Data Science Tutorials

In diesem Tutorial lernst du, welche Faktoren bei der Auswahl deiner Analytics-Plattform auf Unternehmens- und individueller Ebene eine Rolle spielen.

Erfahre, wie steigende Modellkomplexität den Bias senkt, aber die Varianz erhöht – eine unvermeidbare Spannung zwischen Underfitting und Overfitting, die bestimmt, ob dein Modell auf neue Daten generalisiert.

Die Zeitkomplexität misst, wie sich die Laufzeit eines Algorithmus mit der Eingabegröße skaliert. Häufig wird sie mit der Big-O-Notation angegeben, die eine obere Schranke für den Worst Case liefert.

Lerne, wie du die binäre Suche in Python iterativ und rekursiv implementierst, und entdecke das eingebaute bisect-Modul für effiziente, vorimplementierte Suchfunktionen.

Lerne, wie du die Beziehung zwischen zwei Merkmalen visuell darstellst, wie sie interagieren und wo Datenpunkte gehäuft auftreten.

Implementiere eine kleine Blockchain in R und lerne, wie eine Blockchain aufgebaut ist und welche Kernkonzepte dahinterstecken!

In diesem Tutorial lernst du, wie du mit dem Paket boot verschiedene Arten von gebootstrappten Konfidenzintervallen berechnest.

Lerne alles über Boxplots in R: was sie sind, wann du sie nutzt, wie du sie erstellst und wie sie sich von Histogrammen unterscheiden.

Lerne, wie du mit R und SQLite von Grund auf eine ETL-Pipeline erstellst, Tweets in Echtzeit sammelst und für spätere Analysen speicherst.

Entdecke, wie CatBoost mit der Funktion CatBoostClassifier() den Umgang mit kategorialen Daten vereinfacht. Verstehe die wichtigsten Unterschiede zwischen CatBoost und XGBoost, um fundierte Entscheidungen für deine Machine-Learning-Projekte zu treffen.

Erfahre, was Zentralität bedeutet, welche Arten von Zentralitätsmaßen es in der Netzwerkanalyse gibt, und wähle das beste Maß für ein gegebenes Netzwerk aus!

Lerne, wie du ChatGPT in einem realen End-to-End-Data-Science-Projekt einsetzt: für Projektplanung, Datenanalyse, Vorverarbeitung, Modellwahl, Hyperparameter-Tuning, eine Web-App und das Deployment auf Spaces.