СТАРТ ПРОГРАММЫ
29 МАРТА 2023
ФОРМАТ ОБУЧЕНИЯ
ОНЛАЙН
КОМУ ПОДОЙДЁТ
МОЖНО С НУЛЯ
ДЛИТЕЛЬНОСТЬ
В своём темпе
АЛЕКСАНДР САХНОВ
Расскажем всё о проведении экспериментов в больших компаниях

СИМУЛЯТОР
A/B-ТЕСТОВ
|

ПРИНИМАЙТЕ ОПТИМАЛЬНЫЕ РЕШЕНИЯ НА ОСНОВЕ ДАННЫХ
X5 Retail Group, хедлайнер симулятора
АЛЕКСАНДР САХНОВ
В бизнесе ежедневно принимаются сотни решений. Часто сложно понять, какое решение будет оптимальным, но цена ошибки при этом высока. Компании, применяющие A/B-тестирование, ошибаются реже и благодаря этому опережают своих конкурентов.

Именно математическая статистика предоставляет нам обоснованные критерии для проверки гипотез и даёт уверенность в правильности полученных результатов.

Вам может казаться, что A/B-тестирование — это просто. Но это ровно до того момента, пока вы не наткнётесь на первые подводные камни, которые приведут вас к неоптимальному решению, а значит, и потерям в бизнесе.

На симуляторе вы отработаете на практике сложные и нестандартные ситуации, чтобы избежать ошибок в реальной работе.
Занимаетесь анализом бизнес-метрик и хотите на практике разобраться во всех тонкостях A/B-тестирования.
АНАЛИТИК
Работаете над развитием продукта и хотите научиться принимать решения на основе data-driven подхода.
ПРОДАКТ-МЕНЕДЖЕР

ДЛЯ КОГО ЭТОТ КУРС:

