Data Science Tutorials

Erfahre alles Wichtige über Kubeflow und lerne, wie du Machine-Learning-Pipelines erstellst und betreibst.

Lerne, wie du LLMs auf eigenen Datensätzen feinabstimmst, die Performance bewertest und Modelle nahtlos exportierst und bereitstellst – mit dem Low-/No-Code-Framework von LLaMA-Factory.

Erfahre, wie das COCOMO-Modell Aufwand, Kosten und Zeitplan schätzt. Deckt Basic, Intermediate, Detailed und COCOMO II mit Formeln und Beispielen ab.

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.

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

Erfahre, was R Markdown ist, wofür es verwendet wird, wie du es installierst, welche Möglichkeiten es für Arbeit mit Code, Text und Plots bietet, welche Syntax es nutzt, welche Ausgabeformate es unterstützt und wie du R-Markdown-Dokumente renderst und veröffentlichst.

Data Cleaning ist ein grundlegender Baustein der Data Science. Erfahre, warum Datenbereinigung wichtig ist und wie du sie mit Python durchführst.

Lerne, wie du Histogramme in Python mit der Plotly-Datenvisualisierungsbibliothek erstellst.

Lerne, wie du die Claude Opus 5 API in Python nutzt. Baue einen Bugfixing-Agenten mit Tools und vergleiche alle fünf Effort-Level nach Passrate, Tokens und Kosten.

Lerne, grundlegende Visualisierungen verschiedener Datenstrukturen mit Bokeh zu erstellen.

Lies unseren umfassenden Leitfaden zum Arbeiten mit Datenstrukturen in R: Vektoren, Listen, Arrays, Matrizen, Faktoren und Data Frames.

Fünf praktische Tipps, mit denen du deinen R-Code effektiv verbesserst – von seq() für Sequenzen bis zum Verzicht auf which() und mehr!