Data Science Tutorials

Узнайте, как использовать встроенные слэш‑команды Claude Code для управления контекстом, изменениями и затратами между сессиями, а также создавать собственные команды для автоматизации повторяющихся процессов.

Полное руководство по использованию нативных для Python инструментов для асинхронных операций CRUD и интерактивности HTMX.

Узнайте, как процедуры Claude Code запускают вашего агента для работы с кодом в облаке по расписанию или событию GitHub, чтобы проверки PR и аудиты завершались даже с закрытым ноутбуком.

Узнайте, как с помощью Cofounder 2 превратить сырую идею в структурированную компанию: бизнес‑план, бренд‑кит, инженерные задачи, маркетинговые кампании и процессы продаж — благодаря специализированным ИИ‑агентам.

Посмотрите, как сквозной конвейер MLOps предсказывает результаты ЧМ‑2026: от автоматического переобучения и DVC до 10 000 прогонов Монте‑Карло по сетке плей-офф.

GGUF упаковывает веса модели, данные токенизатора и метаданные в один переносимый файл. Узнайте, как выбрать подходящий уровень квантизации и начать работу с Ollama.

Узнайте, как ускорить локальный инференс Gemma 4 31B на одном RTX 4090 с помощью спекулятивного декодирования DFlash и Flash Attention по сравнению с базовой конфигурацией.

Как работает регрессия случайного леса, где она дает сбои и как её оценивать, настраивать и интерпретировать. Включает реализацию на Python и каркас для сравнения моделей.

Оценка плотности ядра — непараметрический метод для оценки формы распределения данных без предположений о фиксированной модели. Узнайте формулу, подбор ширины окна и практическую реализацию на Python и R.

Практическое руководство по предпосылкам логистической регрессии, диагностикам нарушений в Python и R, а также по альтернативам, когда предпосылки не соблюдаются.

Практическое руководство по регрессии со сплайнами: как кусочно-полиномиальные функции и узлы моделируют нелинейные зависимости, основные типы сплайнов и их подгонка в Python и R.

Практическое руководство по GLM: что это, как работают три компонента вместе и как подбирать и интерпретировать их в Python и R.