Tutoriais de Ciência de Dados

O tutorial responde às perguntas mais frequentes sobre aprendizagem profunda e explora vários aspectos da aprendizagem profunda com exemplos reais.

Este tutorial apresenta a você a API OpenAI, seus casos de uso, uma abordagem prática para usar a API e todas as práticas recomendadas a serem seguidas.

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.

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

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

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.

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.

Aprenda tudo o que você precisa saber sobre como criar um painel no Excel, com dicas e exemplos.

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.

Descubra o poder do XGBoost, uma das estruturas de aprendizado de máquina mais populares entre os cientistas de dados, com este tutorial passo a passo em Python.

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.

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.