Tutoriais de Ciência de Dados

Aprenda a modelar e resolver problemas de otimização usando o Pyomo, uma biblioteca Python avançada. Explore exemplos práticos de otimização linear e não linear!

Descubra o impacto da multicolinearidade nos modelos de regressão. Descubra técnicas para detectar multicolinearidade e manter a confiabilidade do modelo. Saiba como lidar com a multicolinearidade com soluções práticas.

Determine se há uma diferença significativa entre as médias dos dois grupos usando t.test() no R.

Descubra como importar dados para o R, incluindo CSV, JSON, Excel, HTML, bancos de dados, SAS, SPSS, Matlab e outros arquivos usando os pacotes populares do R.

O aprendizado de máquina é complexo e, muitas vezes, difícil de entender. Ao visualizar modelos de aprendizado de máquina, você pode obter um ótimo nível de compreensão do desempenho do modelo e das decisões que o modelo toma ao fazer previsões.

Aprenda sobre a formatação de strings em Python.

Saiba como criar e personalizar gráficos de halteres no Tableau. Descubra como preparar seus dados, criar o gráfico e aprimorá-lo para fazer comparações visuais impactantes!

Descubra como o otimizador AdamW melhora o desempenho do modelo ao desacoplar o decaimento do peso das atualizações de gradiente. Este tutorial explica as principais diferenças entre o Adam e o AdamW, seus casos de uso e fornece um guia passo a passo para você implementar o AdamW no PyTorch.

Aprenda tudo o que você precisa saber sobre a geração de dados sintéticos. Descubra as técnicas e ferramentas que tornam os dados sintéticos essenciais para IA e aprendizado de máquina com exemplos práticos de código Python para ajudar você a começar!

Aprenda a criar chatbots de IA com Streamlit, LangChain e Neo4j. Este tutorial aborda a criação de UIs para aplicativos LLM, a implementação do RAG e a implantação no Streamlit Cloud.

Descubra as principais diferenças, aplicações e implementação da normalização e padronização no pré-processamento de dados para aprendizado de máquina.

Descubra a nova série LLM da Microsoft e aumente a precisão do seu modelo de 65% para 86% fazendo o ajuste fino no conjunto de dados de classificação de comércio eletrônico.