آموزش دوره جامع تست A/B با کدنویسی پایتون - آخرین آپدیت

دانلود Ultimate AB Testing Course with Python Coding

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

تئوری و عملی تست A/B را بر اساس محصولات واقعی از یک دانشمند داده سابق گوگل بیاموزید.

سرفصل‌های کلیدی دوره:

  • چگونه هدف تجاری یک تست A/B را تعریف کنیم؟
  • نحوه حل مسائل تست A/B در شرکت‌هایی مانند گوگل، آمازون و متا.
  • چگونه یک تست A/B را طراحی و نتایج آن را تفسیر کنیم؟
  • چگونگی اجرای تشخیص‌ها برای ارزیابی اعتبار تست A/B (مانند SRM).
  • نحوه حل مسائل تست A/B با پایتون (Pandas, Matplotlib, Numpy, Statsmodels).
  • چگونه برای مصاحبه‌های علم داده با موارد تست A/B آماده شویم؟

پیش‌نیازها:

  • آمار در سطح مقدماتی
  • پایتون در سطح مقدماتی

به دوره نهایی تست A/B با کدنویسی پایتون خوش آمدید.

این دوره‌ای است که به شما تجربه عملی در تست A/B با پایتون را می‌دهد. این دوره طراحی شده تا به شما کمک کند مانند یک دانشمند داده در شرکت‌های برتر مانند گوگل، آمازون و بسیاری دیگر فکر کنید.

این دوره که توسط یک دانشمند داده سابق در گوگل تدریس می‌شود، شامل بیش از 70 درس و 5 ساعت سخنرانی ویدیویی و سوالات تمرینی است که برای آموزش هرآنچه که باید در مورد مبانی تست A/B بدانید، طراحی شده است. علاوه بر این، دوره شامل محتوای پاداش از جمله ویدیوهای مصاحبه شبیه‌سازی شده و موارد تمرینی بر اساس سوالات مصاحبه واقعی دیده شده در راندهای تست A/B است.


آنچه در این دوره خواهید آموخت:

  • تعریف مسئله تجاری - چگونه هدف تجاری و KPIهای یک آزمایش را تعریف کنیم؟

  • تعریف معیارها - مجموعه‌ای از معیارها که باید در یک تست A/B در نظر گرفت چیست؟ در مورد معیار ستاره شمالی (North Star Metric)، معیار اولیه، معیار ثانویه و معیارهای حفاظتی (Guardrail Metrics) چطور؟

  • بیان فرضیه تجاری - چگونه فرضیه تجاری و آماری یک آزمایش را تعریف می‌کنید؟

  • طراحی آزمایش - چگونه پارامترهای آزمایش از جمله سطح معنی‌داری، توان آماری، حجم نمونه و غیره را تنظیم می‌کنید؟

  • اجرای آزمایش - بررسی اجمالی زیرساخت نحوه اجرای آزمایش‌ها در پلتفرم‌های آنلاین بزرگ چگونه است؟

  • بررسی اعتبار - چگونه ارزیابی می‌کنید که نتیجه آزمایش معتبر است یا خیر؟ چگونه «اثر تازگی» (Novelty Effect)، «اثر روز هفته» (Day of the Week Effect)، SUTVA و موارد دیگر را بررسی و رفع می‌کنید؟

  • انجام استنتاج آماری - چه آزمون‌های آماری را برای ارزیابی نتیجه آزمایش استفاده می‌کنید؟

  • تفسیر نتیجه - چگونه بر اساس نتایج تست A/B تصمیمات صحیح بگیرید؟

  • کدنویسی عملی - فرصتی خواهید یافت تا آموخته‌های خود را با پایتون به کار ببرید. یک نتیجه نمونه تست A/B را با Matplotlib و Pandas تجزیه و تحلیل کنید و نتایج را با Statsmodels تحلیل کنید.



این دوره چگونه به شما کمک خواهد کرد:

  1. شما مبانی تست A/B را بر اساس موارد واقعی خواهید آموخت.

  2. خواهید دید که یک متخصص چگونه به مسائل تست A/B نزدیک می‌شود.

  3. فرصت خواهید یافت تا موارد مصاحبه برای نقش‌های دانشمند داده محصول را تمرین کنید.


این دوره‌ای است که ای کاش وقتی در سال 2016 یک دانشمند داده شدم، آن را داشتم. اطمینان دارم که این دوره را برای یادگیری تست A/B مفید خواهید یافت. من رویکرد توضیح مفاهیم به زبان ساده و ارائه مثال‌هایی بر اساس موارد واقعی دیده شده در شرکت‌های FAANG را در پیش می‌گیرم.

پس، اکنون به دوره بپیوندید تا به یک حرفه‌ای علم داده تبدیل شوید.


