Deploy scikit-learn modeller med FastAPI: Produktionsguide til ML-serving (2026)
Deploy en scikit-learn model med FastAPI: joblib, lifespan, Pydantic v2, Docker, Prometheus og benchmarks. Testet mod FastAPI 0.115 og sklearn 1.6.
Alle Artikler
Scikit-learn Pipeline og ColumnTransformer i Python: Komplet guide til ML-preprocessing (2026)
Lær at bygge pålidelige machine learning-pipelines med scikit-learn Pipeline og ColumnTransformer. Praktisk Python-guide til preprocessing, data-leakage, GridSearchCV og deployment i 2026.
Polars vs Pandas i 2026: Komplet sammenligning til Python dataanalyse
Polars er 5-30x hurtigere end Pandas takket være Rust og lazy evaluation. Sammenligning af syntaks, ydeevne, hukommelse og økosystem for 2026.
Byg din første machine learning-model med scikit-learn i Python
Lær at bygge din første ML-model med scikit-learn i Python. Komplet begynderguide med pipelines, krydsvalidering, hyperparameter-tuning og kodeeksempler du kan bruge direkte.
Datavisualisering med matplotlib og seaborn i Python: Komplet guide til grafer med pandas DataFrames
Lær at visualisere data med matplotlib og seaborn i Python. Komplet dansk guide med pandas DataFrames, linjediagrammer, boxplots, heatmaps, pairplots og et færdigt salgsdashboard du kan bygge videre på.
Datarensning med pandas 3.0: Byg reproducerbare pipelines med pipe(), pd.col() og Copy-on-Write
Byg reproducerbare datarensningspipelines med pandas 3.0. Lær pipe(), pd.col(), Copy-on-Write-semantik og Pandera-validering med praktiske kodeeksempler du kan bruge med det samme.
Pandas Tidsserieanalyse i Python: Komplet Guide til resample(), rolling() og shift()
Lær at analysere tidsseriedata i Python med pandas 3.0. Denne guide dækker resample(), rolling() og shift() med praktiske kodeeksempler du kan bruge direkte i dine egne projekter.