Data Science Tutorials

Узнайте, как запускать мощные модели принятия решений локально, изучить экосистему vLLM и создать три практических проекта с текстами, изображениями и видео.

Изучите 20 важнейших функций и формул Excel — от SUM() и IF() до XLOOKUP() и IFERROR(), с примерами и советами по их комбинированию.

Постройте рабочий процесс исправления CI в GitHub с DeepSeek Superagent, затем используйте режим наблюдения, pytest, закрытые данные и человеческое ревью, чтобы проверить одно исправление в pandas.

Не удаётся редактировать лист? Узнайте самые быстрые способы — от ввода пароля до решения проблемы с неактивной кнопкой Unprotect Sheet.

Создайте Python‑агента с Gemini 4 Argon, вызовом функций и профилированием, затем проверьте его патчи скрытыми тестами, бенчмарками и стоимостью API.

Пошаговое руководство по работе архитектуры трансформера — от самовнимания до LLM «только декодер», построенных на её основе.

Узнайте, как Mercury 3 использует диффузионную генерацию для создания помощника по анализу инцидентов, визуализации состояний уточнения и сравнения низкой и высокой степени рассуждений.

Изучите pandas — от установки до анализа; каждый пример проверен на pandas 3.1.

Изучите PySpark на исполняемом коде: настройте PySpark 4.3, выбирайте, фильтруйте, агрегируйте и соединяйте DataFrame, выполняйте запросы Spark SQL и сегментируйте клиентов с помощью pyspark.ml.

Используйте Meta Muse Wonder и веб‑API Olostep, чтобы проверять медицинские утверждения, объяснять ход рассуждений и показывать источники доказательств.

Создайте агента «из изображения в CAD» на Python с Kimi K3.1 Pro API: визуальный ввод, вызов инструментов, песочница Docker, скрытый оценщик и трекинг стоимости.

Практическое руководство по настройке Meta Muse для новичков. Узнайте, как выставить разрешения, подключить инструменты, сформулировать задачу, которую агент действительно выполнит, и читать журнал активности, чтобы понимать, что именно он сделал, прежде чем доверять результату.