欧美视频人人干人人摸免费,狼人在线观看视频人在线

本書基于近些年實驗領(lǐng)域的研究成果和實踐經(jīng)驗，對實驗的方法和應(yīng)用做了很好的全景式描述，是一本兼顧系統(tǒng)性的方法論和基于實戰(zhàn)的經(jīng)驗法則的書籍。根據(jù)微軟、亞馬遜、谷歌和領(lǐng)英每年運行的兩萬多個對照實驗，作者以示例和建議的方式向?qū)W生和業(yè)內(nèi)人士分享了自己的實踐經(jīng)驗，指出了需要避免的陷阱，并深入探討了一些進階專題，可以為希望改善自身及機構(gòu)數(shù)據(jù)驅(qū)動決策方式的從業(yè)者提供參考。

全書分為五個部分：第I部分由四章組成。第1章概述運行線上對照實驗的好處，并介紹實驗相關(guān)術(shù)語。第2 章用一個例子剖析運行實驗的全過程。第3 章描述常見的陷阱以及如何建立實驗的可信賴度。第4 章概述如何搭建實驗平臺并規(guī)�；€上實驗。第II部分的五章內(nèi)容介紹實驗的基礎(chǔ)原理，比如機構(gòu)指標。我們推薦所有人閱讀這一部分，尤其是領(lǐng)導者和高管。第III部分的兩章內(nèi)容介紹線上對照實驗的補充技法，可以幫助管理層、數(shù)據(jù)科學家、工程師、分析師、產(chǎn)品經(jīng)理等進行資源和時間的投資。第IV部分專注于實驗平臺的搭建，面向工程師群體。最后，第V部分深入討論進階的實驗分析專題，面向數(shù)據(jù)科學家。

如果我們有數(shù)據(jù)，那就看數(shù)據(jù)。

如果我們只有觀點，那就按我的觀點來。

——Jim Barksdale，網(wǎng)景前首席執(zhí)行官

本書旨在分享多年來Ron在亞馬遜和微軟、Diane在谷歌以及Ya在微軟和領(lǐng)英大規(guī)模運行線上對照實驗積累的實踐經(jīng)驗。雖然我們不是代表谷歌、領(lǐng)英或微軟官方，而是以個人身份寫作此書，但書中凝聚了我們工作多年積累的關(guān)鍵經(jīng)驗教訓和遇到的常見陷阱，并提供了軟件平臺的搭建以及公司文化的培養(yǎng)方面的指導：如何利用線上對照實驗建立數(shù)據(jù)驅(qū)動文化而不是依賴HiPPO（Highest Paid Person’s Opinion，最高薪者的意見）（R. Kohavi, HiPPO FAQ 2019）。我們相信書中的很多經(jīng)驗適用于各種線上環(huán)境，不論是大大小小的公司，還是具體到公司內(nèi)部的團隊或組織。書中強調(diào)了評估實驗結(jié)果可信賴度的必要性。我們相信特威曼定律蘊含的懷疑論：任何看起來有趣或與眾不同的數(shù)字通常都是錯的。我們鼓勵讀者對實驗結(jié)果，尤其是有突破性的正面結(jié)果做二次檢查，以及做驗證性測試。獲得數(shù)據(jù)很簡單，但獲得你能信任的數(shù)據(jù)很難！

本書第一部分適合所有讀者，由四章組成。第1章概述運行線上對照實驗的好處，并介紹實驗相關(guān)術(shù)語。第2章用一個例子剖析運行實驗的全過程。第3章描述常見的陷阱以及如何建立實驗的可信賴度。第4章概述如何搭建實驗平臺并規(guī)�；€上實驗。

第二部分到第五部分針對一些特定的讀者群體，當然也歡迎其他讀者按需閱讀。第二部分的五章內(nèi)容介紹實驗的基礎(chǔ)原理，比如機構(gòu)指標。我們推薦所有人閱讀這一部分，尤其是領(lǐng)導者和高管。第三部分的兩章內(nèi)容介紹線上對照實驗的補充技法，可以幫助管理層、數(shù)據(jù)科學家、工程師、分析師、產(chǎn)品經(jīng)理等進行資源和時間的投資。第四部分專注于實驗平臺的搭建，面向工程師群體。最后，第五部分深入討論進階的實驗分析專題，面向數(shù)據(jù)科學家。

本書的配套網(wǎng)站為https://experimentguide.com，它囊括了更多的材料和勘誤，并提供了開放性討論的空間。本書作者的所有收益將捐獻給慈善機構(gòu)。

