Data science-tutorials

Een autoregressief model voorspelt toekomstige waarden van een tijdreeks op basis van het eigen verleden. Leer hoe je er in Python met statsmodels één fit, de lag-orde kiest met PACF en AIC/BIC, en het vergelijkt met MA en ARIMA.

Leer hoe ARIMAX ARIMA uitbreidt met externe voorspellers, begrijp de parameters en aannames, en bouw een voorspellingsmodel in Python met statsmodels.

Leer hoe SARIMAX seizoensgebonden tijdreeksmodellering combineert met externe voorspellers. Begrijp de parameters, zie hoe het verschilt van ARIMA en SARIMA, en bouw een voorspellingsmodel in Python.

Leer wat kwadratuur is, hoe numerieke integratie bepaalde integralen benadert, en hoe methoden zoals de trapeziumregel, de regel van Simpson en Gaussiaanse kwadratuur werken.

Leer hoe de Box-Cox-transformatie werkt, hoe je de lambda-parameter kiest en wanneer je die gebruikt om variantie te stabiliseren, scheefheid te verminderen en statistische modellen te verbeteren.

In deze tutorial over deep learning in R met RStudio's keras-pakket leer je een Multi-Layer Perceptron (MLP) bouwen.

Leer hoe je opgeruimde sentimentanalyse in R uitvoert op nummers van Prince, sentiment in de tijd, sentimentscores per nummer, de impact van bigrams, en nog veel meer!

Leer alles wat je moet weten over synthetische datageneratie. Ontdek de technieken en tools die synthetische data essentieel maken voor AI en machine learning, met praktische Python-codevoorbeelden om je op weg te helpen!

Leer in deze tutorial over 10 handige commandline-hulpprogramma's in PostgreSQL waarmee je efficiënt met databases kunt werken.

Leer over de essentiële Python-tools voor softwareontwikkeling, webscraping en -ontwikkeling, data-analyse en visualisatie, en machine learning.

Ontdek toepasbare inzichten die verborgen zitten in complexe signaaldata door ruis te filteren, passende visualisaties te kiezen, patronen in het tijd- en frequentiedomein te vinden en meer met signaalverwerking.

Leer over de definitie, formule, kerneigenschappen, homogene coördinaten en toepassingen van affiene transformaties in graphics, computervision, robotica en datapreprocessing.