Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Neste curso, você vai mergulhar no mundo dos testes A/B, entender bem os casos práticos e aprender a projetar, executar e analisar esses testes A/B em Python.
Você sabia que é quase certo que você vai participar de um teste A/B toda vez que navegar na internet? De mecanismos de busca e sites de comércio eletrônico a redes sociais e campanhas de marketing — todas as empresas contratam os melhores analistas de dados, cientistas e engenheiros para aproveitar o poder dos testes AB. Testar diferentes variantes pode ajudar a otimizar a experiência do cliente, maximizar os lucros, informar o próximo melhor design e muito mais.
Você vai começar aprendendo a definir as métricas certas antes de aprender a estimar o tamanho e a duração adequados da amostra para obter resultados conclusivos. Ao longo deste curso, você vai usar vários pacotes Python para ajudar nos testes A/B, incluindo statsmodels, scipy e pingouin.
Ao final do curso, você vai conseguir fazer as verificações necessárias para garantir resultados precisos, dominar a arte dos valores p e analisar os resultados dos testes A/B com facilidade e confiança para orientar as decisões comerciais mais importantes.
Descubra como funcionam os testes A/B
Você sabia que é quase certo que você vai participar de um teste A/B toda vez que navegar na internet? De mecanismos de busca e sites de comércio eletrônico a redes sociais e campanhas de marketing — todas as empresas contratam os melhores analistas de dados, cientistas e engenheiros para aproveitar o poder dos testes AB. Testar diferentes variantes pode ajudar a otimizar a experiência do cliente, maximizar os lucros, informar o próximo melhor design e muito mais.
Aprenda sobre testes A/B em Python
Você vai começar aprendendo a definir as métricas certas antes de aprender a estimar o tamanho e a duração adequados da amostra para obter resultados conclusivos. Ao longo deste curso, você vai usar vários pacotes Python para ajudar nos testes A/B, incluindo statsmodels, scipy e pingouin.
Ao final do curso, você vai conseguir fazer as verificações necessárias para garantir resultados precisos, dominar a arte dos valores p e analisar os resultados dos testes A/B com facilidade e confiança para orientar as decisões comerciais mais importantes.
Pré-requisitos
Programa de estudos
Descrição do curso
1
Visão geral de A/B Testing
Neste capítulo, você vai aprender os fundamentos de A/B testing. Vai explorar etapas claras e casos de uso, entender os motivos e o valor de planejar e executar testes A/B e conhecer os frameworks de design de métricas e estimativa mais usados.
- O que é A/B testing?50 XP
- Quando um teste A/B não é a melhor opção50 XP
- Etapas de A/B testing100 XP
- Efeitos da randomização100 XP
- Por que executar experimentos?50 XP
- Visualização de correlação100 XP
- Correlação ou causalidade?50 XP
- Design e estimativa de métricas50 XP
- Médias e proporções100 XP
- Métricas de impressões de anúncios100 XP
2
Planejamento e desenho de experimentos
No Capítulo 2, você vai abordar o processo de desenho de experimentos. Começando pela formulação de boas hipóteses para A/B testing, você também verá conceitos estatísticos como poder do teste, taxas de erro e efeitos mínimos detectáveis. Você encerrará o capítulo aprendendo a estimar o tamanho de amostra adequado para obter resultados conclusivos e como lidar com cenários de múltiplas comparações.
3
Processamento de dados, verificações de sanidade e análise de resultados
Aqui, você vai descobrir um fluxo de trabalho concreto para limpar, pré-processar e explorar dados de A/B testing, além de aprender as verificações de sanidade necessárias para garantir resultados válidos. Você vai explorar uma explicação detalhada e um exemplo de análise de testes A/B de diferença de proporções.
4
Considerações práticas e tomada de decisão
No capítulo final, você vai desenvolver frameworks para analisar diferenças de médias e aplicar testes não paramétricos quando vários pressupostos não são atendidos. Você também vai aprender a aplicar o método Delta na análise de métricas de razão e conhecer as melhores práticas e alguns tópicos avançados para continuar sua jornada de domínio em A/B testing.
A/B Testing em Python
Curso
concluído
