🎂🚀 HypEx 0.1.3 Update Alert! 🚀🎂

Привет, друзья! У нас для вас отличные новости – вышла новая версия HypEx 0.1.3, и она просто 🔥! Давайте пробежимся по главным фишкам этого релиза:

🧪 Chi-Squared Test в AA тестах
Теперь можно делать chi-squared тест для категориальных переменных в AA тестах. Это значит, что ваш анализ данных станет еще более крутым и точным! 📊

🔄 Permutation Test для Мэтчинга
Добавили permutation test для задач мэтчинга. Теперь ваши гипотезы можно проверить намного тщательнее! 🏃‍♂️💨

⚖️ AB Тесты на Несбалансированных Выборках💃
Проводите AB тесты на несбалансированных выборках? Без проблем! Теперь это можно сделать легко и непринужденно, получая максимально точные результаты. 📈

🔀 Мэтчинг без Повторов🤗
Новинка – мэтчинг без повторов! Этот метод поможет вам снизить смещение и дисперсию в ваших выборках, что в итоге приведет к более точным результатам. 🎯🤗

📌 Ну что, готовы протестить все новинки? Мы уверены, что HypEx 0.1.3 сделает ваш анализ данных еще более мощным и гибким. Как всегда, ждем ваших отзывов и идей! 💡

Спасибо, что вы с нами!🧠☕️

Привет!

Мы продолжаем делиться контентом с конференции Data Fest 2024

Сегодня публикуем треки следующих секций 🦜 Феста:
- OpenSource
- ML in Physics

Напоминаем, что Ваши реакты на блоках и треках очень важны спикерам и организаторам 😇

Переходите по ссылкам выше, смотрите доклады, скачивайте презентации и голосуйте своими эмодзи (ставьте палец вверх 👍и другие эмодзи) на страницах блоков и треков за понравившиеся видео ❤️ Выберем лучшие доклады и треки вместе!❤️

Всем привет! 🤗

Мы недавно участвовали в ODS🎙

Всем предлагаем к просмотру наше выступление, чтобы лучше понимать что такое HypEx и зачем он нужен🙂

Будем очень благодарны, если поддержите нас эмодзи на самом ods, нам это важно 💻

🎉 HypEx v0.1.5: Новое Обновление! 🚀🆕🆕

Рады сообщить о выходе нового обновления HypEx v0.1.5, которое принесет вам ещё больше возможностей для улучшения мэтчинга и A/B тестирования! 🎈

🔍 Основные Нововведения

Выбор Алгоритма для Мэтчинга👀

😜Быстрее, чем когда-либо: Теперь вы можете выбирать что вам важнее: скорость или точность. Установите опцию algo='fast', чтобы повысить скорость обработки данных. Это позволит существенно ускорить процесс, особенно при работе с большими объёмами данных! В ускоренном режиме происходит сначала стратификация, из-за чего точность поиска немного снижается, зато скорость поиска ускоряется более, чем в 10 раз. ⚡️

Улучшенные A/А Тесты

⚖️ Настройка соотношений: Мы добавили возможность разделять участников на несколько групп в заданном соотношении, что делает ваши тесты более гибкими и точными.

😄 Кто бы мог подумать?

Наши релизы выходят так быстро, что мы едва успеваем писать о них посты! 🤪 В версии 0.1.4 мы просто ускорили мэтчинг, не успели об этом написать. А теперь уже добавили выбор алгоритма и подтянули A/А тесты. Не успеешь оглянуться, как в следующем обновлении будут новые удивительные функции!

📚 Как пользоваться?

Подробные инструкции и примеры использования новых функций доступны в наших туториалах. Не забудьте заглянуть, чтобы узнать больше!


🙌 Обратная связь и поддержка

Мы всегда рады получить ваши отзывы и предложения. Делитесь своим опытом и сообщайте о любых вопросах на нашей странице GitHub.

Спасибо за вашу поддержку и участие в сообществе HypEx! 🤗

🎉 Всем привет! 🎉

Новый год не за горами, а мы уже приготовили для вас подарок! 🎁
Анонсируем цикл лекций на Хабре, посвящённый Causal Inference — ключевому инструменту анализа данных, который помогает находить причины событий и оценивать их последствия. 🚀

🔥 Первая статья уже опубликована! 🔥
В ней вы узнаете, почему сочетание машинного обучения и эконометрики стало неотъемлемой частью Data Science. Мы поговорим о том, как Causal Inference помогает не просто прогнозировать, но и понимать, что на самом деле влияет на результат.

