Data Science Tutorials

Lär dig hur Unsloths NVIDIA‑optimerade gradientcheckpointing och QLoRA minskar VRAM‑användningen när du finjusterar Qwen3.5 4B för OCR av medicinska dokument.

Lär dig vad minima och maxima är, hur lokala och globala extremvärden skiljer sig, och hur du hittar dem med kritiska punkter, första och andra derivatans test samt slutna-intervallmetoden.

Lär dig använda OpenAI:s gpt-live-transcribe-API för att strömma mikrofonljud, generera flerspråkiga undertexter i realtid, förbättra domänspecifik noggrannhet och balansera latens mot transkriptionskvalitet.

En praktisk översikt av kontrastiv inlärning – hur modeller lär genom att jämföra liknande och olikartade exempel, förlustfunktionerna och metoderna bakom, och hur man implementerar det i PyTorch.

Lär dig använda Grok i Microsoft Excel för att analysera data, generera formler, rensa kalkylblad, skapa diagram och köra finansiella scenarier med uppmaningar i naturligt språk.

Lär dig vad en inverterbar matris är, hur du avgör om en matris är inverterbar och varför matrisinverser är viktiga i linjär algebra och data science.

En praktisk genomgång av RAGFlow, open source-plattformen för att bygga Retrieval Augmented Generation-appar i produktion, som täcker arkitektur, dokumentparsningsmotor, hämtningsstrategier, agentarbetsflöden och hur den står sig mot LangChain och LlamaIndex.

Learn how to run fast, accurate, multilingual speech-to-text locally on a CPU using Microsoft VibeASR.cpp, with file transcription, real-time streaming, and a Gradio web interface on Windows, Linux, and macOS.

Lär dig hur du använder Grok Voice Think Fast 2.0 för att bygga en röstagent i realtid som hanterar talade samtal, anropar verktyg, hanterar avbrott och återupptar frånkopplade sessioner.

Kör den senaste modellen DeepSeek V4 Flash på en multi‑GPU‑setup med Unsloth Studio, koppla den till OpenCode och använd en lokal AI‑kodningsagent för att bygga en interaktiv webbplats för aktieanalys.

Lär dig hur du skapar en heatmap i Excel med Villkorsstyrd formatering, anpassar färgskalor och visualiserar mönster i dina data.

Lär dig hur du använder pandas.melt() för att omforma DataFrames från brett till långt format, med praktiska exempel och vanliga användningsfall.