Математическая статистика и А/В тестирование

В этом онлайн-курсе мы будем смотреть на данные через призму математической статистики. Поговорим о том, какое место она занимает среди наук о данных. Научимся аккуратно переводить повседневные задачи на язык статистики и выбирать методы для работы с ними. 

К концу курса мы научимся грамотно выбирать методы для проверки гипотез, строить доверительные интервалы, а также реализовывать это всё на Python.

Курс состоит из 6 недель. Каждая включает в себя несколько коротких видеолекций (суммарная продолжительность – от 60 до 100 минут), тест на знание теоретического материала (5 – 15 вопросов), тренировочные задания на программирование, а также материалы для самостоятельного изучения. 
 

Перед изучением курса мы рекомендуем вам ознакомиться с курсами Цифровая грамотность, Основы программирования на Python, Статистика для анализа данных, Сбор и анализ данных в Python и Основы машинного обучения.

1 - Общая схема математической статистики

Накидываем схему математической статистики, осознаём мощь средних. Придумываем метод моментов, понимаем как распределено среднее, строим для него доверительный интервал.

2 - Свойства статистических оценок

Разбираемся со статистическими свойствами  оценок. Смотрим на то, как они выглядят на симуляциях. Обсуждаем, зачем статистики хотят, чтобы их оценки обладали такими свойствами.

3 - Доверительные интервалы

До этого мы обсудили асимптотических союзников: ЦПТ и дельта-метод. Оказывается, что есть ещё и точные.  На этой неделе поговорим про них, а также про точные доверительные интервалы.

4 - Параметрические критерии и проверка гипотез

Пришло время обсудить то, как математическая статистика помогает отвечать на разные вопросы. Говорим про проверку гипотез.

5 - Непараметрические критерии, критерии согласия, бутстрап

Продолжаем добавлять на схему статистики новые кусочки. Пришло время бустрапа, непараметрических критериев и критериев согласия.

6 - A/B тестирование

Говорим про то, как на практике проверяют разные идеи (А/B-тестирование), а также о том, какие проблемы при этом обычно возникают. Соединяем весь материал, который мы изучили, в единую картину мира.

По окончании курса вы разберётесь в теоретических основах математической статистики и научитесь среди большого числа методов выбирать те, которые подходят именно вам. Кроме того, вы сможете строить доверительный интервал и проверять гипотезу с помощью Python.

Данный курс позволяет освоить следующие компетенции в соответствии с Рекомендациями к дополнительным профессиональным программам ИТ-профиля, реализуемым в рамках проекта «Цифровые кафедры» университета–участника программы стратегического академического лидерства «Приоритет-2030»:

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Применяет математический аппарат для решения задач по оценке и разработки моделей
Уровень: Продвинутый

Сфера: Искусственный интеллект и машинное обучение
Компетенция: Осуществляет сбор и подготовку данных для обучения моделей искусственного интеллекта
Уровень: Продвинутый

После завершения курса мы рекомендуем вам изучить курсы (в последователности):

Продвинутые методы машинного обучения и Статистические методы анализа данных.

А также рекомендуем ознакомиться с курсами Анализ текстовых данных и Компьютерное зрение.