Data Science Tutorials

Saiba como funciona a inteligência de enxame implementando a otimização de colônia de formigas (ACO), a otimização de enxame de partículas (PSO) e a colônia de abelhas artificiais (ABC) usando Python.

Descubra como o WHERE filtra dados em nível de linha em consultas SQL, enquanto o HAVING filtra dados agrupados após a agregação, e domine seus usos distintos em consultas SQL.

Saiba como usar o modelo de visão Llama 3.2 11B com o Gradio para criar um aplicativo da Web multimodal que funciona como um assistente de suporte ao cliente.

Saiba como ajustar o GPT-4o com imagens seguindo este tutorial passo a passo, onde você descobrirá como melhorar a capacidade do GPT-4o de reconhecer igrejas georgianas.

Saiba como destilar LLMs com a ferramenta de destilação da OpenAI. Este tutorial fornece um guia passo a passo usando o GPT-4o e o GPT-4o-mini para gerar comandos Git.

O bloco if __name__ == "__main__" em Python permite que você defina o código que será executado somente quando o arquivo for executado diretamente como um script, mas não quando for importado como um módulo em outro script.

Personalize o modelo GPT-4o Mini para classificar as publicações do Reddit em rótulos "estressantes" e "não estressantes".

O Llama Stack é um conjunto de ferramentas padronizadas e APIs desenvolvidas pela Meta que simplifica o processo de criação e implantação de grandes aplicativos de modelos de linguagem.

Saiba como instalar o Jenkins no Windows, configurar e executar agentes e pipelines do Jenkins e criar projetos MLOps com pipelines do Jenkins, desde o treinamento do modelo até a veiculação do modelo.

O Python dlt é uma ótima opção para engenheiros de dados que desejam mover dados com rapidez e confiança. Ele se integra a praticamente qualquer origem e destino e permite que você escreva seus pipelines ELT/ETL rapidamente. Este tutorial mostra a você como controlar cada etapa do pipeline e trabalhar com arquivos locais, nuvem, bancos de dados e APIs REST.

Explore os tipos de modelos de equações estruturais. Aprenda a fazer suposições teóricas, criar um modelo hipotético, avaliar a adequação do modelo e interpretar os resultados da modelagem de equações estruturais.

Descubra o algoritmo de clustering de deslocamento médio, suas vantagens, aplicações no mundo real e a implementação passo a passo em Python. Compare-o com o K-means para entender as principais diferenças.