@hayawau: #fypシ゚viral #idalailalegend #lagulawasnostalgia #palingsenang

Hayawau
Hayawau
Open In TikTok:
Region: ID
Friday 23 October 2026 02:59:27 GMT
23022
443
16
37

Music

Download

Comments

alfiahasanah5
Alfiahasanah :
timur toko nasar rumahku 🤗
2026-10-23 04:30:49
1
bundaleta77
Bundaleta77 :
MasyaAllah pecinta lagu legendaris sama kyk aq[Berdoa]
2026-10-23 09:56:25
1
hjhabibah0
Habibah :
2026-10-23 13:21:33
1
afifanafisa3
Afif@ Nafis@ :
2026-10-23 14:39:09
1
maulidaulfinhabibiya
Maulida ulfin habibiya :
2026-10-23 08:29:23
2
maulidaulfinhabibiya
Maulida ulfin habibiya :
2026-10-23 08:29:30
2
rafaazkaputra2287
Reng Bepoloh :
e juanak
2026-10-24 02:20:30
1
bntu_follow1.000
bntu_follow1.000 :
🥰🥰🥰
2026-10-26 16:32:41
1
yusip49
yusip :
[Hati pita][Hati pita][Hati pita]
2026-10-23 07:24:48
1
ucih.unasih1
Ucih Unasih :
🥰🥰🥰
2026-10-23 14:15:04
1
bbu.jumiah
BBu Jumi'ah :
🥰🥰🥰
2026-10-23 04:31:22
1
To see more videos from user @hayawau, please go to the Tikwm homepage.

Other Videos

One of the skills I wish I learned earlier in my career is A/B Testing. ناس كتير بتفتكر إن Data Science هو Models وLLMs وDeep Learning بس. لكن الحقيقة إن جزء كبير من شغل الشركات التقنية الكبيرة بيدور حول سؤال أبسط بكتير: “إزاي نعرف إذا كانت الفكرة الجديدة فعلًا أحسن من القديمة؟” عشان كده Spotify عملوا Confidence Bootcamp، واللي بصراحة من أفضل المصادر المجانية لتعلم A/B Testing بشكل عملي. أكتر حاجة فاجئتني إن أغلب الأفكار اللي الفرق بتكون متحمسة ليها بتفشل لما تتجرب على المستخدمين الحقيقيين. في شركات كتير، نسبة نجاح التجارب أصلًا بتكون بين 10% و30%. وده معناه إن قيمة الـ A/B Testing مش بس إنها تثبت إن فكرتك شغالة… لكن كمان إنها تمنعك من إطلاق أفكار شكلها حلو لكنها مش بتضيف قيمة حقيقية. كمان فيه نقطة مهمة: حوالي 80% من الاختبارات اللي هتقابلها في الشغل هتكون straightforward نسبيًا. لكن الـ 20% الباقيين هما اللي بيحتاجوا فهم أعمق للإحصاء: • Sample Ratio Mismatch • Multiple Testing • Novelty Effects • Network Effects • Metric Design • Experimentation Pitfalls ودي غالبًا الحالات اللي بتفرق بين شخص بيشغل أداة تجارب، وشخص يقدر فعلًا يبني ثقافة data-driven decision making داخل الشركة. لو شغال في Data Science أو AI Engineering أو Product Management، أنصحك جدًا تضيف A/B Testing لقائمة المهارات الأساسية عندك. مش لأنها مهارة “لطيفة”… لكن لأنها واحدة من أكتر المهارات اللي بتأثر بشكل مباشر على قرارات.        #ABT#ABTestingp#Experimentationo#ProductAnalyticsEngineering #datascience
One of the skills I wish I learned earlier in my career is A/B Testing. ناس كتير بتفتكر إن Data Science هو Models وLLMs وDeep Learning بس. لكن الحقيقة إن جزء كبير من شغل الشركات التقنية الكبيرة بيدور حول سؤال أبسط بكتير: “إزاي نعرف إذا كانت الفكرة الجديدة فعلًا أحسن من القديمة؟” عشان كده Spotify عملوا Confidence Bootcamp، واللي بصراحة من أفضل المصادر المجانية لتعلم A/B Testing بشكل عملي. أكتر حاجة فاجئتني إن أغلب الأفكار اللي الفرق بتكون متحمسة ليها بتفشل لما تتجرب على المستخدمين الحقيقيين. في شركات كتير، نسبة نجاح التجارب أصلًا بتكون بين 10% و30%. وده معناه إن قيمة الـ A/B Testing مش بس إنها تثبت إن فكرتك شغالة… لكن كمان إنها تمنعك من إطلاق أفكار شكلها حلو لكنها مش بتضيف قيمة حقيقية. كمان فيه نقطة مهمة: حوالي 80% من الاختبارات اللي هتقابلها في الشغل هتكون straightforward نسبيًا. لكن الـ 20% الباقيين هما اللي بيحتاجوا فهم أعمق للإحصاء: • Sample Ratio Mismatch • Multiple Testing • Novelty Effects • Network Effects • Metric Design • Experimentation Pitfalls ودي غالبًا الحالات اللي بتفرق بين شخص بيشغل أداة تجارب، وشخص يقدر فعلًا يبني ثقافة data-driven decision making داخل الشركة. لو شغال في Data Science أو AI Engineering أو Product Management، أنصحك جدًا تضيف A/B Testing لقائمة المهارات الأساسية عندك. مش لأنها مهارة “لطيفة”… لكن لأنها واحدة من أكتر المهارات اللي بتأثر بشكل مباشر على قرارات. #ABT#ABTestingp#Experimentationo#ProductAnalyticsEngineering #datascience

About