Data Science Tutorials

Ontdek hoe Polars read_csv() je helpt CSV-data efficiënt te laden in Python, inclusief het omgaan met grote datasets, het definiëren van schema’s en het optimaliseren van performance.

Bouw en voer een cloudagent uit met de OpenAI Agents API die bestanden kan analyseren, code uitvoeren, resultaten verifiëren en voltooide artifacts teruggeven vanuit één enkele aanvraag.

Leer wat Azure Functions zijn, hoe ze event-driven serverless applicaties mogelijk maken, en hoe triggers, bindings, hostingopties en workflows op elkaar aansluiten.

Bouw een visuele Python-repairagent met DeepSeek V4.1 Flash, de Responses API, Playwright-schermafbeeldingen, apply_patch, pytest, contextcaching en kostenmonitoring.

Leer hoe je tabellen koppelt, DAX-formules schrijft en interactieve rapporten bouwt in Excel.

Leer hoe je de VBA-functie InStr gebruikt om tekst in strings te vinden, inclusief syntax, voorbeelden, hoofdlettergevoeligheid en veelgemaakte fouten.

Leer wat statistische arbitrage is, hoe kwantitatieve traders tijdelijke prijsrelaties identificeren en hoe strategieën zoals pairs trading en mean reversion in de praktijk werken.

Draai de geoptimaliseerde Motif-3 Quant op een NVIDIA H200 met de ds4-runtime, serveer ’m via een OpenAI-compatibele API en koppel ’m aan een Pi-codingagent.

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.

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 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.

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