В больших data-framed-компаниях бизнес-решения принимаются на основе статистического анализа — результатов, полученных после применения статистических методов к данным.
Вот некоторые темы, связанные со статистическим анализом:
Методы продуктовой аналитики, включая прогнозирование и продуктовые эксперименты, зачастую полагаются на методы базовой статистики, поэтому аналитики, ML-инженеры и продакты — одни из главных пользователей статистических методов в продуктовой сфере.
На курсе ты научишься проводить статистический анализ, рассчитывать различные показатели, а также погрузишься в А/B-тестирование.
Это подготовит тебя к реальной работе в продуктовой команде.
Фича курса. Сочетание теоретической базы с практикой: множество кейсов из реальной аналитической практики и использование Python для их решения.
Курс состоит из пяти блоков, которые посвящены разным разделам математической статистики и теории вероятностей.
| Блок 1 | Введение в курс |
|---|---|
| 1.1 | Введение в статистику |
| 1.2 | Вероятность и комбинаторика |
| 1.3 | Распределения |
| Блок 2 | Точечные и интервальные оценки |
| 2.1 | Точечные оценки |
| 2.2 | Свойства точечных оценок |
| 2.3 | Интервальные оценки |
| Блок 3 | Проверка гипотез |
| 3.1 | Введение в гипотезы |
| 3.2 | Тестирование гипотез. Часть 1 |
| 3.3 | Тестирование гипотез. Часть 2 |
| Блок 4 | Зависимости в данных |
| 4.1 | Корреляции |
| 4.2 | Линейная регрессия |
| Блок 5 | A/B-тесты |
| 5.1 | Введение в A/B-тесты |
| 5.2 | Ratio-метрики |
| 5.3 | Сплит-система A/B-теста |
| 5.4 | Контроль длительности A/B-теста |