Data Science Tutorials

Bangun dan jalankan agen cloud dengan OpenAI Agents API yang dapat menganalisis file, mengeksekusi kode, memverifikasi hasil, dan mengembalikan artefak jadi dari satu permintaan.

Bangun agen perbaikan visual Python dengan DeepSeek V4.1 Flash, Responses API, screenshot Playwright, apply_patch, pytest, caching konteks, dan pelacakan biaya.

Pelajari bagaimana Polars read_csv() membantu Anda memuat data CSV secara efisien di Python, termasuk menangani dataset besar, mendefinisikan skema, dan mengoptimalkan kinerja.

Pelajari apa itu Azure Functions, bagaimana ia memungkinkan aplikasi serverless berbasis peristiwa, serta bagaimana trigger, binding, opsi hosting, dan alur kerja saling terhubung.

Pelajari cara menghubungkan tabel, menulis rumus DAX, dan membangun laporan interaktif di dalam Excel.

Pelajari apa itu statistical arbitrage, bagaimana trader kuantitatif mengidentifikasi hubungan harga sementara, dan bagaimana strategi seperti pairs trading dan mean reversion bekerja dalam praktik.

Pelajari cara menggunakan fungsi VBA InStr untuk menemukan teks di dalam string, termasuk sintaks, contoh, sensitivitas huruf besar/kecil, dan kesalahan umum.

Jalankan Motif-3 Quant yang dioptimalkan pada NVIDIA H200 menggunakan runtime ds4, layani melalui API yang kompatibel dengan OpenAI, dan integrasikan dengan agen koding Pi.

Pelajari cara menyiapkan Ekstensi Peramban Kimi menggunakan Kimi Work dan Kimi Code CLI, serta menjalankan pencarian produk yang mengekstrak hasil terstruktur dari sebuah situs web.

Flow matching melatih model generatif untuk mengubah noise menjadi data dengan mempelajari medan vektor yang menggerakkan sampel sepanjang jalur probabilitas yang dipilih, gagasan yang sama yang mendorong continuous normalizing flows dan diffusion models modern.

Pelajari apa arti perbaikan diri rekursif dalam AI, bagaimana sistem AI dapat membantu mengembangkan AI yang lebih baik, seberapa dekat model saat ini dengan RSI, dan mengapa konsep ini penting bagi kapabilitas dan keamanan AI.

Pembelajaran penguatan mendalam menggabungkan loop coba-coba dari pembelajaran penguatan dengan jaringan saraf yang melakukan generalisasi di ruang keadaan yang sangat besar.