Python-tutorial

Inzicht in het Phi-2-model en leren hoe je er toegang toe krijgt en het finetunet met de role-play-dataset.

Ontdek de Python pickle-module: leer over serialisatie, wanneer (niet) te gebruiken, hoe je gepickelde objecten comprimeert, multiprocessing en nog veel meer!

Leer alles over Pip, een krachtige tool die je helpt distributiepakketten in Python goed te beheren.

Leer hoe je je dataverhaal versterkt met Plotly-shapes. Deze gids biedt een volledige walkthrough voor het toevoegen en stijlen van annotaties in Python, van basisrechthoeken en -lijnen tot geavanceerde interactieve geometrieën.

Leer over de policy gradient-stelling in RL en hoe je deze wiskundig afleidt. Implementeer een algoritme op basis van policy gradients om een eenvoudige RL-omgeving in Gymnasium op te lossen.

Leer hoe je Python effectiever kunt gebruiken dan Excel, met het Pandas-pakket.

Leer hoe je precision-recall-curves in Python implementeert en interpreteert, en ontdek hoe je de juiste drempel kiest om je doel te behalen.

Nauwkeurigheid alleen is niet genoeg. Leer het verschil tussen precision en recall, begrijp de trade-off en kies de juiste metriek voor je model.

Analyseer verloop van medewerkers. Ontdek waarom medewerkers het bedrijf verlaten en leer voorspellen wie er zal vertrekken.

Dit artikel legt uit waarom preprocessing in de machinelearning-pijplijn belangrijk is, door te laten zien hoe centreren en schalen de modelprestaties kunnen verbeteren.

Ontdek of centreren en schalen je model helpen in een logistische regressie-context.

Je kunt je data tot in den treure preprocesen, maar het bewijs zit in het resultaat: hoe goed presteert je model dan?