Ugrás a tartalomhoz

Naptár
Fejlődj a DS Klubbal!
Bejelentkezés
Regisztráció

Naptár
Fejlődj a DS Klubbal!
Bejelentkezés
Regisztráció

a Data Science jövője (hogyan készülj fel a jövő kihívásaira)

x

Adatvédelmi nyilatkozat

Előadásaink:

Machine Learning a divatiparban (Data Science esettanulmány)

Data Science Esettanulmány: Médiaoldalak Elemezése

VS Code: hogyan használd az egyik legismertebb kódszerkesztőt?

Adatelőkészítés – és hatása a modellezés pontosságára

Python-os Adatvizualizáció Plotly Express-szel

Gradient Boosting Machine (GBM) Élő Demó Python-ban (Ingatlanár Predikció)

PowerBI a felhőben! (végre operációsrendszertől függetlenül)

[EXTRA] Statisztika Data Science-hez 1: Korrelációelemzés

Egy Data Science Projekt Lépésről Lépésre (Üzleti Gondolkodás + Tech Oldal)

[EXTRA] WhiskyReturns Tech Bemutató

Hogyan használd a GitHubot a Data Science portfóliód bemutatására?

Neurális Hálók Python-ban

AutoML bemutató Pythonban: Automatizáljuk a machine learninget!

RandomForest vs. GBM (Klasszifikáció Python-ban)

Adattisztítási példák valós projektekből

Kódbemutató: a Random Network mögötti Python kód

8 Machine Learning modell, amit ismerned kell (+mikor melyiket válaszd)

Adatvizualizáció AI-jal segítve Pythonban: villámgyors, gyönyörű és hasznos

Logisztikus regresszió Pythonban egy valós projektből (hitelbedőlés vizsgálat machine learninggel)

Statisztika közérthetően, 1. rész: Nevezetes eloszlások

Python Data Science-hez: Az első lépések (teljesen kezdőknek)

Klaszterezés Python-ban (koncepció, kódolás, esettanulmány)

Feature Engineering elmagyarázva (gyakorlati példákkal)

Kapcsolatépítés Alapjai Data Scientist-eknek

Data Engineering elmagyarázva

Lineáris Regresszió A-tól Z-ig

SQL középhaladó gyakorlati fogások

Whisky árakat prediktálunk Python-os Machine Learning megoldásokkal…

Feature Engineering elmagyarázva 2. rész (gyakorlati példákkal)

Power BI alapok Data Scientist-eknek

Git Alapok

OpenAI Agentek készítése kódolás nélkül

Egy Senior Data Scientist eszköztára (Produktív adattudós)

LLM-ek alapjai: a Transformer architektúra belülről

Data Storytelling

[EXTRA] Jobb, mint a Google Analytics(?)

A Data Science jövője (hogyan készülj fel a jövő kihívásaira)

AI Ágensek készítése az MCP protokoll segítségével

Klaszterezés Python-ban (koncepció, kódolás, esettanulmány)

Train-Test Adathalmazok Felosztása (Az összes módszer, amit ismerned kell)

Tech Bemutató: Személyre szabott welcome email, automatikusan AI-jal Python-ban

Építsd meg a saját LLM-alapú AI chatbot-od

A jobb felhasználói élmény érdekében az oldalon cookie-kat használunk. Oldalunk használatával, Ön elfogadja a cookie-k használatát.