Data Science Tutorials
Entwickeln Sie Ihre Data-Science-Kenntnisse mit den Tutorials in unserem Blog. Wir decken alles ab, von komplexen Datenvisualisierungen in Tableau bis hin zu Versionskontrollfunktionen in Git.
Kategorien entdecken
Training für 2 oder mehr Personen?Probiere es mit DataCamp for Business
Geometrische Reihen: Formel, Konvergenz und Beispiele
Ein praxisnaher Leitfaden zu geometrischen Reihen: Formeln für endliche und unendliche Summen, Konvergenzbedingungen und Anwendungen in Finanzen, Physik und Informatik.
Dario Radečić
4. Mai 2026
Conversational Analytics: Erstelle einen Data Agent in BigQuery
Lerne, wie du mit Conversational Analytics, der neuesten, von Gemini unterstützten Funktion in BigQuery Studio, intelligente Data Agents mit natürlichsprachlichen Abfragen erstellst.
Aryan Irani
4. Mai 2026
Normalitätstest: So prüfst du, ob deine Daten normalverteilt sind
Erfahre, was ein Normalitätstest ist, warum er wichtig ist und wie du gängige Tests wie Shapiro-Wilk, Kolmogorov-Smirnov und visuelle Methoden anwendest – inklusive Beispielen in Python und R.
Dario Radečić
4. Mai 2026
Der Kernel-Trick erklärt: Wie SVMs nichtlineare Muster lernen
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.
Dario Radečić
4. Mai 2026
Kruskal-Wallis-Test: Mehrere Gruppen ohne Normalverteilung vergleichen
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.
Dario Radečić
4. Mai 2026
Taylor-Reihen: Von Approximationen zur Optimierung
Finde heraus, wie Polynomapproximationen den Gradientenabstieg, XGBoost und die Funktionen antreiben, die dein Computer täglich berechnet.
Dario Radečić
4. Mai 2026
Zielfunktion einfach erklärt: Definition, Beispiele und Optimierung
Erfahre, was eine Zielfunktion ist, wie sie in Optimierung und Machine Learning wirkt und wie du sie mit realen Beispielen definierst und interpretierst.
Dario Radečić
4. Mai 2026
ResNet-Architektur: Residual Networks und Skip-Verbindungen
Ein Deep-Dive in die ResNet-Architektur: Wie Residual Learning und Skip-Verbindungen das Gradientenverschwinden und das Degradationsproblem lösen, die das Training tiefer neuronaler Netze erschweren.
Dario Radečić
4. Mai 2026
Polynomregression: Von Geraden zu Kurven
Entdecke, wie Polynomregression nichtlineare Beziehungen modelliert und die Vorhersagegenauigkeit in realen Datensätzen verbessert.
Dario Radečić
4. Mai 2026
Excel: Zellen kombinieren – 2 verschiedene Ansätze
Dieser Leitfaden zeigt dir sichere, formelbasierte Methoden und visuelle Merge-Optionen, damit du deine Arbeitsblätter formatierst, ohne Daten zu gefährden.
Laiba Siddiqui
4. Mai 2026
Name Manager in Excel verwenden (Schritt-für-Schritt-Anleitung)
Lerne, wie du mit dem Excel Name Manager benannte Bereiche erstellst, bearbeitest und löschst und sauberere, leichter zu wartende Formeln schreibst.
Amole Oluwaferanmi
4. Mai 2026
Newtons Verfahren: Nullstellen schnell finden mit iterativer Annäherung
Newtons Verfahren ist ein iterativer Nullstellensucher, der Tangentenapproximationen nutzt, um die Lösung von Gleichungen ohne geschlossene Form zu erreichen.
Dario Radečić
4. Mai 2026