Data Science Tutorials

Lerne, wie du in Microsoft Excel arithmetische, String-, Zeitreihen- und komplexe Formeln hinzufügen kannst.

Erfahre, wie OpenAIs neue Funktionsaufrufe GPT-Modelle in die Lage versetzen, strukturierte JSON-Ausgaben zu generieren und damit häufige Entwicklungsprobleme zu lösen, die durch unregelmäßige Ausgaben verursacht werden.

In diesem Lernprogramm lernst du das Konzept der Objekterkennung in Python mit der OpenCV-Bibliothek kennen und erfährst, wie du sie für Aufgaben wie die Gesichtserkennung nutzen kannst.

In diesem Lernprogramm lernst du, wie du mit R PCA (Principal Component Analysis) Daten mit vielen Variablen extrahieren und Visualisierungen zur Darstellung dieser Daten erstellen kannst.

In diesem praktischen Lernprogramm lernst du, wie du mit Matplotlib, einer leistungsstarken Datenvisualisierungsbibliothek in Python, Liniendiagramme erstellst und anpasst.

Lerne, dich in der Landschaft der gängigen Aktivierungsfunktionen zurechtzufinden - von der unerschütterlichen ReLU bis zu den probabilistischen Fähigkeiten der Softmax.

In diesem Artikel erfährst du, wie und wann du die k-nearest neighbors-Klassifikation mit scikit-learn verwenden kannst. Der Schwerpunkt liegt auf Konzepten, Arbeitsabläufen und Beispielen. Wir behandeln auch die Abstandsmetriken und wie man den besten Wert für k mithilfe einer Kreuzvalidierung auswählt.

Lerne, wie du mit .str.lower() eine Tabellenspalte in Kleinbuchstaben umwandelst.

Erforsche verschiedene Arten von Datendiagrammen - von den gängigsten bis hin zu fortgeschrittenen und unkonventionellen -, was sie zeigen, wann man sie verwenden und wann man sie vermeiden sollte, und wie man sie in Python erstellt und anpasst.

Verwende LIKE, um SQL-Datensätze nach bestimmten String-Übereinstimmungen zu filtern. In diesem Tutorial lernst du, wie du Wildcards, NOT, LOWER, UPPER und CASE WHEN mit LIKE verwendest.

In diesem kurzen Tutorial lernst du, wie du in Python Zeichenketten in Ganzzahlen umwandelst.

Lerne, wie du Llama-2 auf Colab mit neuen Techniken verfeinern kannst, um Speicher- und Rechenbeschränkungen zu überwinden und große Open-Source-Sprachmodelle leichter zugänglich zu machen.