🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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:
شما مبانی تست A/B را بر اساس موارد واقعی خواهید آموخت.
خواهید دید که یک متخصص چگونه به مسائل تست A/B نزدیک میشود.
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
نمایش نظرات