Vai al contenuto principale

Corso

A/B Testing in Python

Intermedio4 h

Python4 h16 video51 esercizi4,000 XP12,546Attestato di conseguimento

Crea il tuo account gratuito

Continua con Google
o
Continuando, accetti i nostri Condizioni d'uso, il nostro Informativa sulla privacy e che i tuoi dati siano archiviati negli USA.

Amato da studenti in migliaia di aziende

Descrizione del corso

In questo corso ti immergerai nel mondo dei test A/B, capirai bene come usarli nella pratica e imparerai a progettare, eseguire e analizzare questi test A/B in Python.

Scopri come funzionano i test A/B



Sapevi che quasi sicuramente partecipi a un test A/B ogni volta che navighi su Internet? Dai motori di ricerca e siti di e-commerce ai social network e alle campagne di marketing, tutte le aziende cercano i migliori analisti di dati, scienziati e ingegneri per sfruttare al massimo il potere dell'AB testing. Provare diverse varianti può aiutare a migliorare l'esperienza dei clienti, aumentare i profitti, capire come migliorare il design e molto altro ancora.

Scopri i test A/B in Python



Inizierai imparando a definire le metriche giuste prima di capire come stimare la dimensione e la durata del campione giuste per ottenere risultati chiari. Durante questo corso, userai un sacco di pacchetti Python per fare i test A/B, tipo statsmodels, scipy e pingouin.

Alla fine del corso, saprai fare i controlli giusti per avere risultati precisi, capirai bene i valori p e potrai analizzare i risultati dei test A/B con facilità e sicurezza per prendere le decisioni aziendali più importanti.

Prerequisiti

Curriculum

Programma del corso

1

Panoramica dell’A/B Testing

In questo capitolo imparerai le basi dell’A/B testing. Vedrai le fasi principali e i casi d’uso, capirai perché vale la pena progettare ed eseguire test A/B e scoprirai i framework più usati per la progettazione delle metriche e la stima.
Inizia capitolo
2

Progettazione e pianificazione dell’esperimento

Nel Capitolo 2 affronterai il processo di progettazione dell’esperimento. A partire dalla formulazione di ipotesi solide per l’A/B testing, tratterai anche concetti statistici come potenza, tassi di errore ed effetto minimo rilevabile. Concluderai imparando a stimare la dimensione del campione necessaria per ottenere risultati conclusivi e a gestire scenari con confronti multipli.
Inizia capitolo
3

Elaborazione dati, controlli di validità e analisi dei risultati

4

Considerazioni pratiche e presa di decisioni

Nel capitolo finale svilupperai framework per analizzare differenze nelle medie e per usare test non parametrici quando alcune ipotesi non sono soddisfatte. Imparerai anche ad applicare il metodo Delta nell’analisi di metriche di rapporto e scoprirai le migliori pratiche e alcuni temi avanzati per proseguire il percorso di padronanza dell’A/B testing.
Inizia capitolo

A/B Testing in Python

Corso
completato

Ottieni l'attestato di completamento

Iscriviti ora

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.