ข้ามไปยังเนื้อหาหลัก
การเรียน data science

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.
ฝึกอบรม 2 คนขึ้นไป?ลองใช้ DataCamp for Business
การวิเคราะห์ข้อมูล

สหสัมพันธ์ของสเปียร์แมน: วิธีวัดความสัมพันธ์แบบไม่เชิงเส้น

ค้นพบว่าสหสัมพันธ์อันดับของสเปียร์แมนจับความสัมพันธ์ที่โค้ง ทรงตัว หรือเปลี่ยนอัตรา แทนที่จะเป็นเส้นตรง ได้อย่างไร เรียนรู้การคำนวณ การตีความ และการใช้งานด้วย Python, R และ Excel
แมชชีนเลิร์นนิง

Causal Machine Learning: จากการทำนายสู่เหตุและผล

Causal machine learning ผสาน ML กับอนุมานเชิงสาเหตุเพื่อก้าวข้ามการทำนายและประมาณสิ่งที่เกิดขึ้นเมื่อเข้าไปแทรกแซง บทความนี้ครอบคลุมแนวคิดหลัก วิธีการ เครื่องมือ Python และข้อผิดพลาดที่พบบ่อย
MongoDB

สร้างตัวจัดการงานอย่างง่ายพร้อมหมวดหมู่ด้วย Node.js และ MongoDB

เรียนรู้วิธีจัดระเบียบงานตามหมวดหมู่ด้วย Node.js และ MongoDB สร้าง REST API พร้อมเอ็นด์พอยต์ create, list, get, update, delete และตัวกรองตามหมวดหมู่
ปัญญาประดิษฐ์

วิธีลดการใช้โทเค็นในเอเจนต์เขียนโค้ดด้วย AI: 4 เครื่องมือที่ช่วยได้

ลดการใช้โทเค็นด้วยการตัดบริบทที่บวม เสียงรบกวนจากเทอร์มินัล คำตอบที่เยิ่นเย้อ และโค้ดที่วิศวกรรมเกินจำเป็น ด้วยเครื่องมือขนาดเล็กที่ปรับเวิร์กโฟลว์ของเอเจนต์เขียนโค้ดให้เหมาะสมโดยอัตโนมัติ
การวิเคราะห์ข้อมูล

อธิบาย Residual Plot: วิธีตรวจสมมติฐานของโมเดลการถดถอย

เรียนรู้ว่า residual plot คืออะไร วิธีตีความแพตเทิร์นที่พบบ่อย และวิธีที่ residual plot ช่วยระบุความไม่เป็นเส้นตรง heteroscedasticity ค่าผิดปกติ และปัญหาการถดถอยอื่น ๆ

Vinod Chugani

แมชชีนเลิร์นนิง

การเรียนรู้แบบกำกับตนเอง: โมเดลเรียนรู้อย่างไรโดยไม่ต้องมีป้ายกำกับ

การเรียนรู้แบบกำกับตนเองฝึกโมเดลให้ดึงการกำกับออกมาจากข้อความ ภาพ เสียง และวิดีโอที่ไม่มีป้ายกำกับ โดยใช้เทคนิคอย่าง contrastive learning, masked modeling และ autoregressive prediction เพื่อสร้างการแทนที่อยู่เบื้องหลังโมเดลภาษา ภาพ และมัลติโมดัลในปัจจุบัน
ปัญญาประดิษฐ์

คู่มือสอน Muse Spark 1.3: แนวทางปฏิบัติสำหรับนักพัฒนา

ตั้งค่า Muse Spark 1.3 ใน Muse Code และ Meta Model API เลือกระหว่างระดับ contributor กับ standard และตรวจสอบว่าคำอ้างเรื่องประสิทธิภาพของ Meta ตรงหรือไม่
ปัญญาประดิษฐ์

บทเรียน Gemini 3.8 Flash API: ระดับการคิด การดึงข้อมูลจาก PDF และการเรียกใช้ฟังก์ชันใน Python

เรียนรู้การใช้ Gemini 3.8 Flash API ใน Python: ตั้งค่า Interactions API ปรับจูน thinking_level ดึงข้อมูล PDF เป็น JSON และเรียกใช้ฟังก์ชันด้วยโค้ด
ปัญญาประดิษฐ์

บทช่วยสอน GPT-6 Astra API: สร้างเอเจนต์ตรวจเช็กก่อนปล่อยระบบด้วย Async Tools และ Steering

ใช้ GPT-6 Astra ผ่าน OpenAI API เพื่อสร้างเอเจนต์ตรวจเช็กก่อนปล่อยระบบใน Python พร้อมเครื่องมือ async การควบคุมเหตุผล Structured Outputs และการติดตามต้นทุน แล้วทดสอบการใช้คอมพิวเตอร์และการสั่งบังคับทิศทาง
ปัญญาประดิษฐ์

บทเรียน Claude Fable 5.1 API: สร้างเอเจนต์นักพัฒนาแบบรันต่อเนื่องใน Python

เรียนรู้การใช้โมเดลเรือธงล่าสุดของ Anthropic เพื่อสร้างเอเจนต์ Python ที่อ่านคลังโค้ด Flask ก่อนวางแผนการเปลี่ยนแปลง เพิ่มอัปเดตความคืบหน้า เครื่องมืออ่านไฟล์อย่างเดียว และการควบคุมต้นทุน