🎉 Свежие новости для Data Scientist'ов, Аналитиков и всех, кто проводит пилоты!

Сегодня мы рады представить HypEx - новый аддон для LightAutoML, специально разработанный для решения задачи Causal Inference, в частности мэтчинга.

Мы все знаем, как важно быстро и точно оценивать результаты пилотных проектов. Именно здесь HypEx может стать незаменимым помощником. Этот инструмент позволяет анализировать результаты пилотов и проверять продуктовые гипотезы на наличие причинно-следственных связей на исторических данных. Для проверки качества мэтчинга предоставлены все необходимые метрики для объективного и наглядного анализа, а также различные способы валидации результата.

Более того, HypEx превосходит большинство аналогов в области Causal Inference по скорости и объему обрабатываемых данных. Что позволяет оценивать пилоты намного точнее, быстрее и качественнее.

С помощью HypEx можно:
1️⃣ Быстрее и точнее анализировать результаты пилотов.
2️⃣ Находить скрытые взаимосвязи в данных.
3️⃣ Улучшить качество прогнозирования, работая с большими объемами данных без потери скорости.


Ссылка на аддон: https://github.com/sb-ai-lab/LightAutoML/tree/master/lightautoml/addons/hypex
Туториал: https://github.com/sb-ai-lab/LightAutoML/blob/master/examples/tutorials/Tutorial_12_Matching.ipynb

Чатик в телеге: t.me/lamahypex


Также новую версию уже можно поставить из PyPi: pip install lightautoml==0.3.8b1

Давайте сделаем нашу работу ещё более эффективной вместе с HypEx и LightAutoML!

Привет, коллеги! 👋
Мы рады поделиться с вами нашей последней статьей на Хабре, посвященной HypEx - Open Source проекту для Python. 🚀 Эта библиотека - настоящий прорыв в области анализа данных и проведения экспериментов: Как АБ-тестирования, так и мэтчинга!

В статье мы подробно рассматриваем, как HypEx может помочь вам в анализе данных, используя метод мэтчинга для получения точных и чистых результатов. 📊 Вы узнаете о теоретических основах мэтчинга, его практическом применении и уникальных преимуществах нашей библиотеки.

🔗 Читать статью

Не забудьте также посетить наш GitHub, чтобы узнать больше о проекте и поддержать нас звездочкой! ⭐️

🔗 GitHub

Будем рады вашим отзывам и предложениям!

🎉🚀 Новогоднее Обновление HypEx 0.0.4: Встречаем 2024 с Новыми Возможностями! 🎄

Привет, друзья! Накануне Нового 2024 Года мы рады подарить вам значительное обновление HypEx до версии 0.0.4. Это обновление приносит не только новые функции и улучшения, но и праздничное настроение в наши аналитические процессы!

🌟 Новые Функции
- Функция Расчета Минимального Обнаруживаемого Эффекта (MDE):
- Расчет Размера Выборки с MDE: Найдите оптимальный размер выборки для ваших целей.
- Функция Расчета Мощности Теста: Убедитесь в эффективности ваших тестов.

🌲 Улучшения в AA Тестах
- Упрощенный Pipeline: Одна функция process для всех ваших аналитических потребностей.
- Оптимизация Стратификации: Более точный анализ с улучшенной стратификацией.
- Улучшенная Интерпретация Тестов:
- Таблицы с тестовой статистикой для глубокого понимания результатов.
- Сводные таблицы и визуализации результатов.
- Улучшенный Анализ Разделения:
- Аналитические графики и статистические тесты для однородности групп.
- Краткое резюме результатов.

✨ Общие Улучшения
- Исправления Ошибок: Прощайте, баги 2023 года!
- Рефакторинг Кода: Новый год - новый код.
- Оптимизация Процесса: Больше эффективности в каждом анализе.

📚 Документация и Взаимодействие с Сообществом
- Обновленный README: Погружение в HypEx стало еще приятнее.
- Шаблоны для Issues и Pull Request: Структурированность и порядок в каждой детали.
- Руководство для Участников: Ваш компас в мире HypEx.
- Новые Учебные Материалы: Всё для вашего профессионального роста.

📦 Установите новую версию уже сейчас через PyPi!

🔗 GitHub проекта

🥳 Поздравляем с наступающим Новым Годом! Пусть он принесет вам много успешных проектов, интересных аналитических задач и, конечно, радости от использования HypEx.

Семинар про A/B и мэтчинг

▫️ 6 марта (среда), 17:00 МСК
▫️ Подключение→

Выступает: Дмитрий Тихомиров, DS в блоке Финансы Сбера

Тема: HypEx — A/B тестирование и мэтчинг в Python

Аннотация
На семинаре
▫️ Поговорим о задаче оценки пилотов и проверки бизнес гипотез, и как её можно решить с помощью Python.
▫️ Разберёмся, как правильно создать дизайн A/B-теста и зачем нужны A/A-тесты.
▫️ Поговорим про задачу мэтчинга и библиотеку HypEx как высокопроизводительную альтернативу библиотеке Causal Inference.


Перед семинаром можно почитать вот этот пост:
▫️ HypEx и мэтчинг. Эксперимент без A/B-тестирования? 2023 (10 минут).

Друзья, привет!

Уже завтра состоится D-people Camp!
На мероприятии коллеги поделятся лучшими практиками и ответят на ваши вопросы.

Что вас ждет в программе:
10:00 — Открытие (Евгения Минаева).
10:05 — Сокращаем трудозатраты при выводе витрин на Hadoop (Олег Васильев).
10:45 — Как вывести модель в ПРОМ за 3 дня? (Олег Васильев).
11:25 — Запусти бизнес-пилот на не ПРОМ версии модели с экспериментальными данными (Александр Будник).
12:05 — HypEx: A/B-тесты и мэтчинг, Или как защитить фин. эффект (Дмитрий Тихомиров).
12:35 — Фуршет и розыгрыш призов 🎁 для очных участников.

📌Приходите очно по адресу: Кутузовский пр-кт, 32к1, 4 этаж, 4.А.13.
Или подключайтесь онлайн.