Tutorial Data Science

Pelajari regresi linear sederhana. Kuasai persamaan model, pahami asumsi dan diagnostik kunci, serta cara menafsirkan hasil secara efektif.

Gunakan LIKE untuk memfilter record SQL berdasarkan kecocokan string tertentu. Tutorial ini mengajarkan penggunaan wildcard, NOT, LOWER, UPPER, dan CASE WHEN dengan LIKE.

Pelajari dasar-dasar 25 perintah SQL paling populer dan cara menggunakannya.

Gunakan uji t saat berhadapan dengan sampel kecil atau varians tidak diketahui, dan uji Z saat sampel besar dan varians diketahui.

Jelajahi jenis-jenis structural equation model. Pelajari cara membuat asumsi teoretis, membangun model hipotesis, mengevaluasi kelayakan model, dan menafsirkan hasil dalam structural equation modeling.

Tutorial Python Streamlit ini dirancang untuk data scientist dan machine learning engineer yang ingin dengan cepat membangun aplikasi web tanpa pengetahuan pengembangan web yang mendalam.

Panduan visual komprehensif tentang skewness/kurtosis dan bagaimana keduanya memengaruhi distribusi dan pada akhirnya, proyek data science Anda.

Artikel ini membahas apa itu Notebook dan mengapa Anda harus menggunakannya. Kami juga membahas notebook terkelola (hosted) yang memudahkan berbagi dan kolaborasi. Artikel ini juga memuat kiat, trik, dan pintasan keyboard.

Dalam tutorial ini, Anda akan belajar cara mengekstrak data dari web, memanipulasi dan membersihkan data menggunakan pustaka Pandas di Python, serta memvisualisasikan data menggunakan pustaka Matplotlib di Python.

Pelajari apa itu berkas executable dan cara mengonversi skrip Python menjadi berkas .exe menggunakan PyInstaller, Nuitka, dan auto-py-to-exe.

Pelajari cara mendeteksi multikolinearitas dalam model regresi menggunakan variance inflation factor (VIF), alat diagnostik utama. Tutorial ini menjelaskan cara menghitung VIF, cara menafsirkan nilainya, dan teknik untuk menangani VIF tinggi guna meningkatkan keandalan pemodelan regresi Anda.

Support Vector Regression adalah metode regresi berbasis margin yang sengaja mengabaikan galat kecil, menangani hubungan nonlinier melalui kernel, dan tangguh pada data dunia nyata yang bising saat regresi standar kewalahan.