Data Science Tutorials

Lär dig hur du använder Excels Namnhanterare för att skapa, redigera och ta bort namngivna områden och skriva renare, lättare att underhålla formler.

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.

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

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.

En guide som täcker de viktigaste proaktiva kontrollerna inom replikering, prestanda och backup för att hålla din dataplattform robust och pålitlig.

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.

Bemästra tidsberäkningar i Excel. Använd färdiga formler direkt på dina egna data.

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

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.