当前位置: 首页 > news >正文

河马书来了!线上实验领域的“圣经”火热预售中

从日常运营、产品开发上线到长期目标决策,线上对照实验贯穿于互联网公司的方方面面。在实践中,最基本的问题是实验的可信赖度:如何科学严谨地设计和运行实验,从而保证结果是准确、可信赖的?

在实践中,我们会尝试摸索并总结实验的技术细节与方法论,但不易察觉的陷阱仍然常常出现。大家一直在期待一本兼顾系统性的方法论与基于实战的经验法则的书籍,Trustworthy Online Controlled Experiments》填补了这一巨大空白,甚至被实验从业者私下称为线上实验领域的“圣经”

目前,本书豆瓣评分9.1分,在亚马逊的平均评分是4.7/5,在Goodreads的平均评分是4.5/5,以下是节选的部分读者评论。

本书的三位作者都是美国一线互联网公司的领军人物,他们领导构建了各自公司的实验平台和实验文化,每个平台每年运行上万个实验,对帮助公司进行数据驱动的决策起到了至关重要的作用。

本书第一作者Ron被业界尊为在线实验“教父”,另外两位作者也分别是谷歌、领英相关业务的领导者。

本书基于近些年实验领域的研究成果和实践经验,对实验的方法和应用做了很好的全景式描述,包括业界经典的实验案例、实践中的常见陷阱及规避方案、如何建设实验平台和文化、如何设计指标、实验的经验积累、实验的道德规范、实验背后的统计学知识,以及高阶方法的探讨和应用。

本书既有助于对实验感兴趣的读者了解实验的应用场景和业务价值,也是实验从业者可以放在手边的参考书。

本书中文版《关键迭代:可信赖的线上对照实验》由机械工业出版社华章公司出版,目前正在各大平台火热预售!

   

本书翻译团队的成员分别来自硅谷和国内的一线互联网公司,多位成员参与或主导了各自公司的实验平台和实验文化的建设、研发及应用,并在日常工作和研究中经常与作者交流。

以下是翻译团队各成员的介绍:

韩玮:爱彼迎数据科学资深专家,专注于搜索算法和实验领域,之前在沃尔玛实验室负责相关工作。于宾夕法尼亚大学获得应用数学博士学位和统计学硕士学位,本科毕业于中国科学技术大学数学系。

胡鹃娟:现任爱彼迎数据科学家,拥有四年的A/B实验分析经验,此前在领英任资深数据科学家。于加州大学戴维斯分校获得统计学硕士学位、香港中文大学获得金融硕士学位,本科毕业于中国科学技术大学00班统计专业。

段玮韬:领英资深应用研究专家,现负责领英实验科学团队。他与许亚一起在实验领域紧密合作长达五年之久,书中的很多材料和结论都提炼自他和许亚的工作经验。

胡泽浩:优步数据科学经理,优步人工智能和增长平台两个数据科学团队的负责人,拥有五年用数据及实验驱动产品开发的经验。于宾夕法尼亚大学获得经济学博士学位,本科毕业于香港大学经济系。

廖一正:爱彼迎资深数据科学家,负责爱彼迎中国区搜索引擎算法开发,领导着实验分析委员会。于斯坦福大学获得土木与环境工程博士学位,研究领域为应用机器学习和统计。

王璐:雪花(Snowflake)计算数据科学家,拥有将近七年的实验设计与分析、统计建模以及产品分析经验。曾任爱彼迎数据科学家以及吉利德科学生物统计师。于加州大学洛杉矶分校获得生物统计博士学位,本科毕业于浙江大学生物信息系。

赵振宇:腾讯数据科学总监。此前先后在雅虎和优步负责实验系统、因果推断、机器学习应用研究和平台建设,以及开源项目研发工作。于美国西北大学获得统计学博士学位,本科毕业于中国科学技术大学。

钟婧:苹果公司Siri部门资深数据科学家,此前先后在微软必应部门及脸书公司从事机器学习建模和A/B实验、用户和产品数据分析、产品战略分析等方向的研究工作。于密歇根大学获得博士学位,本科毕业于清华大学电子工程系。

本书基于近些年实验领域的研究成果和实践经验,对实验的方法和应用做了很好的全景式描述,是一本兼顾系统性的方法论和基于实战的经验法则的书籍。根据微软、亚马逊、谷歌和领英每年运行的两万多个对照实验,作者以示例和建议的方式向学生和业内人士分享了自己的实践经验,指出了需要避免的陷阱,并深入探讨了一些进阶专题,可以为希望改善自身及机构数据驱动决策方式的从业者提供参考。

全书分为五个部分:

第一部分由四章组成。第1章概述运行线上对照实验的好处,并介绍实验相关术语。第2章用一个例子剖析运行实验的全过程。第3章描述常见的陷阱以及如何建立实验的可信赖度。第4章概述如何搭建实验平台并规模化线上实验。


第二部分的五章内容介绍实验的基础原理,比如机构指标。我们推荐所有人阅读这一部分,尤其是领导者和高管。

第三部分的两章内容介绍线上对照实验的补充技法,可以帮助管理层、数据科学家、工程师、分析师、产品经理等进行资源和时间的投资。

第四部分专注于实验平台的搭建,面向工程师群体。

最后,第五部分深入讨论进阶的实验分析专题,面向数据科学家。


扫码关注【华章计算机】视频号

每天来听华章哥讲书

更多精彩回顾

书讯 | 4月书讯 | 好书和最美四月天一起来了...

