Data Science Tutorials

Um dich mit der Claude 3.5 Sonnet API zu verbinden, hol dir deinen API-Schlüssel von Anthropic, installiere die Python-Bibliothek anthropic und nutze sie, um Anfragen zu senden und Antworten von Claude 3.5 Sonnet zu erhalten.

Dieses Tutorial vermittelt die Grundlagen von Datenpipelines und die passende Terminologie für angehende Data Professionals – inklusive Einsatzszenarien, gängigen Technologien und Tipps für den Pipeline-Aufbau.

In diesem Tutorial lernst du, wie du Kundensegmentierung mit der RFM-Analyse (Recency, Frequency, Monetary) von Grund auf in Python umsetzt.

Dieses Tutorial zeigt dir, wie du PySpark installierst und wie du die Umgebungsvariablen unter Windows, Linux und macOS verwaltest.

Erstelle eine Streamlit-App, die Claude Opus 4.8 mit adaptivem Denken ausführt, jede Antwort automatisch mit Haiku 4.5 bewertet und den Kosten-Qualitäts-Trade-off visualisiert.

Codestral Mamba ist ein Codegenerierungsmodell mit 7 Milliarden Parametern von Mistral AI, das die Mamba-Architektur für effizientes Codieren mit erweitertem Kontext nutzt.

Dieses Tutorial führt in kausale KI mit der DoWhy-Bibliothek in Python ein. Es erklärt grundlegende Prinzipien und zeigt Codebeispiele.

Führe Metas lokales agentisches Modell Muse Glimmer mit llama.cpp, dynamischer Quantisierung, DFlash Speculative Decoding, Vision-Unterstützung und OpenCode aus – für einen schnellen, privaten und kostengünstigen KI-Coding-Agenten.

Lerne, Seaborn-Barplots in Python zu erstellen und anzupassen. Beherrsche Techniken zur Visualisierung kategorialer Datenbeziehungen – von Basics bis zu Advanced-Features.

Erfahre, wie Computer Bilder „sehen“ und interpretieren, welche Techniken zur Bildmanipulation es gibt und wie Machine Learning das Feld verändert hat.

Lerne, wie du Convolutional Neural Networks (CNNs) in Python mit dem TensorFlow-Framework 2 konstruierst und implementierst.

Eine Schritt-für-Schritt-Anleitung zum Entwickeln semantischer Suchanwendungen mit OpenAI und Pinecone in Python.