🚀 Это не шутка! Уже через 3 дня стартует новый курс по ML и Causal Inference Я все чаще вижу желание аналитиков применять A/B без A/B, Causal Inference, Uplift-моделирование, ускорение А/В и другие инструменты продвинутой аналитики. Но на практике многие либо боятся в это идти, либо изучают не то, либо знают названия методов, но не понимают, когда и как использовать их в реальной работе. Часто потому, что не до конца понимают, что именно за всем этим стоит. Обычно все упирается в 4 мифа: Миф 1️⃣ «Хочу в Causal Inference и продвинутый A/B, но ML мне не нужен» На практике многие продвинутые подходы опираются на ML. Недостаточно просто знать названия методов или нужные функции в библиотеке – важно понимать, как устроен полный жизненный цикл ML и какие нюансы есть у каждого продвинутого подхода. Миф 2️⃣ «Я умею делать fit().predict() – значит, я умею в ML» В реальной работе все решает не одна строчка кода. Гораздо важнее уметь правильно поставить бизнесовую задачу, подготовить данные, собрать признаки, встроить модель в процесс принятия решений и понимать, какие ошибки модель может допускать и во что они обходятся бизнесу. Миф 3️⃣ «Продвинутая аналитика нужна только DS-командам» Это давно не так. Сегодня от аналитика все чаще ждут не только дашбордов и классических A/B, но и умения находить точки роста продукта, оценивать потенциальные эффекты изменений и проверять гипотезы там, где A/B неприменим. Именно в этом и помогают продвинутые методы. Миф 4️⃣ «Для ML и Causal нужна тяжелая математика и годы подготовки» Сильная мат.база полезна, но на старте важнее другое: понять жизненный цикл ML и логику методов, ограничения подходов и научиться применять их на прикладных задачах. А уже потом, при необходимости, углубляться в математику. — В новой программе мы разбираем: применение ML в аналитике, полный цикл работы с ML и Causal Inference, ускорение A/B, A/B без A/B, Uplift-моделирование и оценку эффектов. Без воды и перегруза математикой. Только та теория, которая действительно нужна в работе. И много практики, максимально близкой к реальным задачам аналитика. Если ты давно хотел разобраться в продвинутых методах не «по верхам», а так, чтобы действительно начать применять их в работе – не упусти возможность присоединиться. Оставляй заявку по ссылке: 🔗 https://nodatanogrowth.com/machine-learning Осталось 7 мест. А следующий поток будет только осенью. Если у тебя есть вопросы по программе – тоже оставляй заявку, разберем их на личном созвоне.