Data Science Tutorials
Learn data science and AI with step-by-step tutorials on the DataCamp blog. Master Python, SQL, machine learning, and build your own AI agents.
Откройте для себя категории
Обучение двух или более человек?Попробуйте DataCamp for Business
Оценка плотности ядра: от теории к практике
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.
16 июня 2026 г.
Предпосылки логистической регрессии: что нужно проверить перед моделированием
Практическое руководство по предпосылкам логистической регрессии, диагностикам нарушений в Python и R, а также по альтернативам, когда предпосылки не соблюдаются.
15 июня 2026 г.
Регрессия со сплайнами: практическое руководство на Python и R
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.
15 июня 2026 г.
Переобучение и недообучение: практическое руководство по диагностике моделей
Подробный разбор переобучения и недообучения в машинном обучении: как распознавать каждую проблему, почему она возникает и как исправлять её через баланс смещения и разброса.
12 июня 2026 г.
Обобщённая линейная модель (GLM): руководство для начинающих по теории и коду
Практическое руководство по GLM: что это, как работают три компонента вместе и как подбирать и интерпретировать их в Python и R.
12 июня 2026 г.
Классификация без обучения (Zero-Shot): как это работает и когда использовать
Узнайте, что такое zero-shot классификация, как она устроена на базе NLI-моделей, чем отличается от few-shot и дообучения и как применить её с Hugging Face Transformers.
11 июня 2026 г.
Обрезка градиента: как предотвратить взрывающиеся градиенты
Обрезка градиента — это однострочное исправление в тренировочном цикле, которое не даёт взрывающимся градиентам сорвать обучение глубоких нейросетей. В этом руководстве — как это работает, два основных метода, выбор порога и реализация в PyTorch и TensorFlow.
10 июня 2026 г.
Метод Монте‑Карло на марковских цепях (MCMC): выборка из сложных распределений вероятностей
Руководство по MCMC: как он работает, зачем используется, самые распространённые алгоритмы и применение в Python для байесовского вывода.
10 июня 2026 г.
Учебник по рою агентов: координируйте ИИ‑агентов с CrewAI
Создайте рой агентов CrewAI с Gemini 3.5 Flash, живым веб‑поиском Olostep и иерархической делегацией задач для многоагентного процесса исследований и написания.
9 июня 2026 г.
Регрессия опорных векторов (SVR): как работает и когда применять
Регрессия опорных векторов — это метод регрессии с допуском, который намеренно игнорирует малые ошибки, обрабатывает нелинейные зависимости с помощью ядер и устойчив к шумным данным реального мира, где стандартная регрессия пасует.
4 июня 2026 г.
Как возвести число в квадрат в Python: базовые и продвинутые методы
Возведение в квадрат в Python — это просто: используйте встроенный оператор ** или попробуйте NumPy, pow(), math.pow(), побитовые операторы и другие функции для более гибких решений.
3 июня 2026 г.
OpenAI Codex: пошаговое руководство с 3 практическими примерами
Узнайте, как использовать инженерного агента Codex от OpenAI, чтобы исправлять баги, объяснять код и создавать pull request прямо из ChatGPT.
3 июня 2026 г.