Data science-tutorials

Leer hoe je data frames in R subset met brackets [], subset(), en dplyr. Inclusief codevoorbeelden en een vergelijking van methoden.

Subsetten van datasets is een cruciale vaardigheid voor elke dataprofessional. Leer en oefen met subsetten in deze snelle interactieve tutorial!

In deze tutorial krijg je op hoofdlijnen inzicht in hoe SVM’s werken en implementeer je ze vervolgens met R.

In deze tutorial leer je de statistische concepten achter survival analysis kennen en implementeer je een realistische toepassing van deze methoden in R.

In deze tutorial leer je over Support Vector Machines, een van de meest populaire en breed gebruikte supervised machinelearningalgoritmes.

Leer hoe zwermintelligentie werkt door ant colony optimization (ACO), particle swarm optimization (PSO) en artificial bee colony (ABC) te implementeren met Python.

Leer geavanceerd Python-scripten in Tableau door het Facebook Prophet-voorspellingsmodel op de Tableau-server te implementeren en dynamische tijdreeksvisualisatie te maken.

Begrijp hoe de t-verdeling helpt wanneer steekproeven klein zijn of de populatievariantie onbekend is. Vergelijk haar met de normale en Z-verdeling om te leren wanneer elke geschikt is.

Begin met het analyseren van Titanic-data met R en de tidyverse: leer je data filteren, ordenen, samenvatten, muteren en visualiseren met dplyr en ggplot2!

Haal Google Trends-gegevens op van zoekwoorden zoals 'diet' en 'gym' en zie hoe ze in de tijd variëren, terwijl je leert over trends en seizoensinvloeden in tijdreeksdata.

Leer hoe je tijdreeksdata opsplitst in betekenisvolle componenten zoals trend, seizoensinvloeden en resttermen met additieve en multiplicatieve modellen. Leer over zowel klassieke als STL‑methoden. Verken seizoenscorrecties en oefen met forecasting met decompositiemodellen.

Leer Tijdreeksanalyse met R en gebruik een package in R voor forecasting om de realtime reeks te laten aansluiten op het optimale model.