作者簡介：

羅恩·科哈維（Ron Kohavi）是愛彼迎的副總裁和技術(shù)院士，曾任微軟的技術(shù)研究員和公司副總裁。在加入微軟之前，他是亞馬遜的數(shù)據(jù)挖掘和個性化推薦總監(jiān)。他擁有斯坦福大學計算機科學博士學位，論文被引用超過40 000次，其中有3篇位列計算機科學領(lǐng)域引用最多的1 000篇論文榜。

黛安·唐（Diane Tang）是谷歌院士，大規(guī)模數(shù)據(jù)分析和基礎(chǔ)設(shè)施、線上對照實驗及廣告系統(tǒng)方面的專家。她擁有哈佛大學的文學學士學位和斯坦福大學的碩士及博士學位，在移動網(wǎng)絡(luò)、信息可視化、實驗方法、數(shù)據(jù)基礎(chǔ)設(shè)施、數(shù)據(jù)挖掘和大數(shù)據(jù)方面擁有專利和出版物。

許亞（Ya Xu）是領(lǐng)英數(shù)據(jù)科學與實驗平臺負責人，曾撰寫了多篇關(guān)于實驗的論文，并經(jīng)常在頂級會議和大學演講。她曾在微軟工作，擁有斯坦福大學的統(tǒng)計學博士學位。

譯者簡介：

韓瑋：愛彼迎數(shù)據(jù)科學資深專家，專注于搜索算法和實驗領(lǐng)域，之前在沃爾瑪實驗室負責相關(guān)工作。她于賓夕法尼亞大學獲得應(yīng)用數(shù)學博士學位和統(tǒng)計學碩士學位，本科畢業(yè)于中國科學技術(shù)大學數(shù)學系。

胡鵑娟：現(xiàn)任愛彼迎數(shù)據(jù)科學家，擁有四年的A/B 實驗分析經(jīng)驗。此前在領(lǐng)英任資深數(shù)據(jù)科學家。于加州大學戴維斯分校獲得統(tǒng)計學碩士學位、香港中文大學獲得金融碩士學位，本科畢業(yè)于中國科學技術(shù)大學00 班統(tǒng)計專業(yè)。

段瑋韜：領(lǐng)英資深應(yīng)用研究專家，現(xiàn)負責領(lǐng)英實驗科學團隊。他與許亞一起在實驗領(lǐng)域緊密合作長達5 年之久，書中的很多材料和結(jié)論都提煉自他和許亞的工作經(jīng)驗。

胡澤浩：優(yōu)步數(shù)據(jù)科學經(jīng)理，優(yōu)步人工智能和增長平臺兩個數(shù)據(jù)科學團隊的負責人，擁有五年用數(shù)據(jù)及實驗驅(qū)動產(chǎn)品開發(fā)的經(jīng)驗。于賓夕法尼亞大學獲得經(jīng)濟學博士學位，本科畢業(yè)于香港大學經(jīng)濟系。

廖一正：愛彼迎資深數(shù)據(jù)科學家，負責愛彼迎中國區(qū)搜索引擎算法開發(fā)，領(lǐng)導著實驗分析委員會。于斯坦福大學獲得土木與環(huán)境工程博士學位，研究領(lǐng)域為應(yīng)用機器學習和統(tǒng)計。

王璐：雪花（Snowflake）計算數(shù)據(jù)科學家，擁有將近七年的實驗設(shè)計與分析、統(tǒng)計建模以及產(chǎn)品分析經(jīng)驗。曾任愛彼迎數(shù)據(jù)科學家以及吉利德科學生物統(tǒng)計師。于加州大學洛杉磯分校獲得生物統(tǒng)計博士學位，本科畢業(yè)于浙江大學生物信息系。

趙振宇：騰訊數(shù)據(jù)科學總監(jiān)。此前先后在雅虎和優(yōu)步負責實驗系統(tǒng)、因果推斷、機器學習應(yīng)用研究和平臺建設(shè)，以及開源項目研發(fā)工作。于美國西北大學獲得統(tǒng)計學博士學位，本科畢業(yè)于中國科學技術(shù)大學。

鐘婧：蘋果公司Siri 部門資深數(shù)據(jù)科學家，此前先后在微軟必應(yīng)部門及臉書公司從事機器學習建模和A/B 實驗、用戶和產(chǎn)品數(shù)據(jù)分析、產(chǎn)品戰(zhàn)略分析等方向的研究工作。于密歇根大學獲得博士學位，本科畢業(yè)于清華大學電子工程系。

你還可能感興趣

我要評論