Формы подачи материала:
-видео
-текст
Методы:
-асинхронная работа студента на платформе
-синхронная работа на вебинарах с преподавателями
-самостоятельная работа (выполнение заданий)

1.Анализ рынок конкурентов — изучаем, что предлагают другие школы и рынок вакансий, чтобы давать востребованные знания и навыки.
2.Проработка критериев по набору экспертов и авторов программы
3.Разработка контента в обучающие материалы и проектирование структуры курса
4.Анализ рынка вакансий на предмет актуальности знаний.
5.Создание авторами модулей программы. Каждый урок проходит многоуровневое ревью — эксперта, методиста, редактора, студента-тестировщика.
6.Чередование форматов подачи информации (текст — видео— таблица). Обязательно предоставление ссылок на дополнительные источники — документацию и полезные статьи, которые помогут лучше понять тему и расширят кругозор студента
7.В конце каждой темы у нас есть:
-итоговое тестирование, чтобы привести знания теории в систему,
-большая практическая задача для закрепления всех необходимых навыков модуля.
8.Обработка обратной связи от студентов по каждому модулю.

-Веб-запросы
-Библиотека requests
-Парсинг сайтов
-Библиотека BeautifulSoup
-Работа с API
-Как настроить регулярную выгрузку данных
-О Яндекс.Метрике
-Авторизация в сервисах Яндекса
-Параметры запросов
-Получение и анализ данных
-Работа со структурой отчёта
-BASICS. On-demand
-BASICS. Формализация задачи
-THEORY. Модели атрибуции
-SETTING. Ваши задачи
-PRACTICE. Сбор и обработка данных
-PRACTICE. Анализ данных
-PROJECT. Определяем количество ботов на сайте
-PostgreSQL: Установка и подключение
-Работа с таблицами
-Psycopg2: Установка и соединение
-Курсор
-Транзакции
-Простые операции CRUD
-Продвинутые операции CRUD
-Работа с данными на диске
-Модуль Collections. Counter и defaultdict
-Модуль Collections. Deque и OrderedDict
-Модуль Collections. Практика
-Модуль NumPy. Типы данных
-Модуль NumPy. Массивы
-Модуль NumPy. Действия с массивами
-Модуль NumPy. Операции с векторами
-Модуль NumPy. Случайные числа
-Модуль NumPy. Практика
-BASICS. Что такое фича и зачем её оценивать?
-THEORY. Как провести оценку фичи и сформулировать выводы?
-SETTING. Ваши задачи
-PRACTICE. Сбор и обработка данных
-PRACTICE. Анализ данных
-PROJECT. Оценка эффективности новой фичи
-Ключевые термины
-Распределение вероятностей дискретной случайной величины
-Математическое ожидание
-Дисперсия
-Распределение вероятностей непрерывной случайной величины
-Нормальная случайная величина
-Ищем вероятность X через Z
-Центральная предельная теорема
-Какую выборку считать хорошей?
-Как оценить генеральную совокупность?
-Доверительный интервал для истинного среднего
-Пример решения задачи
-Зачем нужно распределение Стьюдента?
-Распределение z или распределение T?
-Доверительный интервал для пропорции p
-Находим z-критическое и t-критическое
-BASICS. Гипотеза
-THEORY. Принципы A/B-тестирования
-THEORY. Принципы множественного тестирования
-PRACTICE. Подготовка к A/B-тесту
-PRACTICE. Кумулятивные метрики, выбросы
-THEORY. T-тест
-THEORY. Z-тест
-THEORY. Критерий Шапиро-Уилка
-THEORY. Тест Манна-Уитни
-PRACTICE. Основные ошибки при А/B-тестах
-PROJECT. Анализ результатов A/B-теста

Доверительное А/В-тестирование. Практическое руководство по контролируемым экспериментам/Кохави Рон - М.: ДМК-Пресс, 2021 - 298 с. - ISBN: 978-5-97060-913-2 (УК-1, ПК-4)