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.
О курсе
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
Чему научитесь
- Выбирать продуктовые метрики и формулировать проверяемую гипотезу эксперимента
- Рассчитывать размер выборки и планировать длительность A/B-теста
- Применять t-test, непараметрические критерии и бутстрап
- Оценивать uplift и доверительные интервалы и различать ошибки первого и второго рода
- Анализировать эксперимент в Python и SQL и объяснять результат продуктовой команде
- Распознавать peeking, carry-over, множественные проверки и другие типичные искажения
Для кого
- Продуктовые и data-аналитики, которые запускают или проверяют эксперименты
- Data Scientist и продуктовые менеджеры, которым нужна статистическая база A/B-тестов
- Специалисты, знакомые с Python или SQL и желающие принимать решения по данным
Формат
- 7 модулей и 23 урока
- Текстовые объяснения, графики, код на Python и SQL, тесты и практика
- Практика на прикладных продуктовых метриках и датасетах
- Финальный проект охватывает полный цикл эксперимента
Что нужно на старте
- Базовое понимание средних, долей и вероятностей
- Начальные навыки Python или готовность повторять приведённый код
- Желательно базовое знакомство с pandas и SQL
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. Мой профиль на Stepik - https://stepik.org/users/273781420/profile Мой телеграм для связи @alexey_latorn
