Data Science Tutorials
Data Science bietet einen umfassenden Lehrplan für angehende Data Scientists und Analysten. Unsere Tutorials decken statistische Analyse, maschinelles Lernen und Datenvisualisierung ab und sind sowohl für Anfänger als auch für Fortgeschrittene geeignet. Durch interaktive Labs und praktische Programmierübungen sammeln Sie praktische Erfahrungen mit realen Datensätzen. Unser Data Science Playground ermöglicht es Ihnen, Ihre Fähigkeiten in einer dynamischen Online-Umgebung anzuwenden.
Andere Kompetenzbäume
LinuxDevOpsCybersicherheitKali LinuxDevOps EngineerCybersecurity EngineerDatenbankRed Hat Enterprise LinuxCompTIADockerCKS-SchulungCKAD-SchulungCKA-SchulungKubernetesDevSecOpsLFCS-SchulungPythonGitShellNmapWiresharkHydraJavaSQLitePostgreSQLMySQLRedisMongoDBGolangC++CJenkinsAnsiblePandasNumPyscikit-learnMatplotlibWebentwicklungHTMLCSSJavaScriptReact
NumPy Broadcasting für effiziente Berechnungen
Broadcasting ist ein leistungsstarkes Feature in NumPy, das es ermöglicht, Arrays mit unterschiedlichen Formen in arithmetischen Operationen zu verwenden. Es bietet eine Möglichkeit, Array-Operationen zu vektorisieren und die rechnerische Effizienz zu verbessern. Dieses Lab führt Sie durch die Grundlagen des Broadcastings in NumPy.
NumPyPython
Pandas Einführung und Einrichtung
In diesem Labor erhalten Sie einen Einstieg in Pandas, eine leistungsstarke Datenanalysebibliothek in Python. Sie lernen, wie Sie die Installation überprüfen, sie importieren, eine grundlegende Series erstellen, auf ihre Elemente zugreifen und ihre Eigenschaften untersuchen.
Pandas
Grundlagen der NumPy Array-Manipulation
In diesem Lab lernen Sie die Grundlagen der Arbeit mit NumPy-Arrays kennen. NumPy ist eine leistungsstarke Bibliothek für numerisches Rechnen in Python. Sie bietet effiziente Datenstrukturen und Funktionen für mathematische Operationen auf Arrays.
NumPyPython
Pandas Datensortierung
In diesem Lab lernen Sie die wesentlichen Techniken zum Sortieren von Daten in einem Pandas DataFrame. Sie werden das Sortieren nach einzelnen und mehreren Spalten, die Steuerung der Sortierreihenfolge und die Verwaltung des DataFrame-Index nach Sortieroperationen untersuchen.
Pandas
Pandas Gruppierung und Aggregation
In diesem Lab lernen Sie die Grundlagen der Datengruppierung und -aggregation mit der Pandas-Bibliothek. Sie üben die Verwendung von groupby(), um Gruppen zu erstellen und verschiedene Aggregationsfunktionen anzuwenden.
Pandas
Pandas Grundlegende Datenbereinigung
In diesem Lab lernen Sie die grundlegenden Techniken zur Datenbereinigung mit der Pandas-Bibliothek, einschließlich der Behandlung fehlender Werte, dem Entfernen von Duplikaten und der Korrektur von Datentypen.
Pandas
Pandas: Lesen externer Daten
In diesem Lab lernen Sie die Grundlagen des Einlesens externer Daten in einen Pandas DataFrame. Sie werden die leistungsstarke Funktion `read_csv` und ihre Schlüsselparameter verwenden, um verschiedene reale CSV-Dateiformate zu verarbeiten.
Pandas
Scikit-learn Installation und Einrichtung
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.
scikit-learn
Scikit-learn Datenvorverarbeitung
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.
scikit-learn
Pandas DataFrames erstellen
In diesem Lab lernen Sie die grundlegenden Methoden zur Erstellung von Pandas DataFrames, unter anderem aus Dictionaries, und wie Sie deren Spalten und Indizes anpassen.
Pandas
Pandas deskriptive Statistik
In diesem Lab lernen Sie, verschiedene deskriptive Statistiken für einen Pandas DataFrame zu berechnen, einschließlich Mittelwert, Median, Minimum/Maximum und mehr.
Pandas
Einführung in NumPy Universal Functions
In diesem Lab werden wir die Grundlagen von NumPy Universal Functions (ufuncs) untersuchen. Ufuncs sind Funktionen, die elementweise auf ndarrays operieren und Array-Broadcasting, Typumwandlung und andere Standardfunktionen unterstützen. Wir lernen die verschiedenen Methoden von ufuncs, Broadcasting-Regeln, Typumwandlungsregeln und wie man das Verhalten von ufuncs überschreibt.
NumPyPython
Strukturierte Arrays in NumPy
In diesem Lab lernen wir strukturierte Arrays in NumPy kennen. Strukturierte Arrays sind ndarrays, deren Datentyp aus einer Zusammensetzung einfacherer Datentypen besteht, die als eine Sequenz benannter Felder organisiert sind. Sie sind nützlich für die Arbeit mit strukturierten Daten, wie z. B. tabellarischen Daten, bei denen jedes Feld ein anderes Attribut der Daten darstellt.
NumPyPython
Pandas Datenauswahl
In diesem Lab lernen Sie die grundlegenden Techniken zur Auswahl und Unterteilung von Daten aus Pandas DataFrames, einschließlich der Auswahl von Spalten, Zeilen und spezifischen Datenschnitten.
Pandas
Erstellung von Matplotlib-Subplots
In diesem Lab lernen Sie, wie Sie mit Matplotlib, einer leistungsstarken Plotting-Bibliothek in Python, mehrere Subplots in einer einzigen Abbildung erstellen und anpassen. Sie üben die Erstellung von Subplots, das Plotten von Daten darauf und die Anpassung von Layouts.
Matplotlib
Scikit-learn: Daten laden und erkunden
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.
scikit-learn
Scikit-learn KNN-Klassifizierung
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.
scikit-learn
Scikit-learn Kreuzvalidierung
In diesem Lab lernen Sie, wie Sie Kreuzvalidierung mit scikit-learn durchführen, um die Leistung eines Machine-Learning-Modells robuster zu bewerten.
scikit-learn
- Vorherige
- 1
- 2
- 3
- 4
- 5
- 6
- ...
- 165
- Nächste