or
Este exercício faz parte do curso
Este capítulo traz uma breve introdução ao conteúdo que será abordado ao longo do curso e, em seguida, apresenta os Indicadores-Chave de Desempenho, ou KPIs. Você vai aprender a identificar e definir KPIs relevantes combinando pensamento crítico com ferramentas do Python. Todas as técnicas são apresentadas de forma altamente prática e generalizável. No fim, esses tópicos servem como base para a discussão de A/B testing que vem a seguir.
Este capítulo mostra como visualizar, manipular e explorar KPIs conforme eles mudam ao longo do tempo. Por meio de vários exemplos, você vai aprender a trabalhar com objetos datetime para calcular métricas por unidade de tempo. Depois, passamos para técnicas de como criar gráficos de diferentes segmentos de dados e aplicar várias funções de suavização para revelar tendências ocultas. Por fim, percorremos um exemplo completo de como identificar problemas por meio de uma análise exploratória de dados de clientes. Ao longo do capítulo, diversas funções são apresentadas e explicadas de forma altamente generalizável.
Neste capítulo, você vai mergulhar de vez em A/B testing. Vai aprender a base matemática e o conhecimento necessários para planejar e desenhar um teste A/B com sucesso — desde definir a unidade experimental até descobrir o tamanho de amostra necessário. Junto a isso, há uma introdução às funções e ao código necessários para calcular as diversas quantidades associadas a um teste estatístico desse tipo.
Depois de executar um teste A/B, você precisa analisar os dados e comunicar os resultados com clareza. Este capítulo começa entrelaçando a teoria de significância estatística e intervalos de confiança com as ferramentas para você mesmo calcular esses valores a partir dos dados. Em seguida, discutimos como visualizar e comunicar esses resultados de forma eficaz. Este capítulo é a culminação de todo o conhecimento construído ao longo do curso.
Exercício atual