Tutoriais de Ciência de Dados

Aprenda sobre o gerenciamento de memória em Python com técnicas avançadas para codificar classes eficientes em termos de memória. Explore exercícios práticos para um desempenho ideal.

O operador SQL BETWEEN ajuda a filtrar valores dentro de intervalos específicos, permitindo uma análise eficiente dos dados. Descubra suas diversas aplicações e todo o seu potencial.

Aprenda as diferenças entre as técnicas RAG e Fine-Tuning para personalizar o desempenho do modelo e reduzir as alucinações nos LLMs.

Descubra todos os novos recursos e alterações feitos na atualização do NumPy 2.0.

Este tutorial guia você pelos principais recursos e aplicativos práticos do DuckDB, incluindo a criação de tabelas, a realização de análises de dados, a criação de um aplicativo RAG e o uso de um mecanismo de consulta SQL com o LLM.

O encadeamento de prompts é uma técnica que envolve a divisão de uma tarefa complexa em uma série de prompts menores e interconectados, em que o resultado de um prompt serve como entrada para o próximo, orientando o LLM por meio de um processo de raciocínio estruturado.

Aprenda a converter modelos técnicos em interfaces de usuário interativas com o Gradio em Python.

A complexidade de tempo é a medida de como o tempo de execução de um algoritmo é dimensionado com o tamanho da entrada, geralmente expressa usando a notação Big-O, que fornece um limite superior para o pior cenário possível.

A palavra-chave yield em Python transforma uma função regular em um gerador, que produz uma sequência de valores sob demanda em vez de computá-los todos de uma vez.

O prompting de disparo zero é uma técnica na qual um modelo de IA recebe uma tarefa ou pergunta sem nenhum exemplo prévio ou treinamento específico sobre essa tarefa, contando apenas com seu conhecimento preexistente para gerar uma resposta.

Aprimore suas habilidades em SQL com o operador SQL PIVOT. Você aprenderá a converter linhas em colunas para criar tabelas dinâmicas no SQL Server e no Oracle.

Aprenda a calcular e aplicar a Manhattan Distance com exemplos de codificação em Python e R e explore seu uso em machine learning e pathfinding.