Data Science Tutorials

Uruchom Qwen3.6 27B na RTX 3090 i zobacz, jak Multi-Token Prediction (MTP) w llama.cpp może niemal podwoić szybkość lokalnej inferencji LLM bez wymiany GPU.

Poznaj trzy tryby rozumowania w DeepSeek V4 i zbuduj aplikację porównawczą w Streamlit, która pokaże, kiedy każdy tryb wygrywa pod względem jakości, szybkości i kosztu.

Proszę dowiedzieć się, jak użyć GPT-5.2, aby zamienić dowolny CSV w skoroszyt Excel i prezentację PowerPoint z cytowaniami, w aplikacji Streamlit.

Zbuduj trenera ćwiczeń w Pythonie, który rejestruje treningi, zapamiętuje historię użytkownika dzięki Supermemory i proponuje spersonalizowane sesje między oddzielnymi uruchomieniami agenta AI.

Dowiedz się, czym jest Perplexity Computer, jak działają jego równoległe subagenty, ile naprawdę kosztują kredyty w praktycznym teście i jak Pro oraz Max pasują do realnych przepływów badań.

Zbuduj agenta AI z Kimi K2.6, Olostep i OpenAI Agents SDK, który czyta CV, znajduje aktualne role, odfiltrowuje szum i mówi dokładnie, gdzie aplikować.

Dostosuj Claude Code w terminalu: uprawnienia, CLAUDE.md, tryb planu, /loop, hooki, /voice i śledzenie kosztów. Siedem ulepszeń, które szybko się zwracają.

Dowiedz się, jak uruchomić pełny model DeepSeek V4 Flash na pojedynczym GPU, korzystając ze zmodyfikowanej kompilacji llama.cpp i zgodnego pliku GGUF w tym praktycznym samouczku.

Dowiedz się, jak używać analityki konwersacyjnej — najnowszej funkcji BigQuery Studio opartej na Gemini — aby tworzyć inteligentnych agentów danych obsługujących zapytania w języku naturalnym.

Praktyczny przewodnik po teście Kruskala-Wallisa — czym jest, jak działa, kiedy stosować go zamiast ANOVY oraz jak go uruchomić i interpretować w Pythonie i R.

Opanuj obliczenia czasu w Excelu. Zastosuj gotowe formuły bezpośrednio do własnych danych.

Test U Manna-Whitneya to nieparametryczny test oparty na rangach do porównywania dwóch niezależnych grup, gdy nie jest spełnione założenie normalności wymagane przez test t.