Курс на Stepik
Обложка курса «База Causal Inference'а для аналитиков» на Stepik
699 ₽

База Causal Inference'а для аналитиков ★ 0.000

Открыть на
STEPIK.ORG

Практический курс по causal inference для продуктовых аналитиков и аналитиков данных. Учимся честно отвечать «а это сработало?», когда A/B-тест провести нельзя. Один сквозной кейс — пуши в стриминге StreamFlow; методы matching/IPW, IV, DiD, RDD, Double ML, uplift; автопроверяемые задачи на Python. Пройдём путь от наивного «+29% к retention» до конкретного решения: кому слать пуши и сработает ли это на самом деле, принесет ли ценность бизнесу

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «База Causal Inference'а для аналитиков»Учеников на курсе 10
Сертификаты, выданные на курсе «База Causal Inference'а для аналитиков»Сертификатов выдано 0
Отзывы о курсе «База Causal Inference'а для аналитиков»Отзывов получено 0
Рейтинг курса «База Causal Inference'а для аналитиков»Рейтинг курса 0.000
Уроки в курсе «База Causal Inference'а для аналитиков»Количество уроков 21
Тесты в курсе «База Causal Inference'а для аналитиков»Количество квизов 54
Задачи с кодом в курсе «База Causal Inference'а для аналитиков»Количество задач с кодом 11
Время прохождения курса «База Causal Inference'а для аналитиков»Время прохождения курса —
Стоимость курса «База Causal Inference'а для аналитиков»Стоимость курса 699 ₽ —
Обновления курса «База Causal Inference'а для аналитиков»Обновления курса — —
Дата публикации курса «База Causal Inference'а для аналитиков»Дата публикации курса — ———
Последнее обновление курса «База Causal Inference'а для аналитиков»Последнее обновление — ———
Сложность normal — ———

Чему вы научитесь

  • Видеть конфаундинг и самоотбор за красивой разницей средних
  • Рисовать допущения через DAG и решать, что контролировать, а что испортит оценку
  • Оценивать эффект без эксперимента: matching/IPW, IV, DiD, CausalImpact, RDD, Double ML
  • Находить, кому воздействие помогает, а кому вредит (HTE/CATE, uplift)
  • Выбирать метод под задачу, называть ключевое допущение и проверять его на прочность
  • Доносить каузальный вывод до продакта так, чтобы на нём приняли верное решение

О курсе

Практический курс по causal inference для продуктовых аналитиков и аналитиков данных. Учимся честно отвечать «а это сработало?», когда A/B-тест провести нельзя. Один сквозной кейс — пуши в стриминге StreamFlow; методы matching/IPW, IV, DiD, RDD, Double ML, uplift; автопроверяемые задачи на Python. Пройдём путь от наивного «+29% к retention» до конкретного решения: кому слать пуши и сработает ли это на самом деле, принесет ли ценность бизнесу

Для кого этот курс

Продуктовые аналитики и аналитики данных, которым нужно измерять эффект продуктовых изменений там, где A/B недоступен: рандомизировать нельзя, изменение уже выкатили на всех, или эффект растянут во времени. Подойдёт и тем, кто хочет перестать путать корреляцию с причиной и научиться защищать свои выводы перед командой

Начальные требования

  • Python на уровне pandas
  • Базовое понимание A/B-тестов
  • Школьная статистика (среднее, доля, доверительный интервал)
  • Глубокой математики не нужно — интуиция здесь важнее формул

Преподаватели курса

Аватар Антон Кирильцев
Антон Кирильцев
Руководитель продуктовой аналитики в ecom, ex-X5, ex-Tutu. Основатель аналитического консалтинга Преподаватель в Otus, м...
1 курс 10
→

Как проходит обучение

Теория с интуицией и кодом, тесты на понимание и автопроверяемые задачи на Python: вы считаете методы руками, а не смотрите слайды. Один сквозной кейс StreamFlow проходит через весь курс, у каждого метода есть раздел про слабые места и проверки на устойчивость. Если застряли на задаче — встроенный промпт-наставник для нейросети, который объясняет и направляет, а не выдаёт готовый ответ

Что вы получите

  • Рабочий навык: оценить эффект без A/B и защитить вывод перед командой
  • Практику на автопроверяемых задачах, а не только теорию
  • Карту «метод → библиотека» и бест-практисы для реальной работы
  • Понимание, какой именно эффект (ATE / ATT / LATE) вы посчитали и кому его нести

Нагрузка

2-3 часа в неделю

Расскажите о курсе друзьям