دوره آموزشی علم داده از طراحی تجربی
3 ساعت 36 دقیقهمتوسط2020-05-04
مدرسین

Monika Wahi
Data Science and Biotech Expert
جزئیات دوره
آیا علاقه مند به یادگیری نحوه ایجاد یک تجربه و تست آنلاین هستید که به شما در درک بهتر بیزنستان کمک میکند؟ این دوره میتواند به شما در سرعت رسیدن کمک کند. مربی Monika Wahi شاگردان را بدون پیش زمینه در طراحی آزمایشی نحوه ساخت یک آزمون A/B برای یک صفحه وب، اجرای آزمون، تجزیه و تحلیل دادهها و تصمیم گیری بر اساس نتایج آزمون نشان میدهد. او با توضیح اینکه آزمایش A/B دقیقاً چیست و تحت چه شرایطی مفید است، شروع میکند. وی سپس استراتژیهای بالقوه برای افزایش نرخ تبدیل و همچنین نحوه انتخاب هر دو شرایط A و B را برای آزمایش پوشش میدهد. در مرحله بعد، او نحوه تعیین نرخ تبدیل و توسعه و مستند کردن تعریف موارد را توضیح میدهد، تجزیه و تحلیل پایه را در اکسل انجام میدهد و براساس نتایج آنالیز، آزمایش A/B را طراحی میکند. به علاوه، وی نحوه انجام آزمایش chi-square در Excel را نشان میدهد و برآورد اندازه نمونه را با استفاده از G*Power دریافت میکند.
مهارت ها
Data AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOne-Off
سرفصل ها
0. مقدمه
- 01-انجام آزمایش آنلاین
- 02-آنچه باید بدانید
1. مقدمه ای بر تست تجربی
- 03-آزمایش یک نوع مطالعه است
- 04-ویژگی های یک آزمایش
- 05-شرایط آزمایش تجربی
- 06- چه زمانی آزمایش انجام ندهیم
- 07-سیستم های آماده آزمایش آزمایشی
- 08-قابلیت مقایسه شرایط تجربی
2. تعریف تبدیل
- 09-تلاش برای افزایش تبدیل
- 10-انواع مختلف تبدیل
- 11-تعریف موردی تبدیل
- 12- اندازه گیری تبدیل
- 13-در نظر گرفتن بازه زمانی برای تبدیل
- 14-نرخ ها در مقابل فرکانس تبدیل ها
3. تعریف نرخ تبدیل
- 15-تبدیل ها را شناسایی و اولویت بندی کنید
- 16- تبدیل های شمارش را عملیاتی کنید
- 17-تعریف موارد تبدیل سند
- 18- مخرج طوفان فکری
- 19-مثبت و منفی کاذب
- 20-مخرج سند
- 21- بازه های زمانی را تعیین کنید
4. تحلیل های توصیفی پایه
- 22-تحلیل های سری زمانی پایه
- 23- مدیریت داده ها
- 24-نتایج پایه به عنوان یک راهنما
- 25- فکر کردن به افزایش تبدیل
- 26-راهبردهای افزایش تبدیل
- 27-برنامه ریزی کمپین
5. طراحی آزمایش
- 28-طراحی آزمون
- 29-آزمایش اجرا
- 30-انتخاب آمار آزمون
- 31-انتخاب آزمون کای دو
- 32-تست مجذور کای در اکسل
6. حجم نمونه و آمار
- 33-نصب G_Power
- 34-استفاده از G_Power
- 35-شبیه سازی حجم نمونه
- 36-برنامه ریزی جدول زمانی
- 37-تحلیل طبقه بندی شده
- 38-آزمون های مشروط
7. تجزیه و تحلیل و تفسیر داده ها
- 39-رویکرد تحلیل کلی
- 40-تحلیل سری زمانی
- 41-تحلیل مجذور کای
- 42-تفسیر
نتیجه گیری و مراحل بعدی
- 43- چه اقداماتی می توانیم انجام دهیم
- 44-گزارش نویسی
دوره های مرتبط
- دوره آموزشی مبانی آمار : بخش 4 مباحث پیشرفته
- دوره آموزشی آیا نتیجه داد؟ ارزیابی برنامه در علم داده
- دوره آموزشی ارزیابی برنامه برای علم داده
- دوره آموزشی SQL برای پروژههای هوش مصنوعی: از کاوش داده تا ایجاد اثرگذاری
- دوره آموزشی طراحی مطالعات مراقبت های بهداشتی داده های بزرگ، بخش اول
- دوره آموزشی هوش تصمیمگیری: روایتهای دادهای
- دوره آموزشی آمادگی برای آزمون گواهینامه Microsoft Azure Data Scientist Associate (DP-100)
- دوره آموزشی بررسی آزمون: طراحی و پیاده سازی یک راه حل علم داده در Azure (DP-100)
مسیرهای مرتبط
- مسیر آموزشی از تحلیلگر داده به یک دانشمند داده تبدیل شوید
- مسیر آموزشی گواهینامه حرفهای مبانی آمار توسط Wolfram Research
- مسیر آموزشی تبدیل به یک کمربند سبز شش سیگما شوید
- مسیر آموزشی تبدیل شدن به یک کمربند سیاه شش سیگما
- مسیر آموزشی تقویت مهارت های تحلیلی خود را با تجزیه و تحلیل آماری
- مسیر آموزشی ارتقا مهارت های خود در تجزیه و تحلیل پیش بینی کننده
- مسیر آموزشی در تجزیه و تحلیل و تحلیل کسب و کار پیشرو باشید
- مسیر آموزشی مهارت های خود را به عنوان یک متخصص یادگیری ماشین ارتقا دهید