Data Science Tutorials

Der Laplace-Operator gehört zu den meistgenutzten mathematischen Werkzeugen im modernen Machine Learning. Er steckt hinter spektralem Clustering, Manifold Learning, Kantendetektion in Bildern und graphbasierten Algorithmen.

Lerne, wie du die SQL-Funktion RANK() nutzt, um Zeilen zu bewerten, Gleichstände zu behandeln und sie mit DENSE_RANK() und ROW_NUMBER() zu vergleichen.

Lerne, wie korrelierte Unterabfragen zeilenweise Vergleiche in SQL durchführen. Entdecke Anwendungsfälle und die Unterschiede zu JOINs, Fensterfunktionen und nicht korrelierten Abfragen.

Der Mann-Whitney-U-Test ist ein rangbasierter, nichtparametrischer Test zum Vergleich zweier unabhängiger Gruppen, wenn die Normalitätsannahme des t-Tests nicht gilt.

Ein Schritt-für-Schritt-Leitfaden zur Kofaktorexpansion (Laplace-Entwicklung) mit Kernbegriffen, durchgerechneten Beispielen, wichtigen Eigenschaften und der Verbindung zur Matrixinversion über die Adjunktenmatrix.

Ein praktischer Leitfaden zum Kruskal-Wallis-Test – was er ist, wie er funktioniert, wann er ANOVA ersetzt und wie du ihn in Python und R durchführst und interpretierst.

Ein konzeptioneller Leitfaden zum Kernel-Trick – was er ist, wie er SVMs und andere Kernel-Modelle ermöglicht und wann du ihn nichtlinearen Alternativen vorziehen solltest.

Lerne, wie du mit Conversational Analytics, der neuesten, von Gemini unterstützten Funktion in BigQuery Studio, intelligente Data Agents mit natürlichsprachlichen Abfragen erstellst.

GELU ist eine glatte, probabilistische Aktivierungsfunktion, die in tiefen Architekturen oft besser abschneidet als ReLU und zum Standard in Transformer-Modellen wie BERT und GPT geworden ist.

Eine Schritt-für-Schritt-Anleitung zum Einrichten von pgAdmin 4 und PostgreSQL mit Docker Compose – inklusive Containerkonfiguration, Serverregistrierung und Kernfunktionen wie Query Tool, Schema-Browser und Backup/Restore.

Beherrsche Zeitberechnungen in Excel. Nutze sofort einsetzbare Formeln direkt für deine Daten.

Erfahre, was eine Zielfunktion ist, wie sie in Optimierung und Machine Learning wirkt und wie du sie mit realen Beispielen definierst und interpretierst.