Data Science Tutorials
Develop your data science skills with tutorials in our blog. We cover everything from intricate data visualizations in Tableau to version control features in Git.
Temukan kategori
Pelatihan untuk 2 orang atau lebih?Coba DataCamp for Business
Regresi Random Forest: Panduan Lengkap
Cara kerja regresi random forest, keterbatasannya, serta cara mengevaluasi, menyetel, dan menafsirkannya. Termasuk implementasi Python dan kerangka perbandingan model.
Srujana Maddula
17 Juni 2026
Rutinitas Claude Code: Jalankan Agen Koding Anda Secara Terjadwal di Cloud
Pelajari cara rutinitas Claude Code menjalankan agen koding Anda di cloud berdasarkan jadwal atau event GitHub, sehingga ulasan PR dan audit selesai meski laptop Anda tertutup.
Bex Tuychiev
17 Juni 2026
Bangun Pengelola Tugas Real-Time dengan FastHTML dan MongoDB
Tutorial lengkap tentang penggunaan alat natif Python untuk operasi CRUD asinkron dan interaktivitas HTMX.
Karen Zhang
17 Juni 2026
Tutorial Cofounder 2: Cara Menjalankan Perusahaan dengan Agen AI
Pelajari cara menggunakan Cofounder 2 untuk mengubah ide kasar menjadi perusahaan terstruktur dengan rencana bisnis, paket merek, tugas rekayasa, kampanye pemasaran, dan alur kerja penjualan melalui agen AI khusus.
Aashi Dutt
17 Juni 2026
Cara Mempercepat LLM Lokal dengan DFlash Speculative Decoding
Pelajari cara mempercepat inferensi Gemma 4 31B secara lokal pada satu RTX 4090 menggunakan DFlash speculative decoding dan Flash Attention dibandingkan dengan baseline.
Abid Ali Awan
17 Juni 2026
Prediksi Pemenang Piala Dunia FIFA 2026: Panduan MLOps
Lihat bagaimana pipeline MLOps end-to-end memprediksi hasil Piala Dunia 2026, dari pelatihan ulang otomatis dan DVC hingga simulasi Monte Carlo 10.000 kali untuk bagan turnamen.
Tom Farnschläder
17 Juni 2026
Format GGUF: Panduan Lengkap Inferensi LLM Lokal
GGUF mengemas bobot model, data tokenizer, dan metadata ke dalam satu berkas portabel. Pelajari cara memilih tingkat kuantisasi yang tepat dan memulai dengan Ollama.
Austin Chia
17 Juni 2026
Estimasi Kepadatan Kernel: Dari Teori ke Praktik
Estimasi kepadatan kernel adalah metode nonparametrik untuk memperkirakan bentuk distribusi data tanpa mengasumsikan model tetap. Pelajari rumusnya, pemilihan bandwidth, dan implementasi praktis di Python dan R.
Dario Radečić
16 Juni 2026
Asumsi Regresi Logistik: Apa yang Perlu Anda Periksa Sebelum Pemodelan
Panduan praktis tentang asumsi di balik regresi logistik, diagnostik yang menangkap pelanggaran di Python dan R, serta alternatif ketika asumsi tidak terpenuhi.
Dario Radečić
15 Juni 2026
Regresi Spline: Panduan Praktis dengan Python & R
Panduan praktis tentang regresi spline, membahas bagaimana polinomial potongan dan knot memodelkan hubungan nonlinier, jenis-jenis spline utama, dan cara memasangkannya di Python dan R.
Dario Radečić
15 Juni 2026
Generalized Linear Model (GLM): Panduan Pemula untuk Teori dan Kode
Panduan praktis untuk GLM — apa itu, bagaimana tiga komponennya bekerja bersama, serta cara memfitting dan menafsirkannya di Python dan R.
Dario Radečić
12 Juni 2026
Overfitting vs. Underfitting: Panduan Praktis Diagnostik Model
Panduan mendetail tentang overfitting dan underfitting dalam machine learning, termasuk cara mengidentifikasi tiap mode kegagalan, mengapa terjadi, dan cara memperbaikinya melalui trade-off bias-variance.
Dario Radečić
12 Juni 2026