Чему вы научитесь
- Формулировать бизнес- и продуктовые гипотезы
- Выбирать North-Star, OEC-метрики и guardrails
- Оценивать размер выборки, MDE и мощность теста
- Проводить t-test, χ², Манна-Уитни и bootstrap-тесты в Python
- Использовать CUPED, uplift-анализ и бустрапы для сложных кейсов
- Строить доверительные интервалы и интерпретировать uplift
- Выявлять и предотвращать peeking, carry-over и пересечение экспериментов
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 Stepik.
Для кого этот курс
Начальные требования
Знание основ статистики: среднее, дисперсия, распределения
Базовый Python (pandas + numpy) желателен, но не обязателен — материал можно понять без углубления в язык
Наши преподаватели
Как проходит обучение
Курс состоит из текстовых лекций, тестовых и практических задач.
Программа курса
Сертификат
Что вы получаете
- Системную методику A/B-тестирования «от идеи до внедрения»
- Готовые шаблоны: калькулятор MDE/Power, отчёт об эксперименте, чек-лист запуска
- Сертификат Stepik, который подтверждает компетенции перед работодателем
- Доступ к обновлениям курса и новым ноутбукам без доплат
- Поддержку автора в комментариях и возможность задать вопросы по своим кейсам