Karpov.Courses - Hard Аналитика данных. Продвинутая аналитика данных (Часть 1-6 из 6) (2023)

Creation Time	Sept. 18, 2025, 3:43 p.m.
Last Access Time	Sept. 18, 2025, 3:43 p.m.
File Size	15.8 GB
Keywords	Hard аналитика Karpov Аналитика - 1-6 Courses 2023 Продвинутая 6 данных из Часть
Total Requests	1
Total Files	384
Magnet Link	Please wait ...
	Download (Magnet Link) Play (Watch Online)

часть 2/9 Вебинар по итоговому проекту по дашбордам.mp4 386.8 MB
часть 4/9 блок исправлено/12 Воркшоп с Дмитрием Казаковым HardDA-1.mp4 368.4 MB
часть 1/Модуль 2/9 Воркшоп с Ромой Буниным 07.06.2023 (1).mkv 351.5 MB
часть 4/9 блок исправлено/6.2 Статистические критерии. Практика в Python.mp4 336.3 MB
часть 4/9 блок исправлено/7.2 Бустрап. Практика в Python.mp4 321.7 MB
часть 4/7/Вебинар -Как не опустить руки при поиске работы-.mp4 302.7 MB
часть 5/5.4 Diff in Diff. Практика в Python. Работа с грязными данными.mp4 280.7 MB
часть 6/11/1.4 Алгоритмы машинного обучения. Практика в Python.mp4 277.2 MB
часть 5/10/7.3 PSM. Практика в Python.mp4 267.7 MB
часть 1/Модуль 2/6 Какие типы дашбордов бывают и какие задачи они решают (1).mkv 255.8 MB
часть 6/11/2.4 Валидация и обработка данных. Практика в Python. Часть 2.mp4 234.9 MB
часть 6/11/9.3 Авторегрессионные стратегии прогнозирования. Практика в Python..mp4 217.7 MB
часть 2/6 Разбор кейса. Сбор требований.mp4 216.2 MB
часть 5/10/6.3 Causal Impact. Практика в Python.mp4 214.8 MB
часть 6/11/2.5 Валидация и обработка данных. Практика в Python. Часть 3.mp4 202.8 MB
часть 4/9 блок исправлено/9.1 Эффект новизны.mp4 197.9 MB
часть 6/11/7.3 Кластеризация. Практика в Python.mp4 196.8 MB
часть 5/10/6.4 Ковариаты. Практика в Python.mp4 191.8 MB
часть 2/6.2 Разбор кейса.mp4 188.0 MB
часть 2/4 Дизайн паттерны.mp4 184.8 MB
часть 1/Модуль 2/10 Итоговое задание. Сбор информации (1).mkv 183.3 MB
часть 6/11/3.8 Проведение эксперимента. Практика в Python.mp4 174.8 MB
часть 5/10/2.6 Тесты со стратификацией. Практика в Python.mp4 166.4 MB
часть 6/12/3 Q&A по модулю “Продвинутые эксперименты” с Дмитрием Казаковым HardDA.mp4 154.2 MB
часть 5/10/4.5 Практика в Python. Резюме.mp4 147.1 MB
часть 6/11/9.4 ARIMA, SARIMA, SARIMAX. Практика в Python.mp4 140.1 MB
часть 4/9 блок исправлено/9.2 Эффект новизны. Практика в Python.mp4 140.0 MB
часть 2/2 Подготовка и проведение интервью.mp4 139.6 MB
часть 5/10/5.1 Diff in Diff. Практика в Python.mp4 139.0 MB
часть 5/5.3 Diff in Diff. Практика в Python.mp4 139.0 MB
часть 6/11/11.1 Решающие деревья.mp4 135.9 MB
часть 4/9 блок исправлено/8.4 Способы решения проблемы множественных сравнений. Практика в Python.mp4 135.3 MB
часть 4/9 блок исправлено/3.3 Proxy метрики. Практика в Python.mp4 131.2 MB
часть 6/11/7.4 Алгоритм KMeans и DBSCAN. Практика в Python.mp4 129.6 MB
часть 4/9 блок исправлено/5.2 Типы выборок. Практика в Python.mp4 122.9 MB
часть 4/9 блок исправлено/7.1 Бутстрап.mp4 121.5 MB
часть 4/9 блок исправлено/11 Презентация результатов.mp4 119.8 MB
часть 6/11/11.2 Решающие деревья. Практика в Python.mp4 119.1 MB
