Data Science Tutorials

Poznaj, jak regresja wielomianowa pomaga modelować nieliniowe zależności i poprawiać trafność prognoz w rzeczywistych zbiorach danych.

Dowiedz się, jak używać VLOOKUP() w Google Sheets, aby w kilka sekund wyszukiwać, znajdować i pobierać dane z dużych zbiorów.

Praktyczny przewodnik po szeregach geometrycznych obejmujący wzory na sumy skończone i nieskończone, warunki zbieżności oraz zastosowania w finansach, fizyce i informatyce.

Praktyczny przewodnik po szeregu Maclaurina: podstawowy wzór, typowe rozwinięcia, zasady zbieżności oraz zastosowania w metodach numerycznych, fizyce i uczeniu maszynowym.

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.

Praktyczne wprowadzenie do równań różniczkowych obejmujące kluczowe typy, klasyfikację, metody rozwiązywania analityczne i numeryczne oraz ich realną rolę w spadku gradientowym, regresji i modelowaniu szeregów czasowych.

Koncepcyjny przewodnik po sztuczce z jądrem – czym jest, jak umożliwia działanie SVM i innych modeli jąderkowych oraz kiedy wybrać ją zamiast innych podejść do modelowania nieliniowego.

Przewodnik krok po kroku po konfiguracji pgAdmin 4 i PostgreSQL z Docker Compose, obejmujący konfigurację kontenerów, rejestrację serwera oraz kluczowe funkcje pgAdmin, w tym Query Tool, przeglądarkę schematów i kopie zapasowe/przywracanie.

Dowiedz się, jak zapytania skorelowane wykonują porównania wiersz po wierszu w SQL. Poznaj przypadki użycia i różnice względem JOIN-ów, funkcji okienkowych oraz zapytań nieskorelowanych.

Praktyczny przegląd regularizacji w uczeniu maszynowym – czym jest, jak działa i kiedy używać L1, L2 oraz Elastic Net, aby budować modele, które uogólniają.

Operator Laplasjana to jedno z najczęściej używanych narzędzi matematycznych we współczesnym ML. Stoi za klasteryzacją spektralną, uczeniem na rozmaitościach, detekcją krawędzi na obrazach i algorytmami grafowymi.

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