karpov_courses_ab_simulator

KO | EN

gitlite — search

#javascript #react #typescript #android #rust #linux #macos #nodejs #windows #awesome #awesome-list #pytorch #mcp #open-source

karpov_courses_ab_simulator

(★ 11)

Лекции, задачи и проекты по курсу "Симулятор A/B-тестов. Продвинутая версия" от karpov.courses

karpov_courses_ab_simulator 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Симулятор A/B-тестов. Продвинутая версия — Karpov.Courses

Ссылка на курс: [https://karpov.courses/simulator-ab](https://karpov.courses/simulator-ab)

## Описание:
![Screenshot_12](https://github.com/alexkit-kat/karpov_courses_ab_simulator/assets/124605387/cf70e576-f7ca-4068-b1e6-14f10443d9a0)
Научимся проводить A/B-тесты, приносящие пользу бизнесу и принимать оптимальные решения на основе данных

## Содержание программы:
| Номер раздела | Название и ссылка | О чем раздел                                                     |
|---------------|-------------------|------------------------------------------------------------------|
|1              |[Основы статистики](https://github.com/alexkit-kat/karpov_courses_ab_simulator/tree/master/1.%20%D0%97%D0%BD%D0%B0%D0%BA%D0%BE%D0%BC%D1%81%D1%82%D0%B2%D0%BE%20%D1%81%20A-B-%D1%82%D0%B5%D1%81%D1%82%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B8)|В первый рабочий день в новой компании познакомимся с данными и платформой А/B-тестирования, а также изучим основы статистики|
|2              |[Проверка гипотез](https://github.com/alexkit-kat/karpov_courses_ab_simulator/tree/master/2.%20%D0%9F%D1%80%D0%BE%D0%B2%D0%B5%D1%80%D0%BA%D0%B0%20%D0%B3%D0%B8%D0%BF%D0%BE%D1%82%D0%B5%D0%B7)|Узнаем, как появилась идея проверять гипотезы. Создадим собственный критерий принятия решений. Рассмотрим популярные критерии для типичных метрик и поговорим об их ограничениях|
|3              |[Дизайн эксперимента](https://github.com/alexkit-kat/karpov_courses_ab_simulator/tree/master/3.%20%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD%20%D1%8D%D0%BA%D1%81%D0%BF%D0%B5%D1%80%D0%B8%D0%BC%D0%B5%D0%BD%D1%82%D0%B0)|Научимся подбирать оптимальные параметры для запуска эксперимента. Определять продолжительность, размер выборки и минимальный эффект, который возможно обнаружить|
|4              |[Тестирование дизайна](-)|Разберёмся как проверять корректность дизайна. Узнаем, зачем нужно проводить синтетические A/A и A/B эксперименты на исторических данных|
|5              |[Доверительные интервалы](-)|Познакомимся с методом бутстрэп. Научимся строить доверительные интервалы для произвольных метрик и узнаем, как принимать решения на основе доверительных интервалов|
|6              |[Повышение чувствительности A/B-тестов](-)|Рассмотрим актуальные способы повышения чувствительности A/B-тестов и применим их на практике. Научимся сокращать размер выборки, необходимый для проведения эксперимента|
|7              |[Выбор метрик](-)|Выбрать метрику для эксперимента не всегда просто. Разберёмся, какие бывают метрики, научимся выбирать наиболее подходящие для эксперимента и узнаем, как отслеживать «здоровье» A/B-теста|
|8              |[Стратификация](-)|Научимся применять стратификацию — продвинутый метод повышения чувствительности A/B-тестов, основанный на использовании дополнительной информации|
|9              |[Метод CUPED](-)|Научимся применять CUPED — продвинутый метод повышения чувствительности A/B-тестов, основанный на использовании дополнительной информации|
|10             |[Множественное тестирование](-)|Иногда для решения одной проблемы выдвигается сразу несколько гипотез, одновременная проверка которых влияет на дизайн эксперимента. Познакомимся с техниками множественного тестирования и параллельным проведением большого числа экспериментов|
|11             |[Сплитилка трафика](-)|Гипотез становится всё больше, и нам не хватает наблюдений, чтобы проверять их все одновременно. Обсудим, когда можно использовать пользователей одновременно в нескольких экспериментах и как это делать|
|12             |[Анализ метрик отношения](-)|При проверке гипотез о равенстве метрик отношения (например, CTR) обычные тесты применять некорректно, так как наблюдения не являются независимыми. Изучим подходы для проверки таких гипотез и закрепим новые знания на практике|
|13             |[Полный пайплайн A/B-тестирования](-)|Вспомним пройденные темы и структурируем полученные знания для применения их в реальных задачах. Обсудим проблему подглядывания в результаты до окончания эксперимента|

---

karpov_courses_ab_simulator

karpov_courses_ab_simulator 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

karpov_courses_ab_simulator

karpov_courses_ab_simulator 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README