часть 6/11/3.2 Классификационные ML модели. Практика в Python.mp4 116.1 MB
часть 5/10/3.6 Пустые значения и размер выборки для CUPED. Практика в Python.mp4 114.3 MB
часть 4/9 блок исправлено/4.8 Анализ мощности в Python Notebook. Резюме.mp4 114.0 MB
часть 1/Модуль 2/3 Алгоритм создания Dashboard Map.mkv 113.3 MB
часть 6/11/11.5 Random Forest и Gradient boosting. Практика в Python.mp4 111.3 MB
часть 2/7 Прототип, демо и оценка результатов проекта.mp4 109.0 MB
часть 4/9 блок исправлено/3.1 Метрики в эксперименте.mp4 106.2 MB
часть 1/Модуль 1/1 Модуль Вводный вебинар -HardDA.mkv 103.4 MB
часть 6/11/5.5 Практика в Python. Моделирование и эксперименты..mp4 100.5 MB
часть 3/5 модуль/3 Организация работы DWH. Data Mesh.mp4 100.0 MB
часть 5/10/2.4 Стратификация. Практика в Python.mp4 96.4 MB
часть 3/4 модуль/1.2 Архитектура хранилища данных.mp4 95.6 MB
часть 4/8.2/3.4 Разные способы проверки гипотез.mp4 94.7 MB
часть 1/Модуль 2/8 Фасилитация.mkv 94.4 MB
часть 1/Модуль 2/5 Анализ продуктов, бизнес-процессов и сущностей компании.mkv 93.7 MB
часть 4/8.2/3.2 Double diamond.mp4 91.9 MB
часть 5/10/4.3 SPRT. Практика в Python.mp4 91.7 MB
часть 6/11/2.8 Выбор модели. Практика в Python.mp4 90.0 MB
часть 6/11/1.2 Градиентный спуск.mp4 88.1 MB
часть 5/10/3.4 CUPED t-test практика в Python.mp4 87.9 MB
часть 5/5.1 Causal inference и Causal Discovery.mp4 86.4 MB
часть 5/10/6.2 Ковариаты. Использование Causal Impact.mp4 86.4 MB
часть 6/11/11.4 Алгоритмы Random Forest и Gradient boosting.mp4 84.9 MB
часть 6/11/9.1 Эконометрический подход в решении задачи прогнозирования временных рядов.mp4 84.6 MB
часть 4/9 блок исправлено/4.10 Бизнес аспекты работы.mkv 83.6 MB
часть 6/11/1.1 Что такое машинное обучение. Компоненты классической ML-задачи.mp4 83.0 MB
часть 3/4 модуль/3 Spark. Что такое Spark и его основные концепции.mp4 82.1 MB
часть 3/4 модуль/3.2 Spark. RDD, Dataframe, Dataset, Narrow и Wide Transformations.mp4 81.8 MB
часть 5/10/7.2 Propensity Score Matching (PSM).mp4 79.7 MB
часть 1/Модуль 2/2 BI-система как продукт.mkv 79.6 MB
часть 3/4 модуль/5.2 Оптимизация запросов в Spark. Партиции и способы решения skew.mp4 79.6 MB
часть 6/11/5.3 Практика в Python. Спецификация задачи.mp4 78.1 MB
часть 4/9 блок исправлено/5.4 Ошибки формирования выборок + SRM. Практика в Python.mp4 76.6 MB
часть 6/11/11.3 Ансамбли моделей.mp4 76.2 MB
часть 6/12/1 Q&A сессия.mp4 76.2 MB
часть 4/9 блок исправлено/5.5 Репрезентативность.mp4 76.1 MB
часть 4/9 блок исправлено/2.4 Работа с метриками в деталях.mp4 74.5 MB
часть 4/9 блок исправлено/5.3 Ошибки формирования выборок + SRM.mp4 74.0 MB
часть 2/3 Структурирование требований в Dashboard Canvas.mp4 73.0 MB
часть 6/11/9.2 ARIMA, SARIMA, SARIMAX.mp4 72.9 MB
часть 5/5.2 Difference in difference.mp4 71.4 MB
часть 4/8.2/2.4 Data driven и experiment driven принципы.mp4 71.1 MB
часть 1/Модуль 2/4 Роли бизнес пользователей системы отчетности.mkv 70.2 MB
часть 3/4 модуль/2.2 Понятия, необходимые для работы с S3 и Библиотека Boto3.mp4 69.5 MB
часть 4/9 блок исправлено/6.1 Статистические критерии.mp4 68.6 MB
