Data Science Tutorials
Learn data science and AI with step-by-step tutorials on the DataCamp blog. Master Python, SQL, machine learning, and build your own AI agents.
Scopri le categorie
Vuoi formare 2 o più persone?Prova DataCamp for Business
Stima della densità con kernel: dalla teoria alla pratica
La stima della densità con kernel è un metodo non parametrico per stimare la forma di una distribuzione dei dati senza assumere un modello fisso. Scopri la formula, la scelta della larghezza di banda e l’implementazione pratica in Python e R.
Dario Radečić
16 giugno 2026
Regressione a spline: guida pratica con Python e R
Guida pratica alla regressione a spline: come polinomi a tratti e nodi modellano relazioni non lineari, i principali tipi di spline e come adattarle in Python e R.
Dario Radečić
15 giugno 2026
Assunzioni della regressione logistica: cosa controllare prima di modellare
Una guida pratica alle assunzioni alla base della regressione logistica, alle diagnostiche che rilevano violazioni in Python e R e alle alternative da usare quando le assunzioni non tengono.
Dario Radečić
15 giugno 2026
Overfitting vs. Underfitting: una guida pratica alla diagnostica dei modelli
Una guida dettagliata su overfitting e underfitting nel machine learning, inclusi come identificare ciascuna modalità di errore, perché accade e come risolverla tramite il trade-off bias-varianza.
Dario Radečić
12 giugno 2026
Modello Lineare Generalizzato (GLM): guida introduttiva a teoria e codice
Una guida pratica ai GLM: cosa sono, come funzionano insieme i loro tre componenti e come adattarli e interpretarli in Python e R.
Dario Radečić
12 giugno 2026
Zero-Shot Classification: come funziona e quando usarla
Scopri cos'è la zero-shot classification, come funziona sotto il cofano con i modelli NLI, come si confronta con few-shot e fine-tuning, e come applicarla con Hugging Face Transformers.
Dario Radečić
11 giugno 2026
Gradient Clipping: come prevenire gli exploding gradients
Il gradient clipping è una correzione da una riga che impedisce agli exploding gradients di rovinare l'addestramento di reti neurali profonde. Questa guida spiega come funziona, i due metodi principali di clipping, la scelta della soglia e l'implementazione in PyTorch e TensorFlow.
Dario Radečić
10 giugno 2026
Markov Chain Monte Carlo (MCMC): campionare distribuzioni di probabilità complesse
Una guida al Markov Chain Monte Carlo — come funziona, perché si usa, gli algoritmi più comuni e come applicarlo in Python per l'inferenza bayesiana.
Dario Radečić
10 giugno 2026
Tutorial Agent Swarm: coordina agenti AI con CrewAI
Crea uno sciame di agenti CrewAI con Gemini 3.5 Flash, ricerca web live Olostep e delega gerarchica dei task per un workflow multi-agente di ricerca e scrittura.
Abid Ali Awan
9 giugno 2026
Support Vector Regression (SVR): come funziona e quando usarla
La Support Vector Regression è un metodo di regressione basato su margini che ignora intenzionalmente gli errori piccoli, gestisce relazioni non lineari tramite kernel e regge bene su dati rumorosi del mondo reale, dove la regressione standard mostra i suoi limiti.
Dario Radečić
4 giugno 2026
Sicurezza a livello di riga (RLS) in Power BI: una guida completa
Scopri come configurare e gestire la Row-Level Security (RLS) in Power BI con esempi passo passo, configurazioni dinamiche e statiche, suggerimenti avanzati ed errori comuni da evitare.
Austin Chia
3 giugno 2026
Come confrontare due colonne in Excel: guida passo dopo passo
Scopri come confrontare due colonne in Excel per corrispondenze e duplicati usando metodi come l’operatore di uguaglianza, la funzione IF(), EXACT(), XLOOKUP() e altro.
Laiba Siddiqui
3 giugno 2026