definisi "paling cocok" masalah ini mengarah ke
berbagai optimasi dan pencarian masalah besar, dengan kendala yang
rumit, dan menantang representasi data dan masalah akses. Solusi untuk masalah ini memberikan dasar-dasar ilmiah dan teknis untuk $ 20000000000 industri periklanan online.
Kursus ini bertujuan untuk memberikan pengenalan yang baik untuk
masalah algoritmik utama dan solusi dalam iklan komputasi, saat ini
diterapkan pada bangunan platform untuk berbagai format iklan online.
Pada saat yang sama kami berniat untuk survei singkat ekonomi dan aspek
pasar industri, serta beberapa dari batas-batas penelitian. Audiens yang dituju adalah mahasiswa yang tertarik pada aspek praktis dan teoritis dari iklan web.
Daftar tentatif topik meliputi: The landscape secara online periklanan;
Marketplace dan ekonomi; representasi data dan optimasi tantangan dalam
iklan online, Informasi Pendekatan pengambilan tekstual seleksi iklan,
pencarian Sponsored; pertandingan Konteks; Tampilan iklan, perilaku
penargetan, Muncul format dan teknologi : mobile, aps, games, dll
Tidak ada prasyarat formal, tetapi beberapa keakraban dengan konsep
dasar probabilitas, ekonomi, pembelajaran mesin, dan optimasi diharapkan
dan keterampilan web yang baik diperlukan.
Kursus ini kemungkinan akan mencakup proyek "kehidupan nyata" di mana
siswa akan memiliki anggaran untuk mengiklankan bisnis tertentu dan akan
diminta untuk menganalisis dan membenarkan pilihan mereka.
Pengajaran Staf: Cara terbaik untuk menghubungi kami adalah via email di: msande239-aut1112-staff@lists.stanford.edu
Instruktur
TA
- Krishnamurthy Iyer (kriyer AT Stanford)
Jam kerja: Selasa, 06:00 -7:30 pm, Huang 304
Pertemuan Waktu / Lokasi
Fri 10:00-12: 50 pm, Hewlett Pengajaran Center, Rm 101
Jadwal Kursus
- 30/9 Ikhtisar dan Pendahuluan
- 07/10 Marketplace dan Ekonomi
- Cari Sponsor: 10/14 Tekstual Iklan 1
- 10/21 Tekstual Iklan 2: Periklanan Kontekstual
- 10/28 Tampilan Iklan 1
- 4/11 Tampilan Iklan 2
- 11/11 Penargetan
- 11/18 Sistem Rekomendasi
- 02/12 Mobile, Video dan Format Muncul lainnya
- 09/12 Presentasi Proyek
Handout Kuliah
- Informasi kelas
- Kuliah 1: Pendahuluan , catatan Tambahan
- Kuliah 2: desain Marketplace , Dalam presentasi kelas , catatan Tambahan
- Kuliah 3: Sponsor pencarian 1 , Dalam presentasi kelas
- Kuliah 4: Sponsor pencarian 2 , Dalam presentasi kelas
- Kuliah 5: Tampilan iklan 1 , Dalam presentasi kelas
- Kuliah 6: Tampilan iklan 2 , Dalam presentasi kelas
- Kuliah 7: Target , Dalam presentasi kelas
- Kuliah 8: sistem Rekomendasi , Dalam presentasi kelas 1 , Di kelas presentasi 2
- Kuliah 9: Mobile, video, dan format lainnya yang muncul , Dalam presentasi kelas 1 , Di kelas presentasi 2
Bacaan & Other Links
Tugas
Kebijaksanaan
- Tugas harus dilakukan secara individual. Ini adalah pelanggaran kode kehormatan untuk berkolaborasi dalam bentuk apapun pada tugas.
-
Menyadari bahwa siswa mungkin menghadapi kondisi yang tidak biasa dan
membutuhkan fleksibilitas dalam perjalanan kuartal, setiap siswa akan
memiliki total tiga gratis akhir (kalender) hari untuk digunakan sebagai s / ia melihat cocok. Setelah hari-hari akhir habis, pekerjaan rumah berbalik terlambat akan dikenakan sanksi 50% per akhir hari.
