Tutoriais de Ciência de Dados

Explorar diferentes abordagens para aprimorar os sistemas RAG: Transformações de chunking, reranking e consultas.

Saiba como usar o Stable Diffusion, um modelo avançado de aprendizagem profunda de código aberto que gera imagens de alta qualidade a partir de descrições de texto. Este tutorial aborda os conceitos básicos de como o modelo funciona e as instruções passo a passo para você executar o Stable Diffusion on-line e localmente.

Os modelos de aprendizado de máquina são poderosos, mas difíceis de interpretar. No entanto, os valores de SHAP podem ajudar você a entender como os recursos do modelo afetam as previsões.

Este artigo aborda como e quando você deve usar a classificação k-nearest neighbors com o scikit-learn. Com foco em conceitos, fluxo de trabalho e exemplos. Também abordamos as métricas de distância e como selecionar o melhor valor para k usando a validação cruzada.

Descubra como criar um histograma com o Base R usando nosso tutorial abrangente de 6 etapas. Personalize seus gráficos e visualize as distribuições de dados com eficiência.

Saiba como usar as solicitações HTTP do Python para interagir com APIs REST. Este guia aborda solicitações GET e POST, exemplos e práticas recomendadas para integração de API.

O tutorial aborda o acesso, a quantização, o ajuste fino, a fusão e o salvamento desse avançado modelo de linguagem de código aberto com 7,3 bilhões de parâmetros.

Aprenda a usar operadores aritméticos e lógicos no R. Esses operadores binários funcionam em vetores, matrizes e escalares.

Aprenda sobre PCA e como ele pode ser aproveitado para extrair informações dos dados sem nenhuma supervisão usando dois conjuntos de dados populares: Câncer de mama e CIFAR-10.

Explore nosso guia passo a passo para executar comandos externos usando o módulo de subprocesso do Python, completo com exemplos.

Este artigo aborda como e quando você deve usar a classificação Random Forest com o scikit-learn. Com foco em conceitos, fluxo de trabalho e exemplos. Também abordamos como usar a matriz de confusão e as importâncias dos recursos.

Crie seu mecanismo de recomendação com a ajuda do Python, desde modelos básicos até sistemas de recomendação com base em conteúdo e filtragem colaborativa.