Name: Trustworthy Online Controlled Experiments: A Practical Guide to a (en Inglés)
Price: 44150.00 CLP
Availability: InStock
Author: Kohavi, Ron ; Tang, Diane ; Xu, Ya
ISBN: 9781108724265

portada Trustworthy Online Controlled Experiments: A Practical Guide to a (en Inglés)

Formato

Libro Físico

Autor

Ron Kohavi

Diane Tang

Ya Xu

Editorial

Cambridge University Press

Año

2020

Idioma

Inglés

N° páginas

200

Encuadernación

Tapa Blanda

Dimensiones

22.6 x 15.0 x 1.8 cm

Peso

0.41 kg.

ISBN13

9781108724265

Categorías

Data mining: minería de datos

Trustworthy Online Controlled Experiments: A Practical Guide to a (en Inglés)

Ron Kohavi (Autor) · Diane Tang (Autor) · Ya Xu (Autor) · Cambridge University Press · Tapa Blanda

Libro Nuevo

$ 44.150

$ 88.290

Ahorras: $ 44.140

50% descuento

Cantidad
Estado: Nuevo
Quedan 12 unidades

Envío normal

Origen: Reino Unido (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Martes 07 de Mayo y el Viernes 10 de Mayo.

Lo recibirás en cualquier lugar de Chile entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Trustworthy Online Controlled Experiments: A Practical Guide to a (en Inglés)"

Getting numbers is easy; getting numbers you can trust is hard. This practical guide by experimentation leaders at Google, LinkedIn, and Microsoft will teach you how to accelerate innovation using trustworthy online controlled experiments, or A/B tests. Based on practical experiences at companies that each run more than 20,000 controlled experiments a year, the authors share examples, pitfalls, and advice for students and industry professionals getting started with experiments, plus deeper dives into advanced topics for practitioners who want to improve the way they make data-driven decisions. Learn how to - Use the scientific method to evaluate hypotheses using controlled experiments - Define key metrics and ideally an Overall Evaluation Criterion - Test for trustworthiness of the results and alert experimenters to violated assumptions - Build a scalable platform that lowers the marginal cost of experiments close to zero - Avoid pitfalls like carryover effects and Twyman's law - Understand how statistical issues play out in practice.