Data Science Tutorials

Lerne Zeitreihenanalyse mit R und nutze ein Forecasting-Paket, um reale Zeitreihen an das optimale Modell anzupassen.

Data Cleaning ist ein grundlegender Baustein der Data Science. Erfahre, warum Datenbereinigung wichtig ist und wie du sie mit Python durchführst.

Lerne, was die Normalengleichung ist und wie du sie zum Aufbau von Machine-Learning-Modellen nutzt.

Die Dreiecksungleichung ist mehr als ein geometrisches Prinzip – sie ist ein Grundpfeiler von Distanzmaßen in der Data Science. Entdecke, wie dieses elegante Konzept Algorithmen in Computational Geometry, Optimierung und Machine Learning antreibt.

Starte mit der Analyse der Titanic-Daten in R und dem tidyverse: Lerne, wie du deine Daten mit dplyr und ggplot2 filterst, sortierst, zusammenfasst, veränderst und visualisierst!

In diesem Tutorial lernst du die verschiedenen Aspekte rekursiver Funktionen kennen und implementierst eine rekursive Funktion in Python von Grund auf.

Ein kurzer Leitfaden, wie du Google Colab nutzt, um Data-Science-Code zu schreiben und mit anderen Data Scientists zusammenzuarbeiten.

Lerne die wichtigsten SQL-Befehle mit Beispielen – inklusive Notebook zum Nachschlagen.

In diesem Tutorial lernst du alles über Variablen in R: wie du Variablen definierst, wieder entfernst und vieles mehr.

In diesem Tutorial lernst du den Bias-Variance-Trade-off in der linearen Regression kennen – und wie Regularisierung das Problem löst.

Ein Tutorial zu Schleifen in R mit einem Überblick über die verfügbaren Konstrukte. Entdecke Alternativen mithilfe der Vektorisierung in R.

In diesem Tutorial entwickelst du ein grundlegendes Verständnis für SVMs und setzt sie anschließend in R um.