Data Science Tutorials

Il metodo di Newton è un algoritmo iterativo per trovare radici che usa approssimazioni tramite tangenti per avvicinarsi alla soluzione di equazioni senza risposta in forma chiusa.

Scopri cos'è una funzione obiettivo, come funziona nell'ottimizzazione e nel machine learning, e come definirla e interpretarla con esempi reali.

Scopri come la regressione polinomiale aiuta a modellare relazioni non lineari e a migliorare l'accuratezza predittiva nei dataset reali.

Una panoramica pratica della regolarizzazione nel machine learning: cos'è, come funziona e quando usare L1, L2 ed Elastic Net per costruire modelli che generalizzano.

Un approfondimento sull'architettura ResNet: come l'apprendimento residuale e le skip connection risolvono i problemi di gradiente che svanisce e degrado che rendono difficile l'addestramento di reti neurali profonde.

Scopri come usare la funzione SQL RANK() per assegnare classifiche alle righe, gestire i pari merito e confrontarla con DENSE_RANK() e ROW_NUMBER().

Impara a usare VLOOKUP() in Google Sheets per cercare, trovare ed estrarre dati da set di grandi dimensioni in pochi secondi.

Impara a fare fine-tuning di NVIDIA Nemotron-3-Nano-4B su un dataset di Q&A di psicologia con una GPU RTX 3090 usando LoRA e TRL dopo aver scaricato il modello da Hugging Face.

Scopri come creare un'app di agenti OpenAI che gira dentro Modal Sandboxes, lavora con i file, esegue codice e restituisce risultati in questo tutorial pratico in Python.

Scopri come usare Qwen 3.6 Plus di Alibaba, Python e l’SDK OpenAI per costruire una pipeline automatizzata di elaborazione fatture con visione nativa e tool calling.

Scopri tutto quello che devi sapere sul nuovo modello di generazione di immagini di Google, Nano Banana 2, incluso come creare un editor di immagini iterativo in chat usando l’API con Python.

Scopri come abbinare l’Auto Mode di Claude Code ai Canali Telegram per eseguire da telefono un ciclo autonomo scrittura-test-debug.