Data science-tutorials

Leer over boxplots in R: wat ze zijn, wanneer je ze gebruikt, hoe je ze maakt, en hoe ze verschillen van histogrammen.

In deze tutorial leer je hoe je een chatbot bouwt met chatterbot in Python.

Leer hoe je vanaf nul een ETL-datapijplijn opzet met R en SQLite om tweets in realtime te verzamelen en op te slaan voor toekomstig onderzoek.

Ontdek wat cardinaliteit betekent en hoe het de gegevensverwerking, analyse en machine learning beïnvloedt. Leer praktische strategieën en technieken om hoge cardinaliteit te beheren, van datapreprocessing tot geavanceerde optimalisatietools.

Leer hoe je een kolom uit een spreadsheettabel omzet naar kleine letters met .str.lower().

In deze tutorial leer je hoe je voorwaardelijke queries schrijft in PostgreSQL met de CASE-voorwaardelijke expressie van PostgreSQL.

Ontdek hoe CatBoost het werken met categorische data vereenvoudigt met de CatBoostClassifier()-functie. Begrijp de belangrijkste verschillen tussen CatBoost en XGBoost om weloverwogen keuzes te maken in je machinelearningprojecten.

Verken zwaarstaartige verdelingen waarbij traditionele statistische methoden niet toepasbaar zijn. Ontdek hoe de Cauchy-verdeling fenomenen modelleert waarbij extreme gebeurtenissen vaker voorkomen dan verwacht.

Ontdek de definitie van centraliteit, leer welke soorten centraliteitsmaten er bestaan in netwerkanalyse en kies de beste voor een gegeven netwerk!

De centrale limietstelling stelt dat, bij een voldoende grote steekproef, de steekproefverdeling van het gemiddelde normaal verdeeld zal zijn, ongeacht de verdeling van de populatie. Leer de formule, belangrijkste voorwaarden en toepassingen in statistiek en machine learning.

Begrijp hoe je de karakteristieke vergelijking van een matrix afleidt en verken de kerneigenschappen. Ontdek hoe eigenwaarden en eigenvectoren patronen onthullen in data science-toepassingen. Bouw een solide basis in lineaire algebra voor machine learning.

Leer hoe je ChatGPT gebruikt in een echt end-to-end data science-project. We gebruiken het voor projectplanning, data-analyse, datapreprocessing, modelselectie, hyperparametertuning, het ontwikkelen van een webapp en deployment op Spaces.