часть 4/9 блок исправлено/3.2 Типы метрик.mp4 68.2 MB
часть 3/4 модуль/7 Оптимизация запросов в ClickHouse.mp4 67.3 MB
часть 5/10/4.2 SPRT. Варианты решения.mp4 67.1 MB
часть 5/10/2.1 Дисперсия данных. Работа с выбросами данных.mp4 67.0 MB
часть 4/8.2/2. Культура и принципы экспериментов в компании.pdf 66.9 MB
часть 6/11/7.1 Кластеризация. Алгоритм KMeans.mp4 65.9 MB
часть 6/11/2.3 Валидация и обработка данных. Практика в Python.mp4 65.4 MB
часть 6/11/3.4 Deep dive в logReg и SVM.mp4 65.1 MB
часть 6/11/3.6 Метрики.mp4 63.9 MB
часть 5/10/7.1 Matching.mp4 63.8 MB
часть 4/9 блок исправлено/10.3 Чек-лист этапов после запуска эксперимента.mp4 63.7 MB
часть 4/8.2/3.3 Фреймворк оценки проблемы решения.mp4 63.6 MB
часть 5/10/6.1 Causal Impact.mp4 62.9 MB
часть 6/11/2.6 Валидация и обработка данных. Практика в Python. Часть 4.mp4 62.8 MB
часть 4/8.2/3.5 Правильные гипотезы.mp4 62.4 MB
часть 4/9 блок исправлено/4.2 Мощность теста.mp4 62.1 MB
часть 6/11/2.2 Валидация и обработка данных.mp4 58.8 MB
часть 6/11/3.9 Метрики. Практика в Python.mp4 57.6 MB
часть 4/9 блок исправлено/4.9 Бизнес аспекты работы.mp4 56.8 MB
часть 4/9 блок исправлено/10.2 Чек-лист дизайна экспериментов.mp4 56.7 MB
часть 3/4 модуль/2.1 Что такое S3, примеры использования и понятия.mp4 56.4 MB
часть 5/10/2.5 Варианты работы со стратификацией. Практика в Python.mp4 56.0 MB
часть 5/10/4.4 Доработка SPRT. Нужный размер выборки.mp4 55.9 MB
часть 4/9 блок исправлено/2.3 Классификация метрик. Метрики движущих сил и Ограничительные метрики.mp4 55.0 MB
часть 4/2.3 Ключевые ингредиенты хорошей экспериментальной кухни.mp4 53.5 MB
часть 3/4 модуль/7.2 Типичные ошибки использования ClickHouse.mp4 53.1 MB
часть 3/4 модуль/5.3 Оптимизация запросов в Spark. Кэширование, пользовательские функции, фильтрация.mp4 52.8 MB
часть 3/4 модуль/5.1 Оптимизация запросов в Spark. Устройство, архитектура, контекст применения, знакомство со Spark UI.mp4 52.7 MB
часть 6/11/1.3 Линейные модели.mp4 52.2 MB
часть 5/10/3.1 CUPED.mp4 51.6 MB
часть 4/9 блок исправлено/10.1 Чек-лист экспериментов.mp4 51.4 MB
часть 1/Модуль 2/7 Метрики и Срезы.mkv 51.0 MB
часть 6/11/1.5 Линейные модели. Практика в Python.mp4 50.8 MB
часть 4/9 блок исправлено/2.5 Важные практики при работе с метриками. Закон Гудхарта.mp4 50.6 MB
часть 2/1 Алгоритм Dashboard Canvas фреймворк.mp4 49.2 MB
часть 6/11/2.1 Эксперимент машинного обучения.mp4 49.1 MB
часть 5/10/4.1 SPRT. Проблема подглядывания.mp4 48.8 MB
часть 4/9 блок исправлено/5.1 Интро. Типы выборок.mp4 48.6 MB
часть 4/9 блок исправлено/4. MDE, ошибки 1-го и 2-го рода в тесте, статистическая и практическая значимость эксперимента.pdf 48.0 MB
часть 4/2.1 Вводное слово. Место эксперимента в data driven компаниях.mp4 46.9 MB
часть 4/1 Интро к блоку бизнес предпосылки эксперимента.mp4 45.8 MB
часть 3/4 модуль/6.2 ClickHouse. Основные понятия СУБД.mp4 45.4 MB
часть 3/4 модуль/6.3 ClickHouse. Движки.mp4 45.3 MB
часть 5/10/3.2 CUPED. Практика в Python.mp4 44.7 MB
часть 4/9 блок исправлено/4.6 Выбор MDE.mp4 44.0 MB
