or
Questo esercizio fa parte del corso
Questo capitolo offre una breve introduzione ai contenuti trattati nel corso, per poi passare a una discussione sui Key Performance Indicators o KPI. Imparerai a identificare e definire KPI significativi combinando pensiero critico e strumenti Python. Queste tecniche sono presentate in modo altamente pratico e facilmente generalizzabile. In definitiva, questi temi costituiscono le basi per la discussione sull’A/B testing che seguirà.
Questo capitolo ti insegna a visualizzare, manipolare ed esplorare i KPI mentre cambiano nel tempo. Attraverso vari esempi, imparerai a lavorare con oggetti datetime per calcolare metriche per unità di tempo. Passeremo poi alle tecniche per rappresentare in grafico diversi segmenti di dati e applicare varie funzioni di smoothing per rivelare tendenze nascoste. Infine, vedremo un esempio completo di come individuare problemi tramite l’analisi esplorativa dei dati dei clienti. In tutto il capitolo verranno introdotte e spiegate funzioni in modo altamente generalizzabile.
In questo capitolo entrerai nel vivo dell’A/B testing. Imparerai la matematica e le conoscenze necessarie per progettare e pianificare con successo un test A/B, dalla definizione dell’unità sperimentale al calcolo della dimensione campionaria necessaria. A supporto, verranno introdotte le funzioni e il codice per calcolare le varie quantità associate a un test statistico di questo tipo.
Dopo aver eseguito un test A/B, devi analizzare i dati e comunicare efficacemente i risultati. Questo capitolo alterna la teoria della significatività statistica e degli intervalli di confidenza con gli strumenti necessari per calcolarli direttamente dai dati. In seguito, discuteremo come visualizzare e comunicare al meglio questi risultati. Questo capitolo rappresenta il culmine di tutte le conoscenze sviluppate durante l’intero corso.
Esercizio attuale