Data Science Tutorials

En praktisk introduktion till differentialekvationer som täcker huvudtyper, klassificering, analytiska och numeriska lösningsmetoder samt deras roll i verkligheten i gradientnedstigning, regression och tidsseriemodellering.

Lär dig vad ett normalitetstest är, varför det spelar roll och hur du använder vanliga test som Shapiro–Wilk, Kolmogorov–Smirnov och visuella metoder för att kontrollera dina data + exempel i Python och R.

Utforska hur polynomregression hjälper till att modellera icke-linjära samband och förbättra prediktionsnoggrannheten i verkliga datasätt.

En praktisk guide till Kruskal–Wallis-testet – vad det är, hur det fungerar, när du ska välja det framför ANOVA och hur du kör och tolkar det i Python och R.

Laplaceoperatorn är ett av de mest använda matematiska verktygen i modern maskininlärning. Den ligger bakom spektral klustring, mångfaldsinlärning, detektion av bildkanter och grafbaserade algoritmer.

GELU är en mjuk, probabilistisk aktiveringsfunktion som överträffar enklare alternativ som ReLU i deep learning-arkitekturer och har blivit standardvalet i transformer-modeller som BERT och GPT.

Lär dig hur du använder konversationsanalys, BigQuery Studios senaste Gemini-drivna funktion, för att bygga intelligenta dataagenter med frågor i naturligt språk.

Lär dig finjustera NVIDIA Nemotron-3-Nano-4B på en psykologi-dataset för frågor och svar med ett RTX 3090‑GPU med LoRA och TRL efter att ha laddat ner modellen från Hugging Face.

Lär dig hur du använder Alibabas Qwen 3.6 Plus, Python och OpenAI SDK för att bygga ett automatiserat flöde för fakturahantering med inbyggd bildförståelse och verktygsanrop.

Lär dig bygga en OpenAI-agentapp som körs i Modal Sandboxes, arbetar med filer, kör kod och returnerar resultat i den här praktiska Python-guiden.

Lär dig allt du behöver om Googles senaste bildgenereringsmodell, Nano Banana 2, inklusive hur du bygger en iterativ chattbaserad bildredigerare med API:et i Python.