Data Science Tutorials

Praktyczny przegląd RAGFlow — open-source’owej platformy do budowy produkcyjnych aplikacji Retrieval Augmented Generation — obejmujący jego architekturę, silnik parsowania dokumentów, strategie wyszukiwania, przepływy agentów i porównanie z LangChain oraz LlamaIndex.

Dowiedz się, jak lokalnie uruchomić szybkie, dokładne, wielojęzyczne rozpoznawanie mowy na CPU przy użyciu Microsoft VibeASR.cpp, z transkrypcją plików, strumieniowaniem w czasie rzeczywistym i interfejsem webowym Gradio w systemach Windows, Linux i macOS.

Naucz się używać Grok Voice Think Fast 2.0 do budowy agenta głosowego czasu rzeczywistego, który prowadzi rozmowy, wywołuje narzędzia, zarządza przerwaniami i wznawia rozłączone sesje.

Naucz się tworzyć mapę cieplną w Excelu za pomocą Formatowania warunkowego, dostosowywać skale kolorów i wizualizować wzorce w danych.

Uruchom najnowszy model DeepSeek V4 Flash w konfiguracji z wieloma GPU przy użyciu Unsloth Studio, połącz go z OpenCode i użyj lokalnego agenta AI do zbudowania interaktywnej strony do analizy akcji.

Dowiedz się, jak używać pandas.melt() do zmiany kształtu DataFrame’ów z formatu szerokiego na długi, z praktycznymi przykładami i typowymi zastosowaniami.

Naucz się klonować swój głos za pomocą Instant i Professional Voice Cloning w ElevenLabs — od nagrywania czystego audio po generowanie mowy przez Python SDK.

Dowiedz się, jak dostroić DiffusionGemma 26B-A4B do odpowiadania na pytania biomedyczne na PubMedQA z użyciem Unsloth, LoRA, Hugging Face i GPU RunPod H100.

Claude Code domyślnie nie jest darmowy. Poznaj wszystkie alternatywne ścieżki, z dokładnymi komendami konfiguracji i uczciwym opisem tego, co każda z nich oddaje względem oryginału.

Uruchom lokalnie Gemma 4 12B QAT z llama.cpp i zobacz, jak Quantization-Aware Training poprawia 4-bitową inferencję GGUF, obniża zużycie VRAM-u, zwiększa szybkość i poprawia stabilność lokalnego AI na konsumenckich GPU.

Naucz się korzystać z funkcji SUMIF() w Excelu, aby dodawać wartości spełniające warunek — ze składnią, praktycznymi przykładami i typowymi błędami do uniknięcia.

Dowiedz się, jak zaimplementować wyszukiwanie semantyczne w MongoDB za pomocą Pythona. Generuj wektorowe osadzenia, utwórz indeks Vector Search i uruchamiaj zapytania $vectorSearch.