Data Science Tutorials

Ontdek hoe polynomiale regressie helpt bij het modelleren van niet-lineaire relaties en het verbeteren van voorspelnauwkeurigheid in real-world datasets.

Een praktische uitleg van regularisatie in machine learning — wat het is, hoe het werkt en wanneer je L1, L2 en Elastic Net gebruikt om modellen te bouwen die generaliseren.

Een deep dive in de ResNet-architectuur, met uitleg hoe residual learning en skipverbindingen de problemen van verdwijnende gradiënten en degradatie oplossen die het trainen van diepe neurale netwerken moeilijk maken.

Leer hoe je de SQL-functie RANK() gebruikt om rijen een rang toe te kennen, met gelijke standen om te gaan en het te vergelijken met DENSE_RANK() en ROW_NUMBER().

Ontdek hoe polynomiale benaderingen gradient descent, XGBoost en de functies aandrijven die je computer elke dag berekent.

Leer hoe je VLOOKUP() in Google Sheets gebruikt om in seconden gegevens te zoeken, vinden en ophalen uit grote datasets.

Leer hoe je NVIDIA Nemotron-3-Nano-4B fijnstemt op een psychologie Q&A-dataset met een RTX 3090-GPU, met LoRA en TRL nadat je het model van Hugging Face hebt gedownload.

Leer in deze praktische Python-tutorial hoe je een OpenAI-agentapp bouwt die draait in Modal Sandboxes, met bestanden werkt, code uitvoert en resultaten teruggeeft.

Leer hoe je Alibaba's Qwen 3.6 Plus, Python en de OpenAI SDK gebruikt om een geautomatiseerde factuurverwerkingspipeline te bouwen met native vision en tool-calling.

Leer alles wat je moet weten over Google’s nieuwste model voor beeldgeneratie, Nano Banana 2, inclusief hoe je met de API in Python een iteratieve chat‑afbeeldingseditor bouwt.

Leer hoe je Claude Code Auto Mode koppelt aan Telegram-kanalen om een autonome schrijf-test-debugloop vanaf je telefoon te draaien.

Leer hoe je Qwen3.6 fijnstemt op een H100 NVL-GPU met SFT, van datasetvoorbereiding en 4-bit laden tot training en evaluatie.