- Суть
- Математическая база для машинного обучения, анализа данных, Data Science и A/B-тестирования
- На выходе
- Выбирать критерий для принятия решения и строить доверительные интервалы для метрик; Подбирать параметры эксперимента, проектировать и оценивать A/B-тесты; Использовать метод CUPED, стратификацию и множественное тестирование; Применять векторные пространства и алгоритмы нейросетей в анализе данных; Подготовиться к математической секции собеседования аналитика
- Навыки
- проверка гипотез · проектирование A/B-тестов · метод CUPED · стратификация · линейная регрессия · множественное тестирование
- Кому подойдёт
- начинающие специалисты; студенты; практикующие аналитики