Data Science Tutorials

Baue mit der Kimi K3.1 Pro API einen Image-to-CAD-Agenten in Python – mit Vision-Input, Tool-Calling, Docker-Sandbox, verstecktem Evaluator und Kosten-Tracking.

Ein praxisnaher Meta-Muse-Setup-Guide für Einsteiger. Lerne, wie du Berechtigungen setzt, Tools verbindest, eine Aufgabe so zuschneidest, dass der Agent sie wirklich erledigen kann, und das Aktivitätsprotokoll liest — damit du weißt, was passiert ist, bevor du dem Ergebnis vertraust.

Ein autoregressives Modell sagt künftige Werte einer Zeitreihe aus ihrer eigenen Vergangenheit voraus. Lerne, wie du es in Python mit statsmodels fitten, die Verzugsordnung mit PACF und AIC/BIC wählen und es mit MA und ARIMA vergleichen kannst.

Ein Tutorial zum Azure Pricing Calculator: Verwendung, Best Practices sowie typische Fehler, die du vermeiden solltest.

Erfahre, wie ARIMAX ARIMA um externe Prädiktoren erweitert, verstehe Parameter und Annahmen und baue ein Prognosemodell in Python mit statsmodels.

Erfahre, wie SARIMAX saisonale Zeitreihenmodellierung mit externen Prädiktoren kombiniert. Verstehe die Parameter, die Unterschiede zu ARIMA und SARIMA und baue ein Prognosemodell in Python.

Entscheidungsmodelle bewerten eine feste Auswahl an Antworten statt Text zu schreiben. Erfahre, wie sie funktionieren, wie sich Jev schlägt und was unabhängige Tests ergeben haben.

Lerne, wie du Paperclip unter Windows mit MiMo-V2.6-Pro einrichtest und ein autonomes KI-Team aufbaust, das Projekte von einem zentralen Dashboard aus plant, delegiert und steuert.

Ein praxisnahes RAG-Evaluierungstutorial in Python. Baue ein Evaluierungsdatenset, bewerte es mit den vier Ragas-Kernmetriken, integriere ein Qualitätsgate in die CI, generiere synthetische Testfragen und tracke Scores über Commits – damit du Retrieval- von Generationsfehlern unterscheiden kannst, bevor es deine Nutzer merken.

Lerne, was Quadratur ist, wie numerische Integration bestimmte Integrale approximiert und wie Trapezregel, Simpson-Regel und Gauß-Quadratur funktionieren.

Erfahre, wie die Box-Cox-Transformation funktioniert, wie du den Lambda-Parameter wählst und wann du sie einsetzt, um Varianz zu stabilisieren, Schiefe zu reduzieren und statistische Modelle zu verbessern.

Erkunde Grundlagen, Anwendungen und Vergleiche der Hamming-Distanz in verschiedenen Bereichen.