часть 4/9 блок исправлено/4.1 Интро. Виды ошибок.mp4 42.0 MB
часть 2/5 Утверждение макета с заказчиком.mp4 41.7 MB
часть 6/11/5.4 Практика в Python. Pipeline обработки данных..mp4 41.3 MB
часть 6/12/2 Q&A-сессия по модулю DWH.mp4 41.2 MB
часть 4/9 блок исправлено/5.6 Репрезентативность. Практика в Python.mp4 40.0 MB
часть 5/10/6.5 Использование Causal Impact. Плюсы, минусы. Резюме.mp4 39.3 MB
часть 3/4 модуль/1.1 Понятие хранилища данных.mp4 39.1 MB
часть 4/9 блок исправлено/2.2 Классификация метрик. Целевые показатели.mp4 38.8 MB
часть 6/11/5.1 Метрические модели. KNN.mp4 38.5 MB
часть 4/8.2/3.6 Кумулятивные эффекты. Проблема Exploration Exploitation.mp4 36.4 MB
часть 6/11/7.2 DBSCAN.mp4 35.1 MB
часть 5/10/3.5 Пустые значения и размер выборки для CUPED.mp4 34.9 MB
часть 4/9 блок исправлено/8.2 Причины возникновения проблемы множественных сравнений. Практика в Python.mp4 34.0 MB
часть 5/10/2.2 Работа с выбросами. Практика в Python.mp4 33.4 MB
часть 3/4 модуль/6.4 ClickHouse. Специфичные функции.mp4 33.4 MB
часть 5/10/7.4 Требования к методике. Плюсы, минусы. Резюме.mp4 33.2 MB
часть 3/4 модуль/6.1 ClickHouse. Профиль использования.mp4 32.6 MB
часть 6/11/3.5 SVM, LogReg. Практика в Python.mp4 32.2 MB
часть 3/5 модуль/3. Организация работы DWH. Data Mesh.pdf 31.5 MB
часть 4/9 блок исправлено/4.4 Размер эффекта и чувствительность теста MDE.mp4 30.8 MB
часть 4/3.1 Интро. Как выстроить правильные процессы.mp4 30.3 MB
часть 6/11/3.3 Знакомство с общей концепцией в классификации.mp4 30.2 MB
часть 3/4 модуль/1.4 Инструменты для построения платформы данных.mp4 29.7 MB
часть 6/11/3.10 Множественная классификация.mp4 29.5 MB
часть 6/11/5.2 Гиперпараметры KNN.mp4 29.3 MB
часть 6/11/2.7 Выбор модели.mp4 29.3 MB
часть 4/9 блок исправлено/8.1 Причины возникновения проблемы множественных сравнений.mp4 28.9 MB
часть 5/10/3.3 CUPED t-test.mp4 28.4 MB
часть 4/9 блок исправлено/4.3 Мощность в Python Notebook.mp4 27.9 MB
часть 4/2.5 Эволюция экспериментов в компании.mp4 26.2 MB
часть 4/9 блок исправлено/3.4 Выводы.mp4 25.3 MB
часть 1/Модуль 2/1.2 Интро к модулю -Продуктовый подход к созданию отчетности-.mkv 23.8 MB
часть 4/9 блок исправлено/5. Формирование выборок.pdf 23.0 MB
часть 5/10/2.3 Стратификация.mp4 22.4 MB
часть 4/2.2 Evidence leader. Уровни доказательной силы.mp4 22.4 MB
часть 3/4 модуль/1.3 Процессы вокруг хранилища данных.mp4 22.3 MB
часть 4/9 блок исправлено/8.3 Способы решения проблемы множественных сравнений.mp4 22.1 MB
часть 4/9 блок исправлено/7. Оптимальные критерии. Бутстрап.pdf 20.8 MB
часть 6/11/3.1 Введение.mp4 19.6 MB
часть 4/8.2/3. Процесс развития продукта через эксперименты.pdf 19.5 MB
часть 5/10/5.2 Diff in Diff. Резюме.mp4 19.3 MB
часть 5/5.5 Diff in Diff. Резюме.mp4 19.1 MB
часть 3/4 модуль/4 Инструкция к практике по Spark.mp4 18.2 MB
часть 6/11/3.7 Калибровка вероятностей.mp4 18.1 MB
часть 1/Модуль 2/6. Какие типы дашбордов бывают и какие задачи они решают.pdf 17.0 MB
часть 5/10/1 Интро к блоку -Продвинутые методики анализа результатов экспериментов-.mp4 16.9 MB
