We create
the next

Kolumne: Mensch und Maschine Seite an Seite

Wie man mit Call Graph automatisch Projektgrafiken erstellt

STATWORX Cheatsheets – Python Basics Cheatsheet für Data Science

STATWORX meets DHBW – Data Science Real-World Use Cases

Machine Learning Modelle bereitstellen und skalieren mit Kubernetes

3 Szenarien zum Deployment von Machine Learning Workflows mittels MLflow

Car Model Classification IV: Integration von Deep Learning Modellen mit Dash

Car Model Classification III: Erklärbarkeit von Deep Learning Modellen mit Grad-CAM

Car Model Classification II: Deployment von TensorFlow-Modellen in Docker mit TensorFlow Serving

Car Model Classification I: Transfer Learning mit ResNet

Potenzial noch nicht ausgeschöpft – Ein Kommentar zur vorgeschlagenen KI-Regulierung der EU

Creaition – Revolutionierung des Designprozesses mit Machine Learning

2020 – A Year in Review for Me and GPT-3

Praktische Deep Learning Anwendung – Mit künstlicher Intelligenz Plätzchen-Rezepte und Weihnachtslieder generieren

Case Study: Automatisierte Marketing-Interaktion im Retail

5 praxisnahe Beispiele für NLP Use Cases

Die 5 wichtigsten Use Cases für Computer Vision

Neue Trends im Natural Language Processing – Wie NLP massentauglich wird

5 Technologien, die jeder Data Engineer kennen sollte

Generative Adversarial Networks: Wie mit Neuronalen Netzen Daten generiert werden können

Finetuning von Tesseract-OCR für deutsche Rechnungen

Whitepaper: Ein Reifegradmodell für Künstliche Intelligenz

Machine Learning Modelle mit Hilfe von Docker Containern bereitstellen

STATWORX 2.0 – Das neue Headquarter in Frankfurt ist eröffnet

Why You Should Use Containerized Microservices When Deploying Your Data Science Application

Archive Existing RDS Files

Neues Office in Zürich – Unlocking the Swiss AI Potential!

Model Regularization – The Bayesian Way

Off To New Adventures: STATWORX Office Soft Opening

Two Patterns To Secure REST APIs

A Social Network Simulation In The Tidyverse

How To Dockerize ShinyApps

What’s Your Problem – Framing Data Science Questions The Right Way

Movie Recommendation With Recommenderlab

Airflow for Data Scientists

Making Of: A Free API For COVID-19 Data

How To Build A Dashboard In Python – Plotly Dash Step-by-Step Tutorial

Why Is It Called That Way?! – Origin and Meaning of R Package Names

Defining Your Own Shortcut in RStudio

Community Detection with Louvain and Infomap

Testing REST APIs with Newman

Dynamic UI Elements in Shiny – Part 2

Animated Plots using ggplot and gganimate

Machine Learning Goes Causal II: Meet the Random Forest’s Causal Brother

Machine Learning Goes Causal I: Why Causality Matters

How To Create REST APIs With R Plumber

STATWORX 2019 – A Year in Review

Deep Learning – Überblick und Einstieg

Tuning Random Forest on Time Series Data

Combining Price Elasticities and Sales Forecastings for Sales Improvement

Access your Spark Cluster from Everywhere with Apache Livy

STATWORX on Tour: Wine, Castles & Hiking!

Evaluating Model Performance by Building Cross-Validation from Scratch

Time series forecasting with random forest

Using emojis and .png as icons in your ggplot

Dynamic UI Elements in Shiny

R or Python

What the Mape Is FALSELY Blamed For, Its TRUE Weaknesses and BETTER Alternatives!

Web Scraping 101 in Python with Requests & BeautifulSoup

Getting started with flexdashboards in R

Bang Bang – How to program with dplyr

Revisited: Forecasting Last Christmas Search Volume

Simulating the bias-variance tradeoff in R

STATWORX summer barbecue 2019

Interactive Network Visualization with R

Coding Random Forests in 100 lines of code*

Using Reinforcement Learning to play Super Mario Bros on NES using TensorFlow

Automated creation of Docker containers

R oder Python

How to Speed Up Gradient Boosting by a Factor of Two

R and Python: Using reticulate to get the best of both worlds

Fixing the most common problem with Plotly histograms

Running your R script in Docker

Roses Are Red, Violets Are Blue, Statistics Can Be Romantic Too!

