Python Tutorial

Lerne die PCA kennen und erfahre, wie sie genutzt werden kann, um Informationen aus den Daten zu extrahieren, ohne dass diese überwacht werden müssen, indem du zwei beliebte Datensätze verwendest: Brustkrebs und CIFAR-10.

Lerne, wie du mit DeepEval Pytest-ähnliche Relevanztests erstellst, LLM-Ausgaben mit der G-eval-Metrik bewertest und Qwen 2.5 mit MMLU vergleichst.

Entdecke, wie du mit Slicing deine Daten mühelos extrahieren, neu anordnen und analysieren kannst. Nutze negative Indizes, mehrdimensionale Slices und erweiterte Schrittwerte für volle Präzision.

Verwende die Tabulate-Bibliothek in Python, um gut formatierte Tabellen zu erstellen. Erfahre mehr über die erweiterten Funktionen und die Optionen zur Anpassung des Erscheinungsbildes der Tabellen.

In Python ist timedelta ein Datentyp innerhalb des datetime-Moduls, der verwendet wird, um Dauern oder Unterschiede zwischen zwei Zeitpunkten darzustellen.

Um Duplikate aus einer Python-Liste zu entfernen und dabei die Reihenfolge beizubehalten, erstellst du ein Wörterbuch aus der Liste und extrahierst dann die Schlüssel als neue Liste: list(dict.fromkeys(my_list)).

tqdm ist eine Python-Bibliothek, die einen schnellen, erweiterbaren Fortschrittsbalken für Schleifen und Iterables bereitstellt, mit dem du den Fortschritt deines Codes einfach visualisieren kannst.

Erforsche Pythons match-case: eine Anleitung zu seiner Syntax, Anwendungen in Data Science und ML sowie eine vergleichende Analyse mit dem traditionellen switch-case.

In diesem Lernprogramm lernst du, wie die Funktion time.sleep() funktioniert und wie du sie in deinem Programm anwenden kannst.

Lerne, wie du deine Python-Kodierfähigkeiten mit ternären Operatoren verbessern kannst, um effizienteren und lesbaren Code zu erstellen. Außerdem erhältst du Tipps, wie du deine bedingten Anweisungen vereinfachen kannst.

In diesem schnellen und einfachen Tutorial lernst du, wie du die NumPy-Funktion linspace() verwendest.

Lerne, wie du UV, den schnellsten Python-Paketmanager aus dem Jahr 2025, nutzen kannst. Entdecke 10x schnelleres Abhängigkeitsmanagement, virtuelle Umgebungen und eine nahtlose Migration von pip, Poetry und Conda.