часть 4/9 блок исправлено/2. Урок 1. Работа с метриками. Метрики бизнеса и метрики эксперимента.pdf 16.8 MB
часть 5/10/5. Diff in Diff.pdf 16.7 MB
часть 2/3. Структурирование требований в Dashboard Canvas (Исправленная).pdf 16.5 MB
часть 4/9 блок исправлено/4.5 MDE в Python Notebook.mp4 16.2 MB
часть 4/9 блок исправлено/3 и 4. Работа с метриками.pdf 16.2 MB
часть 4/9 блок исправлено/9. Эффекты новизны и сопротивления новому..pdf 15.5 MB
часть 3/5 модуль/4 Процессы вокруг данных по DAMA DMBOK.pdf 15.5 MB
часть 3/5 модуль/1. Степ 2. Многомерное моделирование.pdf 15.2 MB
часть 3/4 модуль/1. Аналитические хранилища данных. Степ 2.pdf 14.9 MB
часть 3/4 модуль/3 Spark устройство, архитектура.pdf 14.3 MB
часть 4/9 блок исправлено/7.3 Буnстрап. Резюме.mp4 14.1 MB
часть 1/Модуль 2/1.1 Вводное интро от хедлайнера.mkv 13.7 MB
часть 2/4. Дизайн-паттерны.pdf 13.5 MB
часть 6/11/1. Компоненты Машинного обучения..pdf 13.4 MB
часть 4/9 блок исправлено/1 Интро к блоку 'Продвинутый дизайн экспериментов'.mp4 13.3 MB
часть 4/9 блок исправлено/11. Презентация результатов эксперимента.pdf 12.8 MB
часть 4/3. Процесс развития продукта через экспериментыj.pdf 12.7 MB
часть 3/5 модуль/2. Варианты проектирования DWH Степ 2.Anchor Modeling.pdf 12.6 MB
часть 3/5 модуль/1. Степ 1. Логическая архитектура DWH.pdf 10.7 MB
часть 4/2. Культура и принципы экспериментов в компанииf.pdf 10.2 MB
часть 4/9 блок исправлено/4.7 Анализ мощности.mp4 10.1 MB
часть 3/4 модуль/2. S3.pdf 10.1 MB
часть 1/Модуль 2/2. BI-система как продукт.pdf 9.6 MB
часть 2/1. Алгоритм Dashboard Canvas фреймворк Исправленная.pdf 9.4 MB
часть 4/9 блок исправлено/8. Обход проблемы множественных сравнений.pdf 9.3 MB
часть 3/4 модуль/5 Оптимизация запросов Spark.pdf 9.1 MB
часть 3/5 модуль/2. Варианты проектирования DWH Степ 1.Data Vault.pdf 8.9 MB
часть 3/5 модуль/2. Варианты проектирования DWH Степ 3. USS и Activity schema.pdf 8.8 MB
часть 6/11/3. Линейные модели МО.pdf 8.5 MB
часть 3/4 модуль/1. Аналитические хранилища данных. Степ 1.pdf 8.4 MB
часть 5/10/4. SPRT.pdf 8.2 MB
часть 3/4 модуль/6 Степ 2. Clickhouse.pdf 7.0 MB
часть 3/5 модуль/3. Организация работы DWH.pdf 6.4 MB
часть 5/10/6. Causal Impact.pdf 5.2 MB
часть 3/исходный код (ipynb) и csv файлы/order_items.csv 5.2 MB
часть 3/4 модуль/1. Архитектура современной платформы данных.pdf 5.2 MB
часть 6/11/2 lecture_2.zip 5.1 MB
часть 4/9 блок исправлено/10. Чек-листы запуска и контроля эксперимента.pdf 5.0 MB
часть 1/Модуль 2/6. Какие типы дашбордов бывают и какие задачи они решают (1).pdf 4.7 MB
часть 6/11/11 Lecture_7.zip 4.5 MB
часть 2/7. Прототип, демо и оценка результатов проекта.pdf 4.5 MB
часть 5/10/3.CUPED.pdf 4.5 MB
часть 5/10/7. Методика Propensity score matching (PSM).pdf 4.4 MB
часть 6/11/2. Дизайн экспериментов с моделями МО.pdf 4.3 MB
часть 4/9 блок исправлено/2.1 Интро. Правильная работа с метриками на уровне бизнеса и экспериментов.mkv 4.3 MB
часть 6/11/1 lecture_1.zip 4.2 MB
часть 5/10/2. Стратификация. Обход проблемы нечувствительных тестов.pdf 3.9 MB
часть 5/10/7. PSM.pdf 3.9 MB