Plotly – An interactive Charting library

Ensemble Methods in Machine Learning: Bagging & Subagging

STATWORX on Tour: Year-End Event in Belgium

Building a scaleable Deep Learning Serving Environment for Keras models using NVIDIA TensorRT Server and Google Cloud

Coding Regression trees in 150 lines of R code

Coding Gradient boosted machines in 100 lines of R code

Master R shiny: One trick to build maintainable and scaleable event chains

Eine Einführung in Dataiku DSS

How we use emojis

Forecasting Last Christmas Search Volume on Google Trends using Deep Learning

Food for Regression: Mixing in Cross-Elasticities and Promotional Effects

A Performance Benchmark of Different AutoML Frameworks

Learning Images with Keras

Custom themes in ggplot2

Unterschiede zwischen Qlik Sense und QlikView

CodeR: an LSTM that writes R Code

A performance benchmark of Google AutoML Vision using Fashion-MNIST

Using themes in ggplot2

Using Machine Learning for Causal Inference

Food for Regression: Using Sales Data to Identify Price Elasticity

A framework to automate your work: How to set up Airflow!

A framework to automate your work: Why Airflow?

Data Science in Python – Matplotlib (Teil 4)

Pipelines mit sklearn

Data Science in Python – Pandas (Teil 3)

Data Science in Python – der Kern des Ganzen (Teil 2)

Coordinate systems in ggplot2: easily overlooked and rather underrated

About Risks and Side-Effects… Consult your Purrr-Macist

Make RStudio Look the Way You Want — Because Beauty Matters

strsplit – but keeping the delimiter

Data Science in Python – Vorstellung von nützlichen Datenstrukturen Teil 1

Data-Dashboard mit Bokeh

Diamonds and Faceting are a Data Scientist’s best Friends

Empirische Bestimmung von Elastizität – Teil 2

Empirische Bestimmung von Elastizität – Teil 1

Unit Testing mit R

Wie lernen neuronale Netze?

Data Science in Python – Vorschau und Werkzeuge

pandas vs. data.table – A study of data-frames

Simulating Regression Data with Xy

How NOT to overplot

XGBoost Tree vs. Linear

Einführung in Reinforcement Learning – wenn Maschinen wie Menschen lernen

Compiling R Code in Sublime Text

Gut in Form! Reshapes in R, Stata und SPSS

Furchtlose Grammatiker – Textmining im tidyverse Teil 2

Methoden Einführung: Statistik mit Löwen – Teil 3

Datenbanken in R – Einfach, schnell und sicher

Bilder lernen mit Neuronalen Netzen

Fehlerbehandlung in R – Handhabung von Ausnahmen mit trycatch

Das Rosenblatt Perzeptron – die frühen Anfänge des Deep Learnings

Einflussfaktoren der Elastizitätskalkulation

Sparse Matrizen – wann sollte man sie nutzen?

Einführung in die nicht-parametrische Statistik: Der Wilcoxon-Vorzeichen-Test

Twitter Mining mit R – Teil 2

Furchtlose Grammatiker – Textmining im tidyverse

Gut in Form – Der richtige Datentyp in R, Stata und SPSS

Stolperfalle Nicht-Linearität marginaler Effekte in der logistischen Regression

Einführung TensorFlow

Methoden Einführung: Statistik mit Löwen – Teil 2

Fehlerbehandlung in R – Debugging mit RStudio Teil 2

Wie Deep muss MLP Deep Learning sein?

Herausforderungen der nicht-parametrischen Statistik: der Wilcoxon-Rangsummen-Test

Von den Sozialwissenschaften zu Data Science

Twitter Mining mit R – Teil 1

Gut in Form – So klappts mit der Datenaufbereitung in R, Stata und SPSS

Stolperfalle logistische Regressionskoeffizienten und Odds Ratios

Deep Learning – Teil 2: Programmierung

Methoden Einführung: Statistik mit Löwen – Teil 1

Fehlerbehandlung in R: Debugging mit RStudio

Methoden Einführung: der t-Test

Deep Learning – Teil 1: Einführung

Einführung in die nicht-parametrische Statistik: der Wilcoxon-Rangsummen-Test

Schlüsselkennzahl: Preiselastizität der Nachfrage

Web-Applikationen mit R und R Shiny

Faktorenanalyse mit binären Items in SPSS

Korrelierte Zufallszahlen in R

Tabellenexport aus Stata nach Excel

APA Formatierung von Tabellen

Hypothesen richtig formulieren

Fehlerquellen in Fragebogen

Korrelation und Kausalität