After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
În acest curs, vei pătrunde în lumea testării A/B, vei dobândi o înțelegere profundă a cazurilor practice de utilizare și vei învăța să proiectezi, să rulezi și să analizezi aceste teste A/B în Python.
Știai că ești aproape garantat să participi la un test A/B de fiecare dată când navighezi pe internet? De la motoarele de căutare și site-urile de comerț electronic până la rețelele sociale și campaniile de marketing — toate companiile angajează cei mai buni analiști de date, oameni de știință și ingineri pentru a valorifica puterea testării AB. Testarea diferitelor variante poate ajuta la optimizarea experienței clienților, maximizarea profiturilor, informarea următorului cel mai bun design și multe altele.
Vei începe prin a învăța cum să definești metricile potrivite, înainte de a învăța cum să estimezi dimensiunea și durata adecvate ale eșantionului pentru a obține rezultate concludente. Pe parcursul acestui curs, vei folosi o gamă de pachete Python pentru a te ajuta cu testarea A/B, inclusiv statsmodels, scipy și pingouin.
La finalul cursului, vei putea să efectuezi verificările necesare care garantează rezultate precise, să stăpânești arta valorilor p, și să analizezi cu ușurință și încredere rezultatele testelor A/B pentru a ghida cele mai importante decizii de business.
Descoperă cum funcționează testele A/B
Știai că ești aproape garantat să participi la un test A/B de fiecare dată când navighezi pe internet? De la motoarele de căutare și site-urile de comerț electronic până la rețelele sociale și campaniile de marketing — toate companiile angajează cei mai buni analiști de date, oameni de știință și ingineri pentru a valorifica puterea testării AB. Testarea diferitelor variante poate ajuta la optimizarea experienței clienților, maximizarea profiturilor, informarea următorului cel mai bun design și multe altele.
Află despre testarea A/B în Python
Vei începe prin a învăța cum să definești metricile potrivite, înainte de a învăța cum să estimezi dimensiunea și durata adecvate ale eșantionului pentru a obține rezultate concludente. Pe parcursul acestui curs, vei folosi o gamă de pachete Python pentru a te ajuta cu testarea A/B, inclusiv statsmodels, scipy și pingouin.
La finalul cursului, vei putea să efectuezi verificările necesare care garantează rezultate precise, să stăpânești arta valorilor p, și să analizezi cu ușurință și încredere rezultatele testelor A/B pentru a ghida cele mai importante decizii de business.
Cerințe prealabile
Curriculum
Structura cursului
1
Prezentare generală a A/B Testing-ului
În acest capitol, vei învăța bazele A/B testing-ului. Vei explora pași clari și cazuri de utilizare, vei înțelege motivele și valoarea proiectării și rulării testelor A/B, și vei descoperi cele mai utilizate cadre de proiectare și estimare a metricilor.
- Ce este testarea A/B?50 XP
- Când un test A/B nu este cea mai bună alegere50 XP
- Pașii testului A/B100 XP
- Efectele randomizării100 XP
- De ce rulăm experimente?50 XP
- Vizualizarea corelațiilor100 XP
- Corelație sau cauzalitate?50 XP
- Proiectarea și estimarea metricilor50 XP
- Medii și proporții100 XP
- Metrici pentru impresii publicitare100 XP
2
Proiectarea și planificarea experimentelor
În Capitolul 2, vei parcurge procesul de proiectare a experimentelor. Vei începe cu formularea unor ipoteze solide pentru A/B testing și vei aborda concepte statistice precum puterea testului, ratele de eroare și efectele minime detectabile. Capitolul se încheie cu estimarea dimensiunii corecte a eșantionului necesar pentru rezultate concludente și abordarea scenariilor cu comparații multiple.
3
Procesarea datelor, verificări de validitate și analiza rezultatelor
Aici vei descoperi un flux de lucru concret pentru curățarea, preprocesarea și explorarea datelor de A/B testing, dar și verificările de validitate necesare pentru a asigura rezultate corecte. Vei explora o explicație detaliată și un exemplu de analiză a testelor A/B bazate pe diferențe de proporții.
4
Considerații practice și luarea deciziilor
În ultimul capitol, vei dezvolta cadre pentru analiza diferențelor de medii și vei folosi teste neparametrice atunci când mai multe ipoteze nu sunt îndeplinite. Vei învăța, de asemenea, să aplici metoda Delta la analiza metricilor de tip raport și vei descoperi cele mai bune practici și câteva subiecte avansate pentru a-ți aprofunda cunoștințele de A/B testing.
A/B Testing în Python
Curs
finalizat