часть 3/4 модуль/6 Как устроен ClickHouse и для каких задач он подходит.pdf 3.9 MB
часть 3/4 модуль/1. Аналитические хранилища данных. Степ 3.pdf 3.6 MB
часть 5/10/6. Causal Impact (1).ipynb 3.5 MB
часть 3/4 модуль/3 Spark. Устройство, Архитектура, Контекст применения, основные термины.pdf 3.4 MB
часть 5/10/3. Cuped.pdf 3.4 MB
часть 3/5 модуль/1. Логическая архитектура DWH.pdf 3.2 MB
часть 3/5 модуль/2. Варианты строительства DWH.pdf 3.1 MB
часть 2/2. Подготовка и проведение интервью.pdf 3.0 MB
часть 5/10/6. Методика Causal impact.pdf 2.9 MB
часть 1/Модуль 2/3. Алгоритм создания Dashboard Map.pdf 2.9 MB
часть 3/исходный код (ipynb) и csv файлы/orders.csv 2.9 MB
часть 6/11/9 Эконометрический подход в решении задач прогнозирования временных рядов.pdf 2.9 MB
часть 6/11/7 Lecture_5.zip 2.8 MB
часть 6/11/3. Линейные модели МО для решения задач классификаци.pdf 2.7 MB
часть 6/11/5. Метрические подходы МО для решения задач прогнозирования.pdf 2.7 MB
часть 2/1. Алгоритм Dashboard Canvas фреймворк.pdf 2.6 MB
часть 2/5. Утверждение макета с заказчиком.pdf 2.6 MB
часть 6/11/1. Компоненты Машинного обучения.pdf 2.4 MB
часть 6/11/3 lecture_3.zip 2.3 MB
часть 6/11/7. Метрические подходы МО для решения задач кластеризации объектов.pdf 2.3 MB
часть 4/9 блок исправлено/6. part 1. Stat criteries.ipynb 2.3 MB
часть 3/4 модуль/7. Степ 2. Оптимизация запросов в Clickhouse.pdf 2.2 MB
часть 1/Модуль 2/8. Фасилитация.pdf 2.0 MB
часть 3/4 модуль/7. Простые и сложные запросы в ClickHouse, оптимизация запросов к ClickHouse.pdf 1.9 MB
часть 5/10/5. Методики Causal Inference Методика Diff in diff.pdf 1.8 MB
часть 6/11/11. Решающие деревья композиции. Градиентный бустинг и случайный лес.pdf 1.8 MB
часть 1/Модуль 2/5. Анализ продуктов, бизнес-процессов и сущностей компании.pdf 1.7 MB
часть 3/4 модуль/2. S3_Как устроен инструмент и для каких задач подходит.pdf 1.7 MB
часть 3/4 модуль/5 Оптимизация запросов в Spark.pdf 1.7 MB
часть 4/2.docx 1.7 MB
часть 2/2. Подготовка к проведению интервью.pdf 1.6 MB
часть 4/3.docx 1.6 MB
часть 6/11/7. Метрические подходы МО для решения задач кластеризации объектов.pdf 1.6 MB
часть 3/4 модуль/7. Степ 1. Оптимизация запросов в Clickhouse.pdf 1.5 MB
часть 5/10/7 dataset_for_psm.csv 1.5 MB
часть 4/9 блок исправлено/7. part 2. bootstrap.ipynb 1.4 MB
часть 5/10/4. SPRT Обход проблемы подглядывания и ускорения тест.pdf 1.4 MB
часть 6/11/2. Дизайн экспериментов с моделями МО r.pdf 1.4 MB
часть 4/9 блок исправлено/2.docx 1.3 MB
часть 4/9 блок исправлено/2. Урок 2. Работа с метриками Метрики бизнеса и метрики эксперимента.pdf 1.3 MB
часть 5/10/2. Стратификация. Обход проблемы нечувствительных тест.pdf 1.3 MB
часть 6/11/9. Эконометрический подход в решении задачи прогнозирования временных рядов.pdf 1.3 MB
часть 4/9 блок исправлено/6 bootstrap_homework.csv 1.2 MB
часть 4/9 блок исправлено/7 bootstrap_homework.csv 1.2 MB
часть 2/3. Структурирование требований в Dashboard Canvas.pdf 1.2 MB
часть 5/10/7. PSM.ipynb 1.2 MB
часть 3/5 модуль/4. Процессы вокруг данных по DAMA DMBOK.pdf 1.2 MB
