Data Science Tutorials

In diesem Tutorium lernst du die Funktionsweise von Joins in SQL und ihre verschiedenen Typen kennen.

Eine Schritt-für-Schritt-Anleitung zur Durchführung von linearen Regressionen in Excel, zur Interpretation der Ergebnisse und zur Visualisierung der Daten für verwertbare Erkenntnisse.

Die Dateiverwaltung ist ein wichtiger Aspekt bei der Bearbeitung von Codes. Dazu gehört auch, dass du weißt, wie du eine Datei löschen kannst. In diesem Tutorial zeigen wir dir verschiedene Möglichkeiten, wie du eine Datei in Python löschen kannst, und geben dir Tipps, wie du das am besten machst.

Hier findest du eine Schritt-für-Schritt-Anleitung, wie du Python installierst und für grundlegende Data Science-Funktionen verwendest.

Lerne die f-string Formatierungstechnik in Python 3.6 kennen. In diesem Tutorium erfährst du, welche Vorteile sie bietet und gehst einige Anwendungsbeispiele durch.

Beherrsche den NOT IN-Operator von SQL mit dieser Anleitung für Einsteiger. Lerne, Daten effektiv zu filtern, häufige Fallstricke zu vermeiden und effiziente Alternativen zu erkunden

Lerne die SQL DDL-Befehle kennen und erfahre, wie sie helfen, die Struktur von Datenbankobjekten zu definieren und zu verwalten.

XLOOKUP() sucht in alle Richtungen, gibt exakte Übereinstimmungen vor und hat eine integrierte Fehlerbehandlung, während VLOOKUP() nur nach rechts sucht und eine manuelle Spaltenindizierung benötigt.

Das Tutorial behandelt den Zugriff auf dieses leistungsstarke Open-Source-Sprachmodell mit 7,3 Milliarden Parametern, die Quantisierung, Feinabstimmung, Zusammenführung und Speicherung.

Baue deine Empfehlungsmaschine mit Hilfe von Python auf, von einfachen Modellen bis hin zu inhaltsbasierten und kollaborativen Empfehlungssystemen.

Lerne, alle Datentypen in Excel zu identifizieren und zu formatieren, und erfahre wertvolle Tipps zum Konvertieren zwischen Datentypen, um deine Tabellenkalkulation funktionaler zu gestalten.

Prompt-Tuning ist eine Technik, die verwendet wird, um die Leistung eines vorab trainierten Sprachmodells zu verbessern, ohne die interne Architektur des Modells zu verändern.