资讯 | DB-Engines 4月数据库排名:Redis有望甩掉“千年老七”?

书单 | 8本书助你零基础转行数据分析岗

干货 | 抛开数学,一文了解推荐系统框架及原理

收藏 | 终于有人将金融风险管理讲明白了

赠书 | 【第50期】10本金融科技好书为你转行、升职和加薪助力

点击阅读全文购买

相关文章:

  • 【新书速递】深入理解Java虚拟机HotSpot
  • 筑牢“数据基座” 掘金数字经济——5位大咖畅聊金融科技
  • 字节跳动杨震原:A/B测试不是万能的,但不会一定不行 ​
  • 423世界读书日 | 今年的阅读计划完成三分之一了吗?
  • 【技术大会】阿里云 Serverless Developer Meetup 即将亮相上海
  • Pandas最详细教程来了!
  • 文末福利 | 吐血整理!140种Python标准库、第三方库和外部工具都有了
  • 大咖发声 | 聊聊火爆前端圈的“犀牛书”
  • 【第32期】盘点云计算领域不可不读的9本书
  • 为什么 Java 在 25 年之后依旧如此年轻:一个架构师的看法
  • 附PPT下载 | 企业数据价值现状及数据分析师的价值提升
  • 无论是要打牢计算机基础还是准备校招面试,这本书你不可错过!
  • 计算机系统之芯——从零开始设计CPU
  • 360漏洞响应平台(SRC)为白帽子挑选的10本互联网安全好书
  • 数据仓库分层存储技术揭秘
  • 《Java编程思想》读书笔记-对象导论
  • 【159天】尚学堂高琪Java300集视频精华笔记(128)
  • 【css3】浏览器内核及其兼容性
  • Android Studio:GIT提交项目到远程仓库
  • android高仿小视频、应用锁、3种存储库、QQ小红点动画、仿支付宝图表等源码...
  • Android开发 - 掌握ConstraintLayout(四)创建基本约束
  • - C#编程大幅提高OUTLOOK的邮件搜索能力!
  • Fundebug计费标准解释:事件数是如何定义的?
  • JS创建对象模式及其对象原型链探究(一):Object模式
  • leetcode378. Kth Smallest Element in a Sorted Matrix
  • node入门
  • Spark学习笔记之相关记录
  • Zsh 开发指南(第十四篇 文件读写)
  • 机器人定位导航技术 激光SLAM与视觉SLAM谁更胜一筹?
  • 前端
  • 提醒我喝水chrome插件开发指南
  • 通过来模仿稀土掘金个人页面的布局来学习使用CoordinatorLayout
  • 硬币翻转问题,区间操作
  • ​如何在iOS手机上查看应用日志
  • ###STL(标准模板库)
  • $(document).ready(function(){}), $().ready(function(){})和$(function(){})三者区别
  • (附源码)ssm航空客运订票系统 毕业设计 141612
  • (附源码)计算机毕业设计高校学生选课系统
  • (四) Graphivz 颜色选择
  • (太强大了) - Linux 性能监控、测试、优化工具
  • (转)JVM内存分配 -Xms128m -Xmx512m -XX:PermSize=128m -XX:MaxPermSize=512m
  • (转)德国人的记事本
  • (转)如何上传第三方jar包至Maven私服让maven项目可以使用第三方jar包
  • (转)总结使用Unity 3D优化游戏运行性能的经验
  • .NET 回调、接口回调、 委托
  • .net6 webapi log4net完整配置使用流程
  • .netcore 获取appsettings
  • .net遍历html中全部的中文,ASP.NET中遍历页面的所有button控件
  • @FeignClient 调用另一个服务的test环境,实际上却调用了另一个环境testone的接口,这其中牵扯到k8s容器外容器内的问题,注册到eureka上的是容器外的旧版本...
  • @property括号内属性讲解
  • @RestControllerAdvice异常统一处理类失效原因
  • @SentinelResource详解
  • [.net 面向对象程序设计进阶] (19) 异步(Asynchronous) 使用异步创建快速响应和可伸缩性的应用程序...
  • [BZOJ 4034][HAOI2015]T2 [树链剖分]
  • [CUDA 学习笔记] CUDA kernel 的 grid_size 和 block_size 选择