Data Science Tutorials

Узнайте о различных вариантах визуализации данных в Excel, которые помогут вам анализировать и интерпретировать ваши данные.

Запустите Qwen3.6 27B на RTX 3090 и узнайте, как Multi-Token Prediction (MTP) в llama.cpp почти в 2 раза ускоряет локальный инференс LLM без апгрейда GPU.

Узнайте, чем отличаются gpt-realtime-2, gpt-realtime-translate и gpt-realtime-whisper от OpenAI, а затем протестируйте каждый с рабочим Python-кодом на WebSocket.

Создайте на Python тренера по упражнениям, который фиксирует тренировки, запоминает историю пользователя с Supermemory и предлагает персональные сессии между отдельными запусками агента ИИ.

Узнайте, что такое Perplexity Computer, как работают его параллельные субагенты, сколько на самом деле стоят кредиты в практическом тесте и где тарифы Pro и Max вписываются в реальные исследовательские процессы.

Создайте ИИ-агента на Kimi K2.6, Olostep и OpenAI Agents SDK, который читает резюме, находит актуальные роли, отсеивает шум и подсказывает, куда именно подавать.

Узнайте, как запустить полноценную модель DeepSeek V4 Flash на одном GPU с помощью модифицированной сборки llama.cpp и совместимого файла GGUF в этом практическом руководстве.

Настройте Claude Code в терминале с помощью разрешений, CLAUDE.md, режима планирования, /loop, хуков, /voice и трекинга затрат. Семь апгрейдов, которые быстро окупаются.

Узнайте, как пользоваться диспетчером имен Excel для создания, редактирования и удаления именованных диапазонов и писать более чистые, удобные для сопровождения формулы.

Освойте вычисления времени в Excel. Применяйте готовые формулы прямо к своим данным.

В этом руководстве вы найдете безопасные подходы на основе формул и варианты визуального слияния, чтобы оформить листы и не повредить данные.

Узнайте, что такое тест на нормальность, зачем он нужен и как использовать популярные методы — Шапиро—Уилка, Колмогорова—Смирнова и визуальные проверки — на примерах в Python и R.