
Red Sun
Модератор
- 01.01.22
- 37.153
- 385.524
Другие курсы от автора:
[katya_kamasutra] Fitness Kamasutra. IntimaFit (2024)
[Сергей Фаер] Обратить вред в пользу: искусство видеть ресурс в проблеме (2025)
[Анастасия Семко] 6 способов навредить клиенту (2025)
[Любовь Попова] Что такое хорошо и что такое плохо! Московская неделя моды...
[Сергей Наумов] Все нюансы ИИС - вебинар и гайд (2025)
[Юлия Воронина] Proдвижение (2025)
[Олеся Ундрицова] [MagicArt] Волшебное рисование 4-6 лет (2024)
[Сергей Фаер] Обратить вред в пользу: искусство видеть ресурс в проблеме (2025)
[Анастасия Семко] 6 способов навредить клиенту (2025)
[Любовь Попова] Что такое хорошо и что такое плохо! Московская неделя моды...
[Сергей Наумов] Все нюансы ИИС - вебинар и гайд (2025)
[Юлия Воронина] Proдвижение (2025)
[Олеся Ундрицова] [MagicArt] Волшебное рисование 4-6 лет (2024)
[Глеб Михайлов] А/Б-тесты с Глебом Михайловым (2023)
Интуитивный видеокурс по А/Б-тестам, проверке гипотез и p-value. Никакой классической статистики и формул, только уникальные авторские инсайты и лайфхаки.
Чему вы научитесь:
Понимать A/B-тесты на интуитивном уровне.
Понимать ключевые метрики A/B-тестов: минимальное значимое различие (MDE), мощность теста и статистическую значимость.
Рассчитывать размер выборок с использованием статистического калькулятора и Python для точного планирования экспериментов.
Глубоко понимать принципы проверки гипотез на интуитивном уровне.
Понимать концепцию p-value и ее значение в контексте статистических тестов.
Применять методы Монте-Карло для проверки статистических тестов, укрепляя понимание практическим опытом.
Программа курса:
- Введение
Что такое А/Б-тест?
- Интуиция
Метрики для тестов с бинарным ответом Часть 1
Метрики для тестов с бинарным ответом Часть 2
Метрики для А/Б-тестов Часть 1
Метрики для А/Б-тестов Часть 2
- Под капотом
Проверка гипотез Часть 1
Проверка гипотез Часть 2
P-значение
- Заключение
Некоторые продвинутые концепции
Заключение
Что вы получаете:
Глубокое понимание A/B-тестирования, включая ключевые метрики, такие как минимальное значимое различие (MDE), мощность теста и его значимость.
Навыки расчета размера выборок для точного планирования и проведения тестов.
Интуитивное понимание процесса проверки гипотез, что позволит вам лучше интерпретировать результаты экспериментов.
Знание о том, как работает p-value и его роль в статистических выводах.
Умение применять методы Монте-Карло для проверки статистических тестов, что значительно повысит вашу уверенность в анализе данных.
Автор - Глеб Михайлов
Более 10 лет опыта в аналитике, дата саенс, python, sql, статистике. Преподаю с 2018 года.
Подробнее:

Интуитивный видеокурс по А/Б-тестам, проверке гипотез и p-value. Никакой классической статистики и формул, только уникальные авторские инсайты и лайфхаки.
Чему вы научитесь:
Понимать A/B-тесты на интуитивном уровне.
Понимать ключевые метрики A/B-тестов: минимальное значимое различие (MDE), мощность теста и статистическую значимость.
Рассчитывать размер выборок с использованием статистического калькулятора и Python для точного планирования экспериментов.
Глубоко понимать принципы проверки гипотез на интуитивном уровне.
Понимать концепцию p-value и ее значение в контексте статистических тестов.
Применять методы Монте-Карло для проверки статистических тестов, укрепляя понимание практическим опытом.
Программа курса:
- Введение
Что такое А/Б-тест?
- Интуиция
Метрики для тестов с бинарным ответом Часть 1
Метрики для тестов с бинарным ответом Часть 2
Метрики для А/Б-тестов Часть 1
Метрики для А/Б-тестов Часть 2
- Под капотом
Проверка гипотез Часть 1
Проверка гипотез Часть 2
P-значение
- Заключение
Некоторые продвинутые концепции
Заключение
Что вы получаете:
Глубокое понимание A/B-тестирования, включая ключевые метрики, такие как минимальное значимое различие (MDE), мощность теста и его значимость.
Навыки расчета размера выборок для точного планирования и проведения тестов.
Интуитивное понимание процесса проверки гипотез, что позволит вам лучше интерпретировать результаты экспериментов.
Знание о том, как работает p-value и его роль в статистических выводах.
Умение применять методы Монте-Карло для проверки статистических тестов, что значительно повысит вашу уверенность в анализе данных.
Автор - Глеб Михайлов
Более 10 лет опыта в аналитике, дата саенс, python, sql, статистике. Преподаю с 2018 года.
Подробнее:
Скачать:Для просмотра ссылок необходимо выполнить Вход или Регистрация