ДВЕ ВЕРСИИ СИМУЛЯТОРА:
Выберите подходящую версию симулятора А/В-тестов в зависимости от ваших целей и уровня подготовки.
Подойдёт всем, кто хочет разобраться в A/B-тестировании без погружения в программирование и математическую статистику.
Необходимые знания
инструменты
ПРОГРАММА
Математика на уровне школьной программы
БАЗОВАЯ
Подойдёт всем, кто хочет разобраться в A/B-тестировании без погружения в программирование и математическую статистику.
Необходимые знания
инструменты
Программа
Математика на уровне школьной программы
14 уроков
БАЗОВАЯ
Подойдёт всем, кто знаком с основами Python и математической статистикой и хочет разобраться с технической реализацией A/B-тестов.
Необходимые знания
инструменты
ПРОГРАММА
14 уроков
Дополнительная практика на Python
ПРОДВИНУТАЯ
Подойдёт всем, кто знаком с основами Python и математической статистикой и хочет разобраться с технической реализацией A/B-тестов.
Необходимые знания
инструменты
ПРОГРАММА
14 уроков
Дополнительная практика на Python
ПРОДВИНУТАЯ
> Знание синтаксиса Python
> Понимание базовых структур данных (список, словарь, кортеж)
> Владение библиотеками pandas, numpy, scipy, matplotlib
> Знание основ теории вероятностей и математической статистики
ПОДРОБНЕЕ О СИМУЛЯТОРЕ
Валерий Бабушкин расскажет, в чём заключается ценность симулятора A/B-тестов, чем отличаются 2 версии и какие темы вам предстоит освоить.
КАК ПРОХОДИТ ОБУЧЕНИЕ >>>
РЕШАЙТЕ НАСТОЯЩИЕ ЗАДАЧИ БИЗНЕСА
— Пройдите путь начинающего аналитика
— Запускайте A/B-тесты, анализируйте их результаты и помогайте бизнесу принимать оптимальные решения на основе данных
— Получайте обратную связь от практикующих специалистов
РАБОТАЙТЕ С РЕАЛЬНОЙ ИНФРАСТРУКТУРОЙ
— Практикуйтесь в боевых условиях, учитесь не допускать типичные ошибки при проведении экспериментов
— Работайте на настоящей платформе A/B-тестирования, созданной для симулятора
— Разрабатывайте дизайн экспериментов и анализируйте результаты
ЗАДАВАЙТЕ ЛЮБЫЕ ВОПРОСЫ В ПОДДЕРЖКУ
— Обсуждайте задачи и проекты с преподавателями и командой поддержки
— Вашими наставниками будут практикующие специалисты
РЕШАЙТЕ НАСТОЯЩИЕ ЗАДАЧИ БИЗНЕСА
— Пройдите путь начинающего аналитика компании
— Запускайте A/B-тесты, анализируйте их результаты и помогайте бизнесу принимать оптимальные решения на основе данных
— Получайте обратную связь от практикующих специалистов
79
РАБОТАЙТЕ С РЕАЛЬНОЙ ИНФРАСТРУКТУРОЙ
— Практикуйтесь в боевых условиях, учитесь не допускать типичные ошибки при проведении экспериментов
— Работайте на настоящей платформе A/B-тестирования, созданной для симулятора
— Разрабатывайте дизайн экспериментов и анализируйте результаты
ЗАДАВАЙТЕ ЛЮБЫЕ ВОПРОСЫ В ПОДДЕРЖКУ
— Обсуждайте задачи и проекты с преподавателями и командой поддержки
— Вашими наставниками будут опытные специалисты
90
ЧЕМУ ВЫ НАУЧИТЕСЬ:
Проверять гипотезы со сложными метриками, для которых стандартные тесты не работают
Разрабатывать оптимальный дизайн онлайн и офлайн экспериментов
Применять современные методы повышения чувствительности A/B-тестов
Проводить множество экспериментов параллельно
ПРОГРАММА КУРСА ://
Представьте, что вы устроились аналитиком в пиццерию, которая активно переходит в онлайн и проводит эксперименты для повышения качества сервиса. Вам предстоит определить, какая версия сайта работает лучше, что изменилось после рефакторинга бэкенда и удалось ли отделу логистики ускорить доставку.
КАКИЕ ЗАДАЧИ БУДЕМ РЕШАТЬ >>>
  • Дизайн эксперимента
    Разработчики провели рефакторинг кода и подготовили обновление бэкенда сайта. Ожидается, что новая версия будет более надёжной и масштабируемой. Подготовь дизайн эксперимента для проверки скорости ответа бэкенда на запросы клиентов.
  • АНАЛИЗ МЕТРИКИ ОТНОШЕНИЯ
    Менеджеры хотят заменить транспорт курьеров, чтобы ускорить доставку. В качестве метрики будем использовать среднее время доставки, для которой обычные тесты не работают. Выбери подходящий метод и проанализируй полученные результаты.
  • ЧУВСТВИТЕЛЬНЫЕ ТЕСТЫ
    Есть несколько гипотез, которые вряд ли сильно повлияют на наши метрики, но даже небольшие улучшения для нас важны. Попробуй с помощью разных методов повысить чувствительность тестов, чтобы они могли замечать маленькие эффекты.
  • МНОЖЕСТВЕННОЕ ТЕСТИРОВАНИЕ
    У нас накопилось очень много гипотез, но проверять их отдельно слишком долго. Придумай, как запустить несколько экспериментов одновременно, иначе мы до них никогда не доберёмся.
  • Дизайн эксперимента
    Разработчики провели рефакторинг кода и подготовили обновление бэкенда сайта. Ожидается, что новая версия будет более надёжной и масштабируемой. Подготовь дизайн эксперимента для проверки скорости ответа бэкенда на запросы клиентов.
  • АНАЛИЗ МЕТРИКИ ОТНОШЕНИЯ
    Менеджеры хотят заменить транспорт курьеров, чтобы ускорить доставку. В качестве метрики будем использовать среднее время доставки, для которой обычные тесты не работают. Выбери подходящий метод и проанализируй полученные результаты.
  • ЧУВСТВИТЕЛЬНЫЕ ТЕСТЫ
    Есть несколько гипотез, которые вряд ли сильно повлияют на наши метрики, но даже небольшие улучшения для нас важны. Попробуй с помощью разных методов повысить чувствительность тестов, чтобы они могли замечать маленькие эффекты.
  • МНОЖЕСТВЕННОЕ ТЕСТИРОВАНИЕ
    У нас накопилось очень много гипотез, но проверять их отдельно слишком долго. Придумай, как запустить несколько экспериментов одновременно, иначе мы до них никогда не доберёмся.

