Data Science Tutorials

Scopri come convertire i numeri in testo formattato in Excel usando la funzione TEXT(). Personalizza date, orari, percentuali e altro con codici formato per fogli di calcolo chiari e intuitivi.

Scopri la potenza di XGBoost, uno dei framework di machine learning più popolari tra i data scientist, con questo tutorial passo dopo passo in Python.

Questo articolo spiega come e quando usare la classificazione random forest con scikit-learn, concentrandosi su concetti, workflow ed esempi. Vediamo anche come usare la confusion matrix e l'importanza delle feature.

Questo articolo spiega come e quando usare la classificazione k-nearest neighbors con scikit-learn. Focus su concetti, workflow ed esempi. Trattiamo anche le metriche di distanza e come selezionare il valore migliore di k tramite cross-validation.

Scopri come usare il test ANOVA per confrontare le medie di più gruppi con esempi chiari, applicazioni reali e consigli pratici per l’analisi dei dati.

Scopri come separare i nomi in Excel con strumenti come Testo in colonne, Riempimento rapido e formule personalizzate. Rendi i tuoi fogli di calcolo più puliti e facili da usare.

Scopri come funzionano i perceptroni multistrato nel deep learning. Comprendi layer, funzioni di attivazione, backpropagation e SGD con indicazioni pratiche.

Esegui GLM 4.7 Flash in locale (RTX 3090) con Claude Code e Ollama in pochi minuti: niente cloud, niente lock-in, solo velocità e controllo.

Scopri come fare lo squash dei commit su un branch usando l'interactive rebase, per mantenere una cronologia dei commit pulita e ordinata.

Usa la sottrazione per calcoli rapidi e semplici tra date. Applica le funzioni DAYS() e DATEDIF() per ottenere intervalli precisi. Usa NETWORKDAYS() e TODAY() per tracciare i giorni lavorativi ed escludere automaticamente weekend e festività.

Questa guida completa ti insegna i fondamenti dello sviluppo backend in Python. Impara concetti di base, framework e best practice per iniziare a creare applicazioni web.

Scopri l’algoritmo di reinforcement learning model-free più popolare con un tutorial in Python.