часть 1/Модуль 2/7. Метрики и срезы.pdf 1.1 MB
часть 1/Модуль 2/3. Алгоритм создания Dashboard Map (1).pdf 1.1 MB
часть 5/10/5. Diff in Diff.ipynb 1.1 MB
часть 4/9 блок исправлено/9. Угрозы внешней достоверности результатов. Эффекты новизны и сопротивления новому..pdf 1.1 MB
часть 3/4 модуль/6 Степ 1. Clickhouse.pdf 1.1 MB
часть 4/9 блок исправлено/7. Бутстрап.pdf 1.0 MB
часть 6/11/9 Lecture 6.zip 1.0 MB
часть 1/Модуль 2/5. Анализ продуктов бизнес-процессов и сущностей компании.pdf 1.0 MB
часть 4/9 блок исправлено/4.docx 1.0 MB
часть 1/Модуль 2/4. Роли бизнес-пользователей системы отчётности.pdf 944.9 KB
часть 5/10/3. CUPED.ipynb 905.4 KB
часть 4/9 блок исправлено/6. Статистические критерии.pdf 873.8 KB
часть 3/4 модуль/6 Степ 3. Clickhouse.pdf 856.5 KB
часть 3/4 модуль/1. Аналитические хранилища данных. Степ 4.pdf 856.5 KB
часть 6/11/5. Метрические подходы МО для решения задач прогнозирования5.pdf 855.5 KB
часть 4/9 блок исправлено/5. Формирование выборки.pdf 850.7 KB
часть 5/10/8.5. Causal Impact. homework (2).ipynb 846.3 KB
часть 2/4. Дизайн-паттерны (1).pdf 798.7 KB
часть 2/5. Утверждение макета с заказчиком (1).pdf 794.4 KB
часть 4/9 блок исправлено/4. MDE, ошибки 1-го и 2-го рода в тесте.pdf 757.4 KB
часть 4/9 блок исправлено/3. Proxy_metrics_case.ipynb 716.2 KB
часть 5/10/4 SPRT.ipynb 700.1 KB
часть 1/Модуль 2/8. Фасилитация (1).pdf 629.7 KB
часть 4/9 блок исправлено/3 proxy_metrics_case_abtest.csv 614.6 KB
часть 6/11/5 lecture_4.zip 607.9 KB
часть 4/9 блок исправлено/3. Работа с метриками Метрики бизнеса и метрики эксперимента.pdf 593.4 KB
часть 2/7. Прототип, демо и оценка результатов проекта (1).pdf 518.4 KB
часть 5/10/2. Stratification.ipynb 437.9 KB
часть 6/11/10.docx 377.7 KB
часть 4/9 блок исправлено/10. Чек-листы запуска и контроля эксперимента2.pdf 303.8 KB
часть 4/9 блок исправлено/5. Samples.ipynb 297.2 KB
часть 5/10/8.4 .Diff_in_Diff.Homework (2).ipynb 295.8 KB
часть 3/4 модуль/6 Степ 4. Clickhouse.pdf 287.1 KB
часть 4/9 блок исправлено/9. External Validity.ipynb 277.0 KB
часть 5/10/8.6. PSM. Homework.ipynb 271.6 KB
часть 4/9 блок исправлено/4. MDE, Power, effect size.ipynb 266.8 KB
часть 4/9 блок исправлено/11. Презентация_результатов_эксперимента_бизнесу.pdf 248.6 KB
часть 3/4 модуль/5.docx 229.9 KB
часть 1/Модуль 2/2. BI-система как продукт (1).pdf 202.2 KB
часть 6/11/8.docx 198.6 KB
часть 6/11/12.docx 168.0 KB
часть 5/10/2 stratification_homework_2.csv 167.6 KB
часть 4/9 блок исправлено/8. Multitesting.ipynb 160.6 KB
часть 4/9 блок исправлено/3 proxy_metrics_homework.csv 154.5 KB
часть 5/10/8.3. SPRT. Homework.ipynb 152.8 KB
часть 6/11/4 Задания.docx 146.9 KB
часть 6/11/6 Практика.docx 143.6 KB
часть 5/10/4 SPRT_homework_1.csv 103.8 KB
часть 1/Модуль 2/7. Метрики и срезы (1).pdf 95.1 KB
часть 5/10/3 cuped_homework.csv 62.5 KB
часть 4/9 блок исправлено/3 proxy_metrics_case_data.csv 62.0 KB
часть 3/6 модуль/6.docx 56.6 KB
часть 3/исходный код (ipynb) и csv файлы/23_read_write.ipynb 25.1 KB
часть 4/9 блок исправлено/5.docx 22.8 KB
часть 5/10/8.2. CUPED. Homework.ipynb 22.2 KB
