Секция 1
Введение
Модуль уже открыт
Урок 1
Как устроен курс?
Каталог/назад к курсам
Data ScienceНачальный
A/B тесты и анализ данных на Python
Практический курс по A/B-тестированию и продуктовым метрикам: формулируем гипотезы, считаем размер выборки, запускаем эксперименты и анализируем результаты. От первой идеи до внедрения изменений в продукт — без «воды» и лишней теории.
Свободный темп обучения
6 модулей • 17 уроков
10 учащихся
#stepik-import
Описание
Вас ждёт полный цикл работы с A/B-тестами:
Продуктовые метрики. DAU/WAU/MAU, retention, воронки и stickiness.
Дизайн эксперимента. Проверка идей, выбор метрик успеха и расчёт длительности.
Статистика без боли. t-test, непараметрические критерии, бутстрап и современные подходы.
Интерпретация результатов. Uplift, доверительные интервалы, ошибки I и II рода.
Частые ошибки. Peeking, carry-over, конкуренция эффектов — и как их избежать.
Формат: текстовые лекции, графики, примеры кода на Python и SQL, тесты и практика на реальных датасетах. После прохождения финального проекта вы получите сертификат Latorn
Автор курса
Алексей Малышкин
Разрабатываю образовательные материалы по программированию, машинному обучению и анализу данных. Темы: Python-разработка, аналитика, ML-инструменты (LangChain, vector databases, AI agents), компьютерное зрение. Стараюсь объяснять технические концепции понятно и структурировано. Ранее преподавал на Stepik и обучил более 2000 студентов.
Программа
Секция 2
Продуктовые метрики
Модуль уже открыт
Урок 1
Активные пользователи: DAU, WAU, MAU и «липкость» (Stickiness)
Урок 2
Удержание пользователей (Retention Rate)
Урок 3
Воронка конверсии и продуктовые показатели воронки
Секция 3
Дизайн эксперимента (A/B тестирование)
Модуль уже открыт
Урок 1
Гипотезы и проверка идей с помощью A/B-тестов
Урок 2
Выбор метрик успеха и целей эксперимента
Урок 3
Размер выборки и длительность эксперимента
Секция 4
Статистические тесты и проверка значимости
Модуль уже открыт
Урок 1
Статистическая значимость и t-тест
Урок 2
Непараметрические тесты: критерий Манна–Уитни и другие
Урок 3
Бутстрап и современные подходы к A/B-тестам
Секция 5
Интерпретация результатов эксперимента
Модуль уже открыт
Урок 1
Оценка эффекта (uplift) и его значимость
Урок 2
Доверительные интервалы и их использование
Урок 3
Ошибки I и II рода, доверие к результатам теста
Секция 6
Частые ошибки и подводные камни в A/B‑тестировании
Модуль уже открыт
Урок 1
Преждевременное прекращение теста (Peeking)
Урок 2
Эффект переноса (Carryover effect)
Урок 3
Пересекающиеся эксперименты и конкуренция эффектов
Урок 4
Обратная связь
