Data Science Tutorials

Azure Fiyatlandırma Hesaplayıcısı, nasıl kullanılacağı ve izlenecek en iyi uygulamalar ile kaçınılması gereken hatalar hakkında bir eğitim.

ARIMAX’in dışsal yordayıcılarla ARIMA’yı nasıl genişlettiğini öğrenin, parametrelerini ve varsayımlarını anlayın ve statsmodels ile Python’da bir tahmin modeli kurun.

SARIMAX'in mevsimsel zaman serisi modellemesini dış yordayıcılarla nasıl birleştirdiğini öğrenin. Parametrelerini anlayın, ARIMA ve SARIMA'dan farkını görün ve Python'da bir tahmin modeli kurun.

Karar modelleri, metin yazmak yerine sabit bir yanıt kümesini puanlar. Nasıl çalıştıklarını, Jev’in nasıl konumlandığını ve bağımsız testlerin neler bulduğunu görün.

MiMo-V2.6-Pro ile Windows’ta Paperclip’i nasıl kuracağınızı ve tek bir panodan planlayan, görev dağıtan ve projeleri yöneten otonom bir yapay zekâ ekibini nasıl oluşturacağınızı öğrenin.

Python ile uygulamalı bir RAG değerlendirme eğitimi. Bir değerlendirme veri kümesi oluşturun, onu 4 çekirdek Ragas metriğiyle puanlayın, CI’a bir kalite kapısı bağlayın, sentetik test soruları üretin ve commit’ler arasında puanları takip ederek kullanıcılarınıza ulaşmadan önce bir getirme hatasını üretim hatasından ayırın.

Kadraturun ne olduğunu, sayısal integrasyonun belirli integralleri nasıl yaklaştırdığını ve trapez kuralı, Simpson kuralı ve Gauss kadraturu gibi yöntemlerin nasıl çalıştığını öğrenin.

Box-Cox dönüşümünün nasıl çalıştığını, lambda parametresinin nasıl seçileceğini ve varyansı dengelemek, çarpıklığı azaltmak ve istatistiksel modelleri iyileştirmek için ne zaman kullanılacağını öğrenin.

Barındırılan bir tarayıcıda ödeme akışını test eden ve aynı oturumda düzeltmeyi yeniden test eden bir Python QA aracısı oluşturmak için bu OpenAI Agents API Computer Use eğitimini izleyin.

Open Interpreter'ın ne olduğunu, açık kaynaklı kodlama aracısının nasıl çalıştığını, nasıl kurulup kullanılacağını ve model ile aracı kılıfı desteğinin diğer yapay zekâ kodlama araçlarıyla nasıl karşılaştırıldığını öğrenin.

Uygulamalı Claude Cowork eklentileri eğitimi: Anthropic’in Data eklentisini kurun, bir ambar bağlayın ve bir eğik çizgi komutu çalıştırın, eklentiyi kendi tablolarınıza uyarlayın ve her dosyası gösterilen, sıfırdan eksiksiz bir haftalık rapor eklentisi geliştirin.

Heterojen CPU-GPU çıkarımı için GPU VRAM’i, sistem RAM’i, SGLang ve KTransformers’ı birleştirerek dev bir MoE modeli yerelde çalıştırın.