Data science-tutorials

Leer eenvoudige lineaire regressie. Beheers de modelequatie, begrijp belangrijke aannames en diagnostiek, en leer de resultaten effectief interpreteren.

Deze Python Streamlit-tutorial is bedoeld voor data scientists en machine learning-engineers die snel webapps willen bouwen zonder uitgebreide kennis van webontwikkeling.

Ontdek de typen structural equation models. Leer hoe je theoretische aannames maakt, een verondersteld model bouwt, de model fit beoordeelt en de resultaten interpreteert in structural equation modeling.

Gebruik LIKE om SQL-records te filteren op specifieke tekenreeks-overeenkomsten. Deze tutorial leert je wildcards, NOT, LOWER, UPPER en CASE WHEN te gebruiken met LIKE.

Gebruik t-tests bij kleine steekproeven of onbekende variantie, en z-tests wanneer steekproeven groot zijn en de variantie bekend is.

Dit artikel behandelt wat Notebooks zijn en waarom je ze zou gebruiken. We gaan ook in op gehoste notebooks, die delen en samenwerken makkelijker maken. Daarnaast vind je tips, trucs en sneltoetsen.

Leer wat een uitvoerbaar bestand is en hoe je een Python-script omzet naar een .exe-bestand met PyInstaller, Nuitka en auto-py-to-exe.

Een uitgebreide visuele gids voor skewness/kurtosis en hoe ze verdelingen beïnvloeden en uiteindelijk je data science-project.

Leer hoe je multicollineariteit in regressiemodellen opspoort met de variance inflation factor (VIF), een belangrijk diagnostisch hulpmiddel. Deze tutorial legt uit hoe VIF wordt berekend, hoe je de waarden interpreteert en technieken om hoge VIF aan te pakken voor betrouwbaardere regressiemodellen.

In deze tutorial leer je hoe je data van het web haalt, data manipuleert en opschoont met de Pandas-bibliotheek van Python, en data visualiseert met de Matplotlib-bibliotheek van Python.

Ontdek hoe je aangepaste r-kwadraat interpreteert om de prestaties van regressiemodellen te evalueren. Vergelijk het verschil tussen r-kwadraat en aangepaste r-kwadraat met voorbeelden in R en Python.

Ontdek hoe je de ANOVA-toets gebruikt om gemiddelden van meerdere groepen te vergelijken, met heldere voorbeelden, praktijktoepassingen en praktische tips voor data-analyse.