After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
В этом курсе вы погрузитесь в мир A/B-тестирования, получите глубокое понимание практических сценариев применения и научитесь проектировать, проводить и анализировать такие A/B-тесты в Python.
Знаете ли вы, что почти наверняка участвуете в A/B-тесте каждый раз, когда просматриваете интернет? От поисковых систем и сайтов электронной коммерции до социальных сетей и маркетинговых кампаний — все компании нанимают лучших аналитиков данных, специалистов по данным и инженеров, чтобы использовать возможности A/B-тестирования. Тестирование различных вариантов может помочь оптимизировать клиентский опыт, максимизировать прибыль, определить следующий лучший дизайн и многое другое.
Вы начнёте с того, что узнаете, как определить правильные метрики, прежде чем научитесь оценивать подходящий размер выборки и продолжительность, чтобы получить однозначные результаты. На протяжении всего этого курса вы будете использовать ряд пакетов Python, которые помогут вам с A/B-тестированием, включая statsmodels, scipy и pingouin.
К концу курса вы сможете выполнять необходимые проверки, гарантирующие точные результаты, освоите искусство p-значений и с лёгкостью и уверенностью анализировать результаты A/B-тестов, чтобы принимать самые важные бизнес-решения.
Узнайте, как работают A/B-тесты
Знаете ли вы, что почти наверняка участвуете в A/B-тесте каждый раз, когда просматриваете интернет? От поисковых систем и сайтов электронной коммерции до социальных сетей и маркетинговых кампаний — все компании нанимают лучших аналитиков данных, специалистов по данным и инженеров, чтобы использовать возможности A/B-тестирования. Тестирование различных вариантов может помочь оптимизировать клиентский опыт, максимизировать прибыль, определить следующий лучший дизайн и многое другое.
Изучите A/B-тестирование в Python
Вы начнёте с того, что узнаете, как определить правильные метрики, прежде чем научитесь оценивать подходящий размер выборки и продолжительность, чтобы получить однозначные результаты. На протяжении всего этого курса вы будете использовать ряд пакетов Python, которые помогут вам с A/B-тестированием, включая statsmodels, scipy и pingouin.
К концу курса вы сможете выполнять необходимые проверки, гарантирующие точные результаты, освоите искусство p-значений и с лёгкостью и уверенностью анализировать результаты A/B-тестов, чтобы принимать самые важные бизнес-решения.
Предварительные требования
Программа
Структура курса
1
Обзор A/B-тестирования
В этой главе вы освоите основы A/B-тестирования. Вы изучите ключевые шаги и варианты применения, разберётесь в причинах и ценности разработки и проведения A/B-тестов, а также познакомитесь с наиболее распространёнными подходами к проектированию метрик и оценочными методами.
- Что такое A/B-тестирование?50 XP
- Когда A/B-тест не подходит50 XP
- Этапы A/B тестирования100 XP
- Эффекты рандомизации100 XP
- Зачем проводить эксперименты?50 XP
- Визуализация корреляций100 XP
- Корреляция или причинность?50 XP
- Разработка метрик и оценка50 XP
- Средние значения и пропорции100 XP
- Метрики показов рекламы100 XP
2
Проектирование и планирование эксперимента
В главе 2 рассматривается процесс проектирования эксперимента. Вы научитесь формулировать сильные гипотезы для A/B-тестирования, изучите статистические концепции — мощность критерия, уровни ошибок и минимально обнаруживаемые эффекты. В конце главы вы освоите оценку необходимого размера выборки для получения достоверных результатов и разберёте сценарии с множественными сравнениями.
3
Обработка данных, проверка корректности и анализ результатов
Здесь вы познакомитесь с конкретным рабочим процессом очистки, предобработки и исследования данных A/B-тестов, а также изучите необходимые проверки корректности, обеспечивающие достоверность результатов. Глава включает подробное объяснение и пример анализа A/B-тестов на основе разницы в долях.
4
Практические аспекты и принятие решений
В заключительной главе вы разработаете методы анализа разницы в средних значениях и научитесь применять непараметрические тесты в случаях, когда ряд допущений не выполняется. Вы также узнаете, как использовать дельта-метод при анализе метрик-отношений, и познакомитесь с лучшими практиками и продвинутыми темами для дальнейшего углубления знаний в A/B-тестировании.
A/B-тестирование в Python
Курс
завершён
