KI-Tutorials

Für ein künstliches neuronales Netz (ANN) gibt es eine optimale Anzahl an versteckten Schichten und Neuronen. Dieses Tutorial stellt einen einfachen Ansatz vor, um diese optimale Anzahl zu bestimmen.

Lerne, wie du LLMs auf eigenen Datensätzen feinabstimmst, die Performance bewertest und Modelle nahtlos exportierst und bereitstellst – mit dem Low-/No-Code-Framework von LLaMA-Factory.

LlamaIndex ist dein smarter Datencoach für LLM-basierte Apps. Du kannst private und domänenspezifische Daten ganz einfach per natürlicher Sprache einlesen, verwalten und wiederfinden.

Entdecke die Familie der verfügbaren LLMs und die Faktoren, die du bei der Bewertung berücksichtigen solltest, um das beste LLM für deinen Use Case zu finden.

In diesem Tutorial erhältst du einen Überblick über Künstliche Intelligenz (KI) und erfährst, was Machine Learning (ML) und Deep Learning unterscheidet.

Tauche in die Grundlagen der Backpropagation in neuronalen Netzen ein – mit einer praktischen Anleitung zum Trainieren und Evaluieren eines Modells für ein Bildklassifikationsszenario.

Entdecke in unserem umfassenden Guide die bahnbrechende Technik der Low-Rank Adaptation (LoRA). Erfahre, wie LoRA das Finetuning großer Sprachmodelle revolutioniert.

Tauche mit unserem ausführlichen Pinecone-Tutorial in die Welt der Vector-Datenbanken ein. Lerne, hochdimensionale Daten effizient zu verarbeiten, unstrukturierte Daten zu verstehen und die Power von Vektorembeddings für KI-Anwendungen zu nutzen.

Dieser Artikel vergleicht die Leistung von MatMul-freien und klassischen Large Language Models in Bezug auf Geschwindigkeit und Speicherverbrauch.

Lerne, wie du Inception Labs’ Mercury 2, ein diffusionsbasiertes Reasoning-LLM, nutzt, um einen latenzsensitiven Research-Agenten zu bauen, der Anfragen erweitert, das Web durchsucht, eine quellengestützte Antwort synthetisiert und einen Verifikationsdurchlauf ausführt.

Lerne, wie du in Microsoft Copilot Studio leistungsstarke KI-Agenten erstellst und bereitstellst. Beantworte Fragen mit RAG, SharePoint-Integration, LLM-Reasoning und Tool-Aufrufen.

Baue eine funktionierende Demo-App, die alle drei Microsoft-MAI-Modelle über Azure für Speech-to-Text, Text-to-Speech und Bildgenerierung aufruft – und lerne, was sie leisten.