Data Science Tutorials

Impara a organizzare le attività per categoria con Node.js e MongoDB. Crea una REST API con endpoint create, list, get, update, delete e filtro per categoria.

Scopri cos’è una matrice aumentata, come rappresenta i sistemi di equazioni e come usare le operazioni di riga per risolverli.

L’apprendimento auto-supervisionato addestra i modelli a ricavare la propria supervisione da testo, immagini, audio e video non etichettati, usando tecniche come apprendimento contrastivo, masked modeling e predizione autoregressiva per costruire le rappresentazioni alla base dei moderni modelli di linguaggio, visione e multimodali.

Configura Muse Spark 1.3 in Muse Code e nella Meta Model API, scegli tra i livelli contributor e standard e verifica se le promesse di efficienza di Meta reggono.

Impara a usare l’API Gemini 3.8 Flash in Python: setup dell’Interactions API, tuning di thinking_level, estrazione PDF→JSON e function calling con codice.

Usa GPT-6 Astra tramite l’OpenAI API per creare un agente di controllo release in Python con strumenti async, controlli di ragionamento, Structured Outputs e monitoraggio dei costi, quindi prova computer use e steering.

Impara a usare il nuovo modello di punta di Anthropic per costruire un agente Python che legge una repository Flask prima di pianificare una modifica. Aggiungi aggiornamenti di avanzamento, tool di file in sola lettura e controlli dei costi.

Scopri come eseguire Qwen3.8-27B in locale con NVFP4 nativo per Blackwell e decodifica speculativa MTP, raggiungendo fino a 170 token al secondo con llama.cpp.

Usa GLM-5.3-Flash e CrewAI per creare 3 agenti LLM specialisti per fondamentali, tecnici e news, e fondere i risultati in un segnale BUY/SELL.

Scopri come i Bot di Grok Bot, il computer cloud condiviso, le skill e le routine lavorano insieme creando un agente che ogni lunedì fa ricerca, verifica e invia un report.

Scopri come eseguire Qwen3.8-Flash-Next GGUF in locale con llama.cpp su una RTX PRO 6000, quindi collegarlo a OpenCode per un setup di coding agentico completamente locale.

Esplora l'architettura dei Transformer, i modelli che hanno rivoluzionato l'elaborazione dei dati grazie ai meccanismi di self-attention.