✨ Что дальше?
Через несколько дней выйдет продолжение, где мы углубимся в методы и практику. Следите за обновлениями!

📌 Ссылка на первую статью: Читать на Хабре
💡 И, конечно, не забудьте делиться своим мнением и задавать вопросы!

🎄 Пусть этот цикл статей станет вашим первым шагом в мир экспериментов и причинности!

🚩🚩Последний рабочий день года — пора запасаться полезным чтивом на праздники! 🚩🚩

Иван Юрашку снова радует нас своими статьями на Хабре. 💡 Сегодня вышла вторая часть цикла о Causal Inference. В ней вы узнаете всё про рандомизированные контролируемые испытания (РКИ) — метод, который лежит в основе A/B-тестов и помогает проводить эксперименты правильно. 📊 Примеры на Python включены! 👩‍💻

📌 Читать статью: Ссылка на Хабр🤗

🎄 Почему это стоит прочитать?
Эти статьи идеально подходят для праздничных вечеров с чашкой чая или какао. ☕️ Вместо просмотра бесконечных фильмов — разберитесь, как тестировать гипотезы и оценивать причинно-следственные связи.

💬 А теперь немного магии:
— Накидайте ❤️ реакций, чтобы мы поскорее опубликовали третью статью!
— И поставьте ⭐️ на наш GitHub, чтобы вдохновить нас на новые проекты в 2025 году.👩‍💻

С Новым годом, друзья! Пусть ваш праздник будет не только весёлым, но и полезным. ✨

В этом году мы без релиза 31 декабря, ибо повзрослели (не успели написать релиз), в отличие от того года

В любом случае, команда HypEx поздравляет вас с наступающим Новым Годом. А кого-то уже и с наступившим!

Большое спасибо, что вы с нами. Мы будем продолжать вас радовать обновлениями : новая архитектура, новые методы, будем работать ещё быстрее. Будем радовать новыми статьями.

Спасибо, что вы с нами

С наступающим Новым Годом! ❤️

🔥 Полное погружение в Causal Inference на PyCon 2024! 🔥

В июле 2024 мы провели мастер-класс на PyCon, где разобрали весь путь:
🚀 От АБ-тестов до мэтчинга – как правильно работать с причинно-следственными связями в данных, чтобы не принимать решения наугад.

📽 Запись уже в сети! Разбирайся, экспериментируй и применяй в своих проектах.


P.S. Если появятся вопросы или захочется обсудить – пишите в комменты. Будем рады делиться знаниями! 🤓🌸

🌟 HypEx переходит на новую архитектуру! 🌟

Друзья, у нас большие новости! Уже совсем скоро HypEx обновится и перейдёт на новую архитектуру, что приведёт к значительным изменениям в API библиотеки😳
Мы хотим, чтобы этот переход прошёл максимально комфортно для всех пользователей, поэтому заранее предупреждаем о грядущих изменениях.😉

🍄 Что изменится?🍄

- Новый интерфейс библиотеки: изменятся пути импорта, методы классов и структура API.
- Старые версия (0.1.10 и младше) больше не будет поддерживаться, но её всё ещё можно будет использовать.

🚀 Как протестировать новую версию?

Мы приглашаем всех протестировать новую версию HypEx уже сейчас! Это отличная возможность заранее познакомиться с изменениями и дать нам обратную связь. Чтобы установить последнюю бета-версию, используйте команду:

pip install --upgrade --pre hypex

- Новые туториалы: мы подготовили подробные инструкции, чтобы вам было проще адаптироваться к обновлениям.

Что делать, если я не хочу ничего менять?☹️

Если вы пока не готовы к обновлениям, вы можете продолжить использовать старую версию:

pip install hypex==0.1.10

Мы ценим ваше мнение! Если у вас есть вопросы, пожелания или вы столкнулись с проблемами, пишите нам в Telegram или создавайте issue на GitHub. Ваши отзывы помогут нам сделать HypEx ещё лучше!

