Algorithm Tutorials

In diesem Lab lernen Sie, wie Sie ein scikit-learn Klassifikationsmodell mit verschiedenen Metriken bewerten, darunter Genauigkeit (Accuracy), Konfusionsmatrix (Confusion Matrix), Präzision (Precision), Rückruf (Recall) und F1-Score.

In diesem Lab lernen Sie, wie Sie mit scikit-learn ein einfaches Modell zur linearen Regression erstellen, um Immobilienpreise in Kalifornien vorherzusagen.

In diesem Lab lernen Sie, wie Sie scikit-learn verwenden, um einen K-Nearest Neighbors (KNN)-Klassifikator zu erstellen, ihn auf dem Iris-Datensatz zu trainieren und Vorhersagen für neue Daten zu treffen.

In diesem Lab lernen Sie, wie Sie Ihre Scikit-learn-Installation überprüfen, notwendige Module importieren und einen Beispieldatensatz laden, um mit maschinellem Lernen in Python zu beginnen.

In diesem Lab lernen Sie die Grundlagen des Ladens und Erkundens von Datensätzen in scikit-learn anhand des klassischen Iris-Datensatzes. Sie üben den Zugriff auf Daten, Ziele und Feature-Namen und führen eine einfache Visualisierung durch.

In diesem Lab lernen Sie die grundlegenden Datenvorverarbeitungstechniken in scikit-learn kennen, einschließlich Feature-Skalierung mit StandardScaler und Zielvariablen-Kodierung mit LabelEncoder, anhand des klassischen Iris-Datensatzes.

In diesem Lab lernen Sie, wie Sie Kreuzvalidierung mit scikit-learn durchführen, um die Leistung eines Machine-Learning-Modells robuster zu bewerten.

In dieser Herausforderung haben wir die Aufgabe, alle Klon-Soldaten in einer Paradeformation einer Klon-Armee zu finden. Die Klon-Soldaten werden eindeutig durch eine Zahl innerhalb eines bestimmten Bereichs identifiziert und können durch eine quadratische Matrix dargestellt werden. Unser Ziel ist es, die Anzahl der Klone für jede ID zu zählen und das statistische Ergebnis im Format eines Wörterbuchs zurückzugeben. Die Lösung sollte in der Methode count_clone_soldier(matrix: List[List[str]]) in der Datei count_clone_soldier.py implementiert werden.

In dieser Challenge üben Sie den Umgang mit dem NumPy-Modul in Python und arbeiten mit NumPy-Arrays, um gängige mathematische Operationen durchzuführen.

Dieses Tutorial vermittelt Ihnen die Grundlagen der Arbeit mit Bildern mithilfe der OpenCV-Python-Bibliothek. Am Ende dieses Tutorials können Sie Bilder lesen, anzeigen und speichern.

In diesem Lab lernen Sie, wie Sie eine Simple Shell in Nmap zu einer interaktiven Shell upgraden. Entdecken Sie Techniken mit Python und Socat, um eine vollständig interaktive Shell zu erhalten und Ihre Fähigkeiten im Penetration Testing und der Netzwerkanalyse zu verbessern.

In diesem Lab meistern Sie IP-Subnetting und Binärkonvertierung im Linux-Terminal. Mit Python konvertieren Sie IP-Adressen zwischen Punkt-Dezimal und Binär, übersetzen CIDR-Masken, identifizieren Netzwerk-/Host-Anteile und berechnen nutzbare Hosts und Subnetze für einen gegebenen CIDR-Block.

Dieses Projekt führt Sie durch den Prozess des Erstellens eines Schlangen-Spiels mit Python und der Pygame-Bibliothek. Das Spiel wird ein Spielfenster, eine Schlange, ein Power-Up und einen Score haben. Die Schlange wird sich im Spielfenster bewegen und das Power-Up essen. Wenn die Schlange das Power-Up isst, wird die Länge der Schlange um eins erhöht. Der Score wird auf dem Bildschirm angezeigt.

In diesem Projekt lernen Sie, wie Sie mithilfe von Python und der Tkinter-Bibliothek einen Linux-Systemmonitor erstellen. Der Systemmonitor wird Echtzeitinformationen über die CPU, den Arbeitsspeicher, die Festplattennutzung und die Netzwerkstatistiken anzeigen.

In diesem Projekt lernen Sie, wie Sie mit Python einen Netzwerk-Scanner erstellen. Der Netzwerk-Scanner nutzt das Befehlszeilentool nmap, um eine angegebene IP-Adresse zu scannen und die Ergebnisse mithilfe der Tkinter-Bibliothek in einer grafischen Benutzeroberfläche (Graphical User Interface, GUI) anzuzeigen.

In diesem Lab sammeln Sie praktische Erfahrungen im Umgang mit Mengen (Sets) in Python. Mengen sind leistungsstarke Datenstrukturen zur Speicherung eindeutiger Elemente und zur Durchführung effizienter Mitgliedschaftstests. Sie lernen, wie man Mengen erstellt, Elemente hinzufügt und entfernt, Mengenoperationen durchführt und Mengen verwendet, um Duplikate aus Listen zu entfernen.

In diesem Lab beginnen Sie Ihre Reise in die Python-Programmierung, indem Sie Ihr allererstes Programm erstellen und ausführen. Sie sammeln praktische Erfahrungen mit dem VS Code Editor innerhalb der LabEx-Umgebung, um Python-Skripte zu schreiben und auszuführen. Aufbauend auf dieser Grundlage üben Sie weiter das Schreiben von Python-Programmen, wobei der Schwerpunkt auf der Verwendung der print()-Funktion zur Anzeige von Ausgaben liegt. Das Lab führt Sie dann durch die Identifizierung und das Verständnis gängiger Python-Fehler und stattet Sie mit dem Wissen aus, Probleme zu erkennen und zu beheben. Schließlich lernen Sie praktische Debugging-Techniken kennen, um Fehler effektiv zu beheben und sicherzustellen, dass Ihre Python-Programme korrekt funktionieren.

In diesem Lab sammeln Sie praktische Erfahrungen im Umgang mit Strings in Python, einem fundamentalen Datentyp. Sie beginnen mit dem Verständnis der String-Grundlagen, einschließlich Erstellung, Unveränderlichkeit (Immutability) und dem Zugriff auf einzelne Zeichen mithilfe sowohl positiver als auch negativer Indizierung. Aufbauend auf dieser Grundlage lernen Sie, wie man Teilstrings (Substrings) mithilfe von Slicing extrahiert, verschiedene String-Operatoren und Escape-Zeichen für Manipulationen und spezielle Formatierungen nutzt und verschiedene Methoden zur Formatierung von Strings erkundet. Abschließend tauchen Sie in gängige String-Methoden ein, um Operationen wie Suchen, Ersetzen und Modifizieren von String-Inhalten durchzuführen.