-
Semua pekerjaan rumah harus disampaikan dalam slot ditandai "MS & E
239" dalam lemari kayu dekat kamar 064 dan 036 di ruang bawah tanah
Huang.
Tugas
Proyek
Proyek Iklan
Uraian tentang proyek iklan di sini .
Proyek Algorithmic
Deskripsi proyek algoritmik adalah di sini (pdf).
Bios pendek
Andrei Broder adalah Yahoo! Fellow dan Wakil Presiden untuk Komputasi Advertising. Sebelumnya ia adalah seorang IBM Distinguished Engineer dan CTO dari Institute for Search dan Analisis Teks di IBM Research. Dari tahun 1999 sampai 2002 ia adalah Wakil Presiden Riset dan Kepala Ilmuwan di AltaVista Company. Dia lulus Summa cum Laude dari Technion, dan memperoleh gelar M.Sc. dan Ph.D. di Ilmu Komputer di Stanford, di bawah Don Knuth.
Minat penelitiannya saat ini berpusat pada iklan komputasi, pencarian
web, pasokan informasi konteks-driven, dan algoritma acak.
Broder adalah co-pemenang penghargaan Kertas Terbaik di WWW6 (untuk
karyanya pada duplikat penghapusan halaman web) dan pada WWW9 (untuk
karyanya pada pemetaan web). Dia telah menulis lebih dari seratus makalah dan dianugerahi tiga puluh paten.
Dia adalah anggota National Academy of Engineering, seorang rekan dari
ACM dan IEEE, dan kursi masa lalu dari Komite IEEE Teknis Yayasan
Matematika Komputasi.
Vanja Josifovski adalah Research Scientist Principal dan Lead Kinerja Iklan Group di Yahoo! Research.
Dia bergabung dengan Yahoo! Penelitian pada akhir tahun 2005 dan telah
menghabiskan sebagian besar waktunya merancang dan generasi berikutnya
platform iklan online bangunan Yahoo! 's.
Sebagai memimpin teknis, Vanja telah memberikan kontribusi untuk
membangun kembali Yahoo! 's tumpukan iklan kontekstual serta platform
Sponsored Search Advanced Match. Dia saat ini memimpin tim peneliti dan insinyur dalam mengembangkan generasi Yahoo! 's berikutnya Penargetan platform.
Minat penelitiannya mencakup penargetan perilaku, seleksi iklan untuk
pencarian disponsori, pertandingan konten dan advertsing grafis, mesin
pencari adaptasi untuk pemilihan iklan, data mining dan teknik pencarian
informasi untuk meningkatkan kualitas iklan, dan klik dan permintaan
analisis data log.
Sebelumnya, Vanja adalah Anggota Staf Penelitian di IBM Almaden
Research Center mengerjakan beberapa proyek dalam database runtime dan
optimasi, database federasi, dan pencarian perusahaan.
Vanja telah menerbitkan lebih dari 60 peer review publikasi dan telah menulis lebih dari 40 aplikasi paten.
Dia telah menjadi anggota dari organisasi dan Program komite WWW, WSDM,
SIGIR, SIGKDD, VLDB dan konferensi besar lainnya dalam pencarian
informasi, pencarian dan daerah basis. Beliau meraih gelar MSc dari University of Florida dan gelar PhD dari Linkopings University di Swedia.
Program Kuliah Terkait
- CS 276/286 LING Information Retrieval dan Web Mining ( http://www.stanford.edu/class/cs276/ )
- MS & E 237: The Social data Revolusi: Data Mining dan Electronic Business (yang akan ditawarkan pada musim semi 2011)
Pengakuan
Kami mengakui syukur dukungan keuangan dari perusahaan-perusahaan berikut terhadap proyek siswa:
- Google
- Olahraga Lateral
- Microsoft
- Yahoo!
|
