Data Science Tutorials

Nodes erledigen die Arbeit, Edges entscheiden den Ablauf, und Shared State trägt die Informationen zwischen ihnen. Dieses Tutorial zeigt, wann ein Multi-Agenten-Graph einer Single-Loop überlegen ist, und führt durch eine Researcher-, Writer- und Reviewer-Pipeline in LangGraph mit bedingter Retry-Kante.

Lerne, wie du Mikrofon-Audio streamst, Unterbrechungen handhabst und Tools asynchron in Python aufrufst – und vergleiche Gemini 3.8 Live mit der Extended-Thinking-Variante.

Lerne, wie du TypeSafe AIs Python-SDK einrichtest, Choice-, Score- und Noul-Fragen in einem einzigen Call stellst, einen Support-Ticket-Router baust, der die Routing-Policy in deinem Code belässt, und wo Jev bricht – bevor du ausrollst.

Entdecke Python Trumania, eine szenariobasierte Bibliothek zur Generierung zufälliger Datensätze. Lerne in diesem Schritt-für-Schritt-Tutorial, wie du synthetische Datensätze erstellst.

Erfahre, wie Quantisierung, KV-Cache-Optimierung, Batching, spekulatives Decoding, Speicherbandbreite und hardwarebewusstes Tuning Geschwindigkeit, Skalierbarkeit und Kosten beim Serving großer Sprachmodelle verbessern.

Teste Qwen3-Max-Thinking, das größte LLM der Welt, im Reasoning-Modus. Sieh dir an, wie es sich in Logik, Mathe und Code gegen GPT-5 und Claude Sonnet 4.5 schlägt.

Vergleiche LangChain, LangGraph, LangSmith und LangFlow. Erfahre Rollen, Stärken und wann du welches Framework für produktionsreife KI-Anwendungen einsetzt.

Baue einen von Gemini unterstützten Travel Planner mit dem Visual Agent Builder von Google ADK: Sub-Agents entwerfen, Tools verbinden und in Minuten einen Reiseplan-Workflow ausliefern.

Lerne, deine erste Vektorsuche in MongoDB auszuführen. Dieses Tutorial zeigt dir Schritt für Schritt mit Embeddings, wie du ähnliche Elemente findest.

Lerne, wie du Agentic Vision in Gemini 3 Flash mit Python nutzt. Vier Beispiele zeigen, wie der Think-Act-Observe-Loop Bilder zuschneidet, annotiert und Daten extrahiert.

Lerne, wie du Thinking Machines' Inkling lokal ausführst. Ein kompletter Leitfaden zum Bauen der experimentellen llama.cpp-Version, zum Herunterladen von Unsloth-GGUFs und zum Serving über mehrere GPUs.

Lerne Definition, Formel, zentrale Eigenschaften, homogene Koordinaten und Anwendungen affiner Transformationen in Grafik, Computer Vision, Robotik und Datenvorverarbeitung kennen.