часть 4/9 блок исправлено/3.docx 17.2 KB
часть 5/10/8.1 Stratification. Homework.ipynb 16.1 KB
часть 2/8.docx 15.7 KB
часть 5/10/3.docx 15.7 KB
часть 2/3.docx 15.4 KB
часть 3/исходный код (ipynb) и csv файлы/02_create_df_Row_Schema.ipynb 15.1 KB
часть 5/10/2.docx 14.7 KB
часть 3/исходный код (ipynb) и csv файлы/21_joins.ipynb 14.6 KB
часть 4/9 блок исправлено/8.docx 14.5 KB
часть 4/9 блок исправлено/6.docx 14.4 KB
часть 4/9 блок исправлено/7.docx 14.0 KB
часть 3/исходный код (ipynb) и csv файлы/22_joins_2.ipynb 13.9 KB
часть 2/5.docx 13.9 KB
часть 5/10/4.docx 13.9 KB
часть 2/2.docx 13.7 KB
часть 1/Модуль 2/10.docx 13.5 KB
часть 3/исходный код (ipynb) и csv файлы/15_where_filter.ipynb 13.3 KB
часть 1/Модуль 2/2.docx 12.8 KB
часть 1/Модуль 2/3.docx 12.6 KB
часть 2/1.docx 12.6 KB
часть 1/Модуль 2/5.docx 12.6 KB
часть 1/Модуль 2/4.docx 12.6 KB
часть 1/Модуль 2/6.docx 12.6 KB
часть 1/Модуль 2/7.docx 12.6 KB
часть 4/9 блок исправлено/10.docx 12.3 KB
часть 4/9 блок исправлено/9.docx 12.3 KB
часть 3/4 модуль/3.docx 12.2 KB
часть 2/7.docx 12.2 KB
часть 5/10/7.docx 12.2 KB
часть 5/10/6.docx 12.2 KB
часть 4/9 блок исправлено/11.docx 12.2 KB
часть 3/4 модуль/7.docx 12.2 KB
часть 3/4 модуль/2.docx 12.2 KB
часть 3/4 модуль/6.docx 12.2 KB
часть 1/Модуль 2/8.docx 12.2 KB
часть 2/4.docx 12.2 KB
часть 3/исходный код (ipynb) и csv файлы/20_aggregations.ipynb 12.0 KB
часть 3/исходный код (ipynb) и csv файлы/24_udf.ipynb 11.6 KB
часть 3/исходный код (ipynb) и csv файлы/17_drop_rows.ipynb 10.7 KB
часть 3/исходный код (ipynb) и csv файлы/00_S3.ipynb 10.2 KB
часть 2/3 Karpov.Courses. HDA_ Бизнес-кейс для команды Listings.docx 10.0 KB
часть 3/исходный код (ipynb) и csv файлы/19_sort_2.ipynb 9.7 KB
часть 3/исходный код (ipynb) и csv файлы/06_select.ipynb 9.3 KB
часть 3/исходный код (ipynb) и csv файлы/07_withColumn.ipynb 9.2 KB
часть 3/исходный код (ipynb) и csv файлы/11_datetime.ipynb 9.1 KB
часть 3/исходный код (ipynb) и csv файлы/18_sorting.ipynb 9.0 KB
часть 5/10/6 ci_spares_data (1).csv 8.4 KB
часть 3/исходный код (ipynb) и csv файлы/10_strings_func.ipynb 8.2 KB
часть 3/исходный код (ipynb) и csv файлы/12_datetime_2.ipynb 7.9 KB
часть 3/исходный код (ipynb) и csv файлы/14_when_case.ipynb 7.8 KB
часть 3/исходный код (ipynb) и csv файлы/16_drop_cols.ipynb 7.8 KB
часть 3/исходный код (ipynb) и csv файлы/09_lit_col.ipynb 7.8 KB
часть 3/исходный код (ipynb) и csv файлы/04_Map_Type.ipynb 7.7 KB
часть 3/исходный код (ipynb) и csv файлы/25_caching.ipynb 7.6 KB
часть 3/исходный код (ipynb) и csv файлы/03_Array_Type.ipynb 7.1 KB
часть 3/исходный код (ipynb) и csv файлы/05_Struct_Type.ipynb 6.6 KB
часть 3/исходный код (ipynb) и csv файлы/01_create_df_list.ipynb 5.7 KB
часть 3/исходный код (ipynb) и csv файлы/13_coalesce.ipynb 5.4 KB
часть 3/исходный код (ipynb) и csv файлы/08_function_example.ipynb 4.6 KB
часть 2/6.docx 0 bytes

Karpov.Courses - Hard Аналитика данных. Продвинутая аналитика данных (Часть 1-6 из 6) (2023)

File List

Download Torrent

Related Resources

Copyright Infringement