Data Science Tutorials

Flow matching traint generatieve modellen om ruis om te zetten in data door een vectorveld te leren dat samples langs een gekozen waarschijnlijkheidspad verplaatst — hetzelfde idee achter continuous normalizing flows en moderne diffusie­modellen.

Leer hoe je de Kimi Browser Extension instelt met zowel Kimi Work als Kimi Code CLI, en voer een productzoekopdracht uit die gestructureerde resultaten van een website extraheert.

Deep reinforcement learning combineert de trial-and-error-lus van reinforcement learning met neurale netwerken die generaliseren over enorme toestandsruimten.

Leer wat recursieve zelfverbetering in AI betekent, hoe AI-systemen kunnen helpen betere AI te ontwikkelen, hoe dicht de modellen van vandaag bij RSI staan, en waarom het concept ertoe doet voor AI-capaciteiten en veiligheid.

Leer hoe je opmaak in Excel wist met de optie Opmaak wissen, sneltoetsen en andere methoden, terwijl je data behouden blijft.

Leer het verschil tussen exogene en endogene variabelen, waarom endogeniteit ertoe doet voor causale inferentie en regressie, en hoe je endogene variabelen identificeert en aanpakt.

Ontdek hoe Spearman's rangcorrelatie verbanden vastlegt die krommen, afvlakken of van tempo veranderen in plaats van een rechte lijn te volgen. Leer hoe je het berekent, interpreteert en toepast in Python, R en Excel.

Volg deze GPT-Live-1 API-tutorial om een full-duplex spraakleerassistent te bouwen met WebRTC in de browser, backenddelegatie, webzoekopdrachten en bevestigde acties.

Causale machine learning combineert ML met causale inferentie om verder te gaan dan voorspellen en te schatten wat er gebeurt als je ingrijpt. Dit artikel behandelt de kernconcepten, methoden, Python-tools en veelgemaakte fouten.

Een praktische gids voor het reviewen van Python data science-pull requests met Claude Code, GitHub en ultrareview.

Leer hoe je taken per categorie organiseert met Node.js en MongoDB. Bouw een REST-API met endpoints voor create, list, get, update, delete en een categoriefilter.

Verlaag het tokenverbruik door contextzwelling, terminalruis, breedsprakige reacties en overgeëngineerde code te beperken met lichtgewicht tools die de workflows van coding-agents automatisch optimaliseren.