Готовы к обновлениям? Тогда давайте тестировать вместе! 🎉

🆕🆕🆕🆕
Всем привет! 🚀

Мы начинаем серию постов об обновлениях HypEx! И первый пост посвящен Dataset - новой ключевой сущности в HypEx!

🔄 Зачем нужен Dataset?
Теперь данные надо передавать в HypEx в виде DataFrame или просто пути к файлу.

Главное новшество - теперь у каждого столбца есть роли! Это разметка данных, которая помогает HypEx понимать, как с ними работать в контексте экспериментов.

👩‍💻 Пример кода:

from hypex.dataset import Dataset, InfoRole, TreatmentRole, TargetRole, DefaultRole, FeatureRole
from hypex import Matching

data = Dataset(
    roles={
        "user_id": InfoRole(int),  # InfoRole для ID
        "treat": TreatmentRole(int),  # TreatmentRole для определения группы (контроль/таргет)
        "post_spends": TargetRole(float)  # TargetRole для целевой переменной
    },
    data="data.csv",
    default_role=FeatureRole(),  # Остальные столбцы - обычные фичи
)

📊 Роли в Dataset
Роли зависят от задачи, но есть и универсальные
- InfoRole - идентификаторы
- TreatmentRole - разметка групп
- TargetRole - целевая переменная. (в АА тесте TargetRole размечаются фичи, по которым нужна однородность)
- FeatureRole - признаки для поиска похожих объектов в мэтчинге

❓Полный туториал:❓
Читать подробнее

Теперь работа с данными в HypEx стала проще и гибче! В следующем посте расскажем про AA-тестирование. Оставайтесь с нами! ❤️📍

Всем привет! 👋

Продолжаем серию постов об обновлениях HypEx! 😊

Сегодня говорим о том, как запускать Matching в новой архитектуре!😍

👩‍💻 Вот обновленный код:

from hypex.dataset import Dataset, InfoRole, TreatmentRole, TargetRole, DefaultRole, FeatureRole
from hypex import Matching

# Описываем датасет

data = Dataset(
    roles={
        "user_id": InfoRole(int),  # InfoRole для ID
        "treat": TreatmentRole(int),  # TreatmentRole для определения групп (контроль/таргет)
        "post_spends": TargetRole(float)  # TargetRole для целевой переменной
    },
    data="data.csv",
    default_role=FeatureRole(),  # Остальные столбцы - фичи
)

# Запуск Matching

test = Matching()  # Классический Matching (Maha distance + full metrics)
test = Matching(metric="att")  # Только ATT
test = Matching(distance="l2")  # Выбор метрики

# Получение результатов
result = test.execute(data)
result.resume  # Краткое резюме 
result.full_data  # Ранее df_matched. Wide df с парами 
result.indexes  # Только индексы пар

🔗 Подробнее в туториале:
HypEx Matching Tutorial

В следующем посте – о проверке однородности!

🚀 Hypex 1.0.2 — он уже тут! Уже 2 недели как тут, но не было времени написать апдейт
😅

Пока вы отдыхали (а может, считали часами АА-тесты на старой версии), мы не сидели сложа руки — выпуск версии 1.0.2 оказался мощным апдейтом:

💡 Что нового:
- АА-тест теперь летает! Ускорение — от «в несколько раз» до «ого-го» на больших датасетах. (в 2000 раз быстрее на 2 млн строк)

- Т-тест стал умнее — теперь можно применять поправку Уэлча при неравных группах.

- Matching стал гибче — можно подбирать не одного, а сразу n-близнецов (наконец-то 💥).

- Результаты стали чище и понятнее — формат отчётов по АА/АБ/Matching обновили, добавили новые метрики.

🐞 Исправили баги:
- корректное сравнение в мэтчинге

- краши при константных значениях

- краши при дисбалансе

- проблема с КС-тестом


📚 Туториалы тоже не забыли — дописали, обновили, структурировали.

Да, релиз вышел 2 недели назад. Но мы — как хорошие исследователи: сначала проверим, протестим, допишем, потом и расскажем.

Пробуйте и пишите фидбек!
github.com/sb-ai-lab/hypex