Data Science Tutorials

Użyj Copilot Cowork, aby zamienić jeden plik CSV ze sprzedażą w skoroszyt Excela, notatkę w Wordzie, prezentację PowerPoint i szkic w Outlooku, a następnie sprawdź wyniki, zapisz workflow jako umiejętność i zaplanuj jego uruchamianie.

Naucz się uruchamiać lokalnie wydajne modele decyzyjne, poznaj ekosystem vLLM i zbuduj trzy praktyczne projekty z użyciem tekstu, obrazów i wideo.

Poznaj 20 kluczowych funkcji i formuł Excela — od SUM() i IF() po XLOOKUP() i IFERROR() — z przykładami i wskazówkami ich łączenia.

Zbuduj workflow naprawy CI na GitHubie z DeepSeek Superagent, a następnie użyj trybu observe, pytesta, danych holdout i przeglądu człowieka, by sprawdzić jedną poprawkę w pandas.

Zablokowany arkusz? Poznaj najszybsze rozwiązania — od wpisania hasła po naprawę wyszarzonego przycisku Unprotect Sheet.

Zbuduj agenta w Pythonie z Gemini 4 Argon, wywoływaniem funkcji i profilowaniem, a następnie sprawdź jego łatki ukrytymi testami, benchmarkami i kosztem API.

Przewodnik krok po kroku po działaniu architektury transformera — od self-attention po oparte na niej LLM-y tylko z dekoderem.

Dowiedz się, jak Mercury 3 wykorzystuje generowanie dyfuzyjne do stworzenia asystenta analizy incydentów, wizualizowania stanów dopracowania i porównania niskiego vs wysokiego nakładu rozumowania.

Poznaj pandas od instalacji po analizę — każde ćwiczenie przetestowane na pandas 3.1.

Naucz się PySparka z uruchamialnym kodem: skonfiguruj PySparka 4.3, wybieraj, filtruj, grupuj i łącz DataFrame’y, zadawaj zapytania Spark SQL i klastruj klientów z pyspark.ml.

Użyj Meta Muse Wonder i webowego API Olostep, aby weryfikować tezy medyczne, wyjaśniać rozumowanie i pokazywać źródła dowodów.

Zbuduj w Pythonie agenta obraz→CAD z API Kimi K3.1 Pro, używając wejścia wizji, wywoływania narzędzi, piaskownicy Dockera, ukrytego ewaluatora i śledzenia kosztów.