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.
PostgreSQL Erweiterte Datentypen
In diesem Lab erkunden Sie die erweiterten Datentypen von PostgreSQL, mit Schwerpunkt auf JSON/JSONB, Arrays und UUIDs. Sie lernen, wie Sie Daten innerhalb dieser Typen speichern, abfragen und manipulieren können. Das Lab behandelt das Speichern und Abfragen von JSON/JSONB, das Erstellen von Array-Spalten und die Verwendung von UUIDs als Identifikatoren.
PostgreSQL
Erklärung der Diskriminanzanalyse-Klassifikatoren
Lineare und quadratische Diskriminanzanalyse (Linear and Quadratic Discriminant Analysis, LDA und QDA) sind zwei klassische Klassifikatoren, die im maschinellen Lernen (machine learning) verwendet werden. LDA nutzt eine lineare Entscheidungsfläche, während QDA eine quadratische Entscheidungsfläche verwendet. Diese Klassifikatoren sind beliebt, weil sie geschlossene Lösungen haben, in der Praxis gut funktionieren und keine Hyperparameter zur Anpassung erfordern.
Machine Learningscikit-learn
Supervised Learning mit Scikit-Learn
Beim supervised learning möchten wir die Beziehung zwischen zwei Datensätzen lernen: den beobachteten Daten X und einer externen Variable y, die wir vorherzusagen wünschen.
Machine Learningscikit-learn
Das Entdecken von Scikit-Learn-Datensätzen und -Schätzern
In diesem Lab werden wir die Einstellungen und das Schätzerobjekt in Scikit-Learn, einer beliebten Machine-Learning-Bibliothek in Python, untersuchen. Wir werden uns mit Datensätzen beschäftigen, die als 2D-Arrays dargestellt werden, und lernen, wie man sie für Scikit-Learn vorverarbeiten. Wir werden auch das Konzept von Schätzerobjekten erkunden, die zum Lernen aus Daten und zum Vorhersagen verwendet werden.
Machine Learningscikit-learn
Kernel Ridge Regression
In diesem Lab werden wir über Kernel Ridge Regression (KRR) und deren Implementierung mit der scikit-learn-Bibliothek in Python lernen. KRR kombiniert Ridge Regression mit dem Kernel-Trick, um eine lineare Funktion im durch den Kernel induzierten Raum zu lernen. Es ist eine Methode zur nicht-linearen Regression, die nicht-lineare Zusammenhänge zwischen Eingangs- und Ausgangsvariablen behandeln kann.
Machine Learningscikit-learn
Modellauswahl: Auswahl von Schätzern und deren Parametern
Beim maschinellen Lernen ist die Modellauswahl der Prozess, den besten Modell für einen gegebenen Datensatz auszuwählen. Dazu gehört die Auswahl des geeigneten Schätzers und die Optimierung seiner Parameter, um die optimale Leistung zu erzielen. In diesem Tutorial führen wir Sie durch den Prozess der Modellauswahl in scikit-learn.
Machine Learningscikit-learn
Lineare Modelle in Scikit-Learn
In diesem Lab werden wir lineare Modelle in Scikit-Learn untersuchen. Lineare Modelle sind eine Gruppe von Methoden, die für Regressions- und Klassifizierungstasks verwendet werden. Sie gehen davon aus, dass die Zielvariable eine lineare Kombination der Merkmale ist. Diese Modelle werden aufgrund ihrer Einfachheit und Interpretierbarkeit in der Maschinellen Lernereiweitgehend verwendet.
Machine Learningscikit-learn
Kontrolle von Symbolen und Kombination von Untermodulen
Verstehen Sie die Komplexität des Paketimports, kontrollieren Sie exportierte Symbole mit `__all__`, exportieren Sie alles aus dem Paket und teilen Sie Module für eine bessere Codeorganisation in Python auf.
Python
Lernen Sie verwaltete Generatoren kennen
Verstehen Sie Python-Generatoren, erstellen Sie mit ihnen einen Task-Scheduler, testen Sie den Scheduler, bauen Sie einen Netzwerkserver und implementieren Sie einen Echo-Server, um sich mit verwalteten Generatoren vertraut zu machen.
Python
Wie Objekte repräsentiert werden
Lernen Sie, wie Objekte in Python repräsentiert werden. Erstellen Sie eine einfache Aktienklasse, erkunden Sie interne Dictionaries von Objekten, fügen Sie Attribute hinzu und ändern Sie sie, und verstehen Sie die Beziehung zwischen Klasse und Instanz.
Python
Praktische Anwendung der Vererbung
Verstehen Sie das Problem, erstellen Sie eine Basisklasse und ändern Sie die Druckfunktion, implementieren Sie einen konkreten Formatierer, erstellen Sie zusätzliche Formatierer und bauen Sie eine Fabrikfunktion, um praktische Vererbung in Python zu lernen.
Python
Entdecken des Speichermodells für First-Class-Objekte in Python
Verstehen Sie First-Class-Objekte in Python, erstellen Sie eine Hilfsfunktion für die CSV-Verarbeitung, erkunden Sie das Python-Speichermodell und lernen Sie die spaltenorientierte Datenspeicherung kennen, um das Speichermodell für First-Class-Objekte in Python zu erkunden.
Python
Eine einfache Klasse definieren
Fügen Sie der Stock - Klasse eine sell - Methode hinzu, lesen Sie ein Portfolio aus einer CSV - Datei und formatieren und geben Sie die Portfolio - Daten in Python aus.
Python
Private Attribute und Properties (Eigenschaften)
Implementieren Sie private Attribute, wandeln Sie Methoden in Properties (Eigenschaften) um, implementieren Sie Property (Eigenschafts)-Validierung, verwenden Sie __slots__ zur Speicheroptimierung und gleichen Sie die Typvalidierung mit Klassenvariablen in Python ab.
Python
Neudefinieren von speziellen Methoden
Verbessern Sie die Objektdarstellung mit `__repr__`, machen Sie Objekte mit `__eq__` vergleichbar und erstellen Sie einen Kontext-Manager, indem Sie in Python spezielle Methoden neu definieren.
Python
Einen neuen primitiven Typ erstellen
Erstellen Sie eine grundlegende MutInt - Klasse, verbessern Sie ihre String - Darstellung, fügen Sie mathematische und Vergleichsoperationen hinzu und implementieren Sie Typkonvertierungen, um einen neuen primitiven Typ in Python zu erstellen.
Python
Einen benutzerdefinierten Container erstellen
Verstehen Sie die Speicherzuweisung von Listen und Wörterbüchern, optimieren Sie den Speicher mit spaltenorientierten Daten, erstellen Sie eine benutzerdefinierte Containerklasse und verbessern Sie sie für Slicing in Python.
Python
Wie ein Profi iterieren
Beherrschen Sie die grundlegende Iteration und die Sequenzentpackung, nutzen Sie die Funktionen enumerate() und zip() und lernen Sie Generatorausdrücke für eine effiziente Speicherausnutzung in Python.
Python
- Vorherige
- 1
- 2
- 3
- 4
- 5
- 6
- ...
- 233
- Nächste