Data Science Tutorials

สร้างเวิร์กโฟลว์ซ่อมแซม GitHub CI ด้วย DeepSeek Superagent จากนั้นใช้โหมด observe, pytest, ข้อมูล holdout และการรีวิวโดยมนุษย์เพื่อตรวจการแก้หนึ่งจุดใน pandas

สร้างเอเจนต์ Python ด้วย Gemini 4 Argon, function calling และการโปรไฟล์ แล้วตรวจแพตช์ด้วยการทดสอบที่ซ่อน Benchmark และต้นทุน API

ไกด์ทีละขั้นถึงการทำงานของสถาปัตยกรรมทรานส์ฟอร์เมอร์ ตั้งแต่ self-attention ไปจนถึง LLM แบบตัวถอดรหัสเท่านั้นที่สร้างต่อยอดจากมัน

เรียนรู้ว่า Mercury 3 ใช้การสร้างแบบ diffusion เพื่อสร้างผู้ช่วยวิเคราะห์เหตุขัดข้อง แสดงสถานะการปรับแต่ง และเปรียบเทียบความพยายามในการให้เหตุผลแบบต่ำกับสูง

เรียนรู้ pandas ตั้งแต่การติดตั้งจนถึงการวิเคราะห์ โดยทดสอบทุกตัวอย่างบน pandas 3.1

เรียนรู้ PySpark พร้อมโค้ดที่รันได้จริง: ตั้งค่า PySpark 4.3 เลือก กรอง รวมกลุ่ม และเชื่อม DataFrame คิวรีด้วย Spark SQL และจัดกลุ่มลูกค้าด้วย pyspark.ml

ใช้ Meta Muse Wonder และ Olostep web API เพื่อตรวจสอบข้อกล่าวอ้างทางการแพทย์ อธิบายเหตุผล และแสดงแหล่งที่มาของหลักฐาน

สร้างเอเจนต์แปลงภาพเป็น CAD ใน Python ด้วย Kimi K3.1 Pro API โดยใช้วิชันอินพุต การเรียกใช้เครื่องมือ แซนด์บ็อกซ์ Docker ตัวประเมินที่ซ่อนอยู่ และการติดตามต้นทุน

คู่มือปฏิบัติสำหรับผู้ใช้ Meta Muse ครั้งแรก เรียนรู้การตั้งค่าสิทธิ์ เชื่อมต่อเครื่องมือ กำหนดขอบเขตงานที่เอเจนต์ทำเสร็จได้จริง และอ่าน Activity log เพื่อรู้ว่าเกิดอะไรขึ้นก่อนเชื่อมั่นผลลัพธ์

แบบจำลองออโตเรเกรสซีฟทำนายค่าของอนุกรมเวลาในอนาคตจากอดีตของมันเอง เรียนรู้การฟิตโมเดลด้วย Python ผ่าน statsmodels เลือกจำนวนแลกด้วย PACF และ AIC/BIC และเปรียบเทียบกับ MA และ ARIMA

บทแนะนำ Azure Pricing Calculator วิธีใช้งาน แนวทางปฏิบัติที่ควรทำ และข้อผิดพลาดที่ควรหลีกเลี่ยง

เรียนรู้ว่า ARIMAX ต่อขยาย ARIMA ด้วยตัวทำนายภายนอกอย่างไร ทำความเข้าใจพารามิเตอร์และสมมติฐาน และสร้างโมเดลพยากรณ์ใน Python ด้วย statsmodels