Перейти к основному содержимому
изучение 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.
Обучаете 2 или более человек?Попробуйте DataCamp for Business
Искусственный интеллект

Как работает программирование в пространстве весов: 5 техник, с помощью которых LLM читают, чинят и пишут веса нейросетей

GPT-6 Astra переписала веса нейросети без обучения, подняв Qwen3.5-0.8B с 7,9% до 48,1% на MATH-500. Узнайте, как работает программирование в пространстве весов.
Excel

XLOOKUP() и VLOOKUP(): сравнение для пользователей Excel

XLOOKUP() ищет в любом направлении, по умолчанию использует точные совпадения и имеет встроенную обработку ошибок, тогда как VLOOKUP() ищет только вправо и требует ручного указания номера столбца.
Искусственный интеллект

Gemini Decisions API: тестирование новой модели решений от Google на задержке и стоимости

Узнайте, как Gemini Decision 1 оценивает фиксированные опции без генерации текста, создайте классификатор намерений с Decisions API и сравните его с Gemini 3.5 Flash-Lite по точности, задержке, калибровке и стоимости.
Искусственный интеллект

Как запустить Mistral Timestral локально для прогнозирования временных рядов

Может ли Timestral от Mistral AI точно предсказывать цены акций? Узнайте, как локально запустить эту лёгкую модель временных рядов на Python, протестировать её на реальных рыночных данных и сгенерировать AI‑сигналы «Покупать», «Держать», «Продавать».
AI Agents

Руководство по Oh My Pi: создаём полноценное приложение с Grok как кодовым агентом

Настройте Oh My Pi — терминальный кодовый агент «всё включено», подключите его к Grok от xAI и используйте для планирования, сборки, тестирования и улучшения полноценного приложения Streamlit, включая фактическую стоимость агентного запуска.
AI Agents

Учебник по API Claude Fable 5.2: постройте агента для проверки гипотез

Может ли ИИ‑агент рассуждать как учёный, когда ответ от него скрыт? Постройте агента на Python с Claude Fable 5.2, который проверяет конкурирующие объяснения шумных данных, проектирует последующий эксперимент и предсказывает невиданные ранее результаты, оцениваемые отдельным кодом, к которому он не имеет доступа.