Data Science Tutorials

Modelle des maschinellen Lernens sind leistungsstark, aber schwer zu interpretieren. Die SHAP-Werte können dir jedoch dabei helfen, zu verstehen, wie Modellmerkmale die Vorhersagen beeinflussen.

Lerne, wie du mehrere Diagramme in R mit den Funktionen par() oder layout() zu einem einzigen Diagramm zusammenfassen kannst. Diese Seite enthält Beispiele für die Codierung.

FORMAT() ist eine der am häufigsten verwendeten Funktionen in SQL. In diesem Tutorial lernst du seine wichtigsten Anwendungen kennen.

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.

Lerne, wie du mit dem Python-Paket Scikit-learn einen Naive-Bayes-Klassifikator erstellst und auswertest.

Ein umfassender visueller Leitfaden über Schiefe und Kurtosis und wie sie sich auf Verteilungen und letztendlich auf dein Data Science-Projekt auswirken.

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

In diesem Tutorial lernst du, wie der Unterstrich(_) in Python verwendet wird.

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.

Hier findest du eine Schritt-für-Schritt-Anleitung mit Beispielen, wie du externe Befehle mit dem Python-Modul subprocess ausführst.