Poradniki i tutoriale dotyczące Pythona, data science i uczenia maszynowego
Praktyczny przewodnik wdrażania modeli scikit-learn z FastAPI: async endpointy z Pydantic v2, wersjonowanie, tuning uvicorn/gunicorn i konteneryzacja z realnymi budżetami latencji sprawdzonymi na produkcji.
Naucz się używać DuckDB 1.1 w Pythonie: zapytania SQL bezpośrednio na pandas, Polars i Parquet bez serwera, z benchmarkami i przykładami produkcyjnymi.
Optuna 4.x to nowoczesna biblioteka do automatycznego strojenia hiperparametrów w Pythonie. Poznaj TPE, pruning, optymalizację wielokryterialną i integracje ze scikit-learn, XGBoost oraz LightGBM, z gotowymi przykładami od pierwszej funkcji celu po produkcję.
Praktyczny przewodnik po wizualizacji danych w Pythonie z matplotlib 3.10 i seaborn 0.13. Obiektowe API, interfejs seaborn.objects, wykresy EDA, style i palety kolorów — z działającymi przykładami kodu.
Praktyczny przewodnik po Polars w Pythonie — od instalacji, przez filtrowanie, grupowanie i joiny, po lazy evaluation, streaming i integrację z DuckDB. Gotowe przykłady kodu na Polars 1.38.
Profesjonalne techniki czyszczenia danych w pandas 3.0 — obsługa braków, duplikatów, outlierów, standaryzacja tekstu, method chaining z pipe() oraz budowanie powtarzalnych potoków w Pythonie.
Dowiedz się, jak budować profesjonalne potoki uczenia maszynowego w scikit-learn. Pipeline, ColumnTransformer, FeatureUnion, optymalizacja hiperparametrów, wdrażanie z Flask i integracja z MLflow — wszystko z praktycznymi przykładami kodu.