ОТЗЫВЫ СТУДЕНТОВ /

  • Базовая версия

    Самое главное — это структура! На этом уже можно закончить :)
    Десятки ранее просмотренных видео, сотни часов контента (без преувеличения) не давали такого ощущения, что всё по полочкам. Примерно до 12-го урока я прямо «преисполнялся в знании», что всё получается, всё могу. Писал бывшим коллегам в стиле «вон оно как!», советовал.

    Читать полностью →
    Виктор Панькив
  • Базовая версия

    Теперь могу написать в резюме, что разбираюсь в А/В-тестах на базовом уровне. Планирую перепройти курс ещё пару раз, когда будут конкретные задачи на работе, поэтому благодарна, что доступ к нему не закрывается.

    Читать полностью →
    Айнур Кулиева
  • Базовая версия

    Самое главное — это структура! На этом уже можно закончить :)
    Десятки ранее просмотренных видео, сотни часов контента (без преувеличения) не давали такого ощущения, что всё по полочкам. Примерно до 12-го урока я прямо «преисполнялся в знании», что всё получается, всё могу. Писал бывшим коллегам в стиле «вон оно как!», советовал.

    Читать полностью →
    Виктор Панькив
  • Базовая версия

    Теперь могу написать в резюме, что разбираюсь в А/В-тестах на базовом уровне. Планирую перепройти курс ещё пару раз, когда будут конкретные задачи на работе, поэтому благодарна, что доступ к нему не закрывается.

    Читать полностью →
    Айнур Кулиева
УЧИТЕСЬ У >ЛУЧШИХ>
АЛЕКСАНДР САХНОВ
За более чем два года работы в компании повысил чувствительность A/B-тестов в 100 раз. Преподаёт в Школе анализа данных Яндекса.
Руководитель отдела мультивариативного анализа в X5 Retail Group
ВАЛЕРИЙ БАБУШКИН
Работал в WhatsApp, руководил отделом Data Science and Engineering в X5 Retail Group, был директором по аналитике и машинному обучению в компаниях Яндекс и Alibaba. Ведёт курс Data Science в Высшей Школе Экономики. Консультирует центральный банк Казахстана по вопросам анализа данных. Имеет звание Grandmaster на платформе Kaggle.
VP of Data Science в Blockchain.com
НИКОЛАЙ НАЗАРОВ
Работал ML-специалистом в Severstal Digital и S7 Airlines. Победитель соревнования Yandex Cup по направлению «Аналитика».
Senior Data Scientist в X5 Retail Group

СТОИМОСТЬ ://

Базовая версия

Продвинутая версия

+ 14 уроков
+ Дополнительные задания на Python к каждому уроку
+ Q&A сессия с преподавателями каждый месяц
+ Доступ к поддержке и инструментам на 1 год
+ Доступ к материалам навсегда
+ 14 уроков
+ Q&A сессия с преподавателями каждый месяц
+ Доступ к поддержке и инструментам на 1 год
+ Доступ к материалам навсегда
45 000 ₽
35 000
Старт 29 МАРТА
Старт 29 МАРТА
Обучение может оплатить ваш работодатель
Начните учиться сейчас, оформите налоговый вычет и верните до 13% стоимости обучения. Подробнее здесь.
налоговый вычет
гарантия возврата
Если в течение двух недель решите, что курс вам не подходит — вернём деньги.
Международная оплата
Если вы хотите оплатить обучение из-за рубежа, оставьте заявку — мы с вами свяжемся и подскажем, как это сделать.
FAQ >>>
ПОКАЗАТЬ ЕЩЁ

Остались вопросы?

Заполните форму, мы свяжемся с вами, ответим на все ваши вопросы и подробнее расскажем о курсе.