سرفصل ها و درس ها

مقدمه Introduction

  • آغاز کار Getting Started

درک مسئله کسب و کار Understand the Business Problem

  • درک مسئله کسب و کار Understand the Business Problem

  • اهداف آزمایش Experiment Goals

  • اعضای کلیدی Key Members

  • شاخص‌های کلیدی عملکرد محصول Product KPI

  • معیار ستاره شمالی The North Star Metric

  • معیار محرک Driver Metric

  • معیارهای نگهبان Guardrail Metrics

  • معیارهای ثانویه Secondary Metrics

  • معیارهای بخش‌بندی Segmentation Metrics

  • معیارهای راه‌اندازی Launch Criteria

  • داده‌های آزمایش Experiment Data

  • تمرین - تست A/B آمازون (سؤال) Exercise - Amazon AB Testing (Question)

  • تمرین - تست A/B آمازون (راه‌حل) Exercise - Amazon AB Testing (Solution)

  • مرور کد Code Walkthrough

بیان فرضیه آزمایش State the Experiment Hypothesis

  • بیان فرضیه آزمایش State the Experiment Hypothesis

  • بیانیه فرضیه Hypothesis Statement

  • بیانیه فرضیه - سؤال 1 Hypothesis Statement - Question 1

  • بیانیه فرضیه - راه‌حل 1 Hypothesis Statement - Solution 1

  • بیانیه فرضیه - سؤال 2 Hypothesis Statement - Question 2

  • بیانیه فرضیه - راه‌حل 2 Hypothesis Statement - Solution 2

  • سطح معناداری Significance Level

  • سطح معناداری - سؤال Significance Level - Question

  • سطح معناداری - راه‌حل Significance Level - Solution

  • توان آماری Statistical Power

  • توان آماری - سؤال 1 Statistical Power - Question 1

  • توان آماری - راه‌حل 1 Statistical Power - Solution 1

  • توان آماری - سؤال 2 Statistical Power - Question 2

  • توان آماری - راه‌حل 2 Statistical Power - Solution 2

  • حداقل اثر قابل تشخیص (MDE) Minimum Detectable Effect (MDE)

  • حداقل اثر قابل تشخیص - سؤال 1 Minimum Detectable Effect - Question 1

  • حداقل اثر قابل تشخیص - راه‌حل 1 Minimum Detectable Effect - Solution 1

  • مرور کد Code Walkthrough

طراحی آزمایش Design the Experiment

  • طراحی آزمایش Design the Experiment

  • واحد تصادفی‌سازی Randomization Unit

  • محاسبه اندازه نمونه Sample Size Calculation

  • محاسبه اندازه نمونه - سؤال 1 Sample Size Calculation - Question 1

  • محاسبه اندازه نمونه - راه‌حل 1 Sample Size Calculation - Solution 1

  • مدت زمان آزمایش Experiment Duration

  • مدت زمان آزمایش - سؤال 1 Experiment Duration - Question 1

  • مدت زمان آزمایش - راه‌حل 1 Experiment Duration - Solution 1

  • مرور کد Code Walkthrough

اجرای آزمایش Run the Experiment

  • اجرای آزمایش Run the Experiment

  • پلتفرم آزمایش Experiment Platform

  • بررسی زودهنگام مقادیر P Peeking at P-Values

  • مرور کد Code Walkthrough

ارزیابی تهدیدات اعتبار Assess Validity Threats

  • ارزیابی تهدیدات اعتبار Assess Validity Threats

  • فرض مقدار ثابت واحد درمان Stable Unit Treatment Value Assumption

  • سوگیری بقا Survivorship Bias

  • عدم تطابق نسبت نمونه Sample Ratio Mismatch

  • اثر تقدم Primacy Effect

  • اثر نوآوری Novelty Effect

  • اثر تعطیلات Holiday Effect

  • اثرات دیگر قابل بررسی Other Effects to Consider

  • تست AA AA Test

  • مرور کد Code Walkthrough

انجام استنتاج آماری Conduct Statistical Inference

  • انجام استنتاج آماری Conduct Statistical Inference

  • آزمون خی‌دو استقلال Chi-Squared Test of Independence

  • آزمون خی‌دو استقلال - سؤال Chi-Squared Test of Independence - Question

  • آزمون خی‌دو استقلال - راه‌حل Chi-Squared Test of Independence - Solution

  • آزمون Z برای نسبت‌ها Z-Test for Proportions

  • آزمون Z برای نسبت‌ها - سؤال Z-Test for Proportions - Question

  • آزمون Z برای نسبت‌ها - راه‌حل Z-Test for Proportions - Solution

  • آزمون T برای میانگین‌ها T-Test for Means

  • آزمون T برای میانگین‌ها - سؤال T-Test for Means - Question

  • آزمون T برای میانگین‌ها - راه‌حل T-Test for Means - Solution

  • مرور کد Code Walkthrough

تصمیم راه‌اندازی Launch Decision

  • تصمیم‌گیری برای راه‌اندازی Decide Whether to Launch

  • تفاوت مطلق در مقابل تفاوت نسبی Absolute Difference vs Relative Difference

  • تصمیمات راه‌اندازی Launch Decisions

  • قانون تصمیم Decision Rule

  • بازه اطمینان Confidence Interval

  • مجموعه نگه‌داشته شده Holdout Set

  • مرور کد Code Walkthrough

نمایش نظرات

آموزش دوره جامع تست A/B با کدنویسی پایتون
جزییات دوره
5 hours
74
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,018
4.2 از 5
دارد
دارد
دارد
Dan Lee
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dan Lee Dan Lee

کوچ علم داده (دانشمند داده سابق گوگل)