Data science-tutorials

Zie hoe een end-to-end MLOps-pijplijn de resultaten van het WK 2026 voorspelt, van automatische hertraining en DVC tot een Monte Carlo-simulatie van 10.000 runs van het schema.

Kernel-dichtheidsschatting is een niet-parametrische methode om de vorm van een dataverdeling te schatten zonder een vast model aan te nemen. Leer de formule, bandbreedtekeuze en hands-on implementatie in Python en R.

Een praktische gids voor spline-regressie, met uitleg over hoe stukgewijze polynomen en knopen niet-lineaire relaties modelleren, de belangrijkste splinetypen en hoe je ze in Python en R past.

Een praktische walkthrough van de aannames achter logistische regressie, de diagnostiek die overtredingen oppikt in Python en R, en de alternatieven waar je naar grijpt als de aannames niet gelden.

Een gedetailleerde walkthrough van overfitting en underfitting in machine learning, inclusief hoe je elke foutmodus herkent, waarom die ontstaat en hoe je het oplost via de bias-variantieafweging.

Een praktische gids voor GLM’s: wat ze zijn, hoe hun drie componenten samenwerken en hoe je ze fit en interpreteert in Python en R.

Gradient clipping is een fix van één regel in je trainingslus die voorkomt dat exploderende gradiënten het trainen van diepe neurale netwerken verknallen. Deze gids behandelt hoe het werkt, de twee belangrijkste methoden, drempelkeuze en implementatie in PyTorch en TensorFlow.

Een gids voor Markov Chain Monte Carlo — met uitleg over hoe het werkt, waarom het wordt gebruikt, de meest gangbare algoritmen en hoe je het toepast in Python voor Bayesiaanse inferentie.

Support Vector Regression is een marge-gebaseerde regressiemethode die kleine fouten bewust negeert, niet-lineaire relaties verwerkt via kernels en standhoudt op ruisige data uit de echte wereld waar standaard regressie tekortschiet.

Leer de basis van objectgeoriënteerd programmeren in Python: classes, objecten, attributen en methoden stap voor stap uitgelegd met codevoorbeelden.

Leer in deze tutorial hoe je k-means-clustering toepast met scikit-learn in Python

.loc selecteert data met rij- en kolomnamen (labels), terwijl .iloc numerieke indexen (posities) gebruikt. Leer beide gebruiken met voorbeelden.