Data Science Tutorials

Kör Qwen3.6 27B på en RTX 3090 och lär dig hur Multi-Token Prediction (MTP) med llama.cpp kan nästan fördubbla lokal LLM-inferens utan att uppgradera ditt GPU.

Lär dig hur du använder GPT-5.4-datoranvändning för att bygga en live-nyhetsdashboard som automatiskt samlar in och sammanfattar nyheter.

Bygg en tränare i Python som loggar träningspass, minns användarhistorik med Supermemory och föreslår personliga pass mellan separata körningar av AI-agenten.

Lär dig vad Perplexity Computer är, hur dess parallella underagenter fungerar, vad krediter egentligen kostar i ett praktiskt test och var Pro och Max passar i verkliga forskningsflöden.

Bygg en AI-agent med Kimi K2.6, Olostep och OpenAI Agents SDK som läser ditt CV, hittar aktuella roller, filtrerar brus och berättar exakt var du ska söka.

Anpassa Claude Code i terminalen med behörigheter, CLAUDE.md, planläge, /loop, hooks, /voice och kostnadsuppföljning. Sju uppgraderingar som snabbt lönar sig.

Lär dig köra hela DeepSeek V4 Flash-modellen på ett enda GPU med en modifierad llama.cpp-build och en kompatibel GGUF-fil i denna praktiska guide.

En praktisk guide till geometriska serier som täcker formlerna för ändlig och oändlig summa, konvergensvillkor och verkliga tillämpningar inom finans, fysik och datavetenskap.

En djupdykning i ResNet-arkitekturen som förklarar hur residualinlärning och hoppförbindelser löser problemen med försvinnande gradienter och degradering som gör det svårt att träna djupa neurala nätverk.

Lär dig använda VLOOKUP() i Google Kalkylark för att söka, hitta och hämta data från stora datamängder på sekunder.

Lär dig hur du använder SQL-funktionen RANK() för att tilldela rankningar till rader, hantera delade placeringar och jämföra den med DENSE_RANK() och ROW_NUMBER().

Mann-Whitney U-testet är ett rangbaserat ickeparametriskt test för att jämföra två oberoende grupper när data inte uppfyller normalitetsantagandet som krävs av t-testet.