KI-Tutorials

Erfahre mehr über künstliche Immunsysteme (AIS) und wie sie in Python für Aufgaben wie Anomalieerkennung und Optimierung eingesetzt werden können.

CrewAI ist eine Plattform, die es Entwicklern ermöglicht, automatisierte Workflows mit mehreren KI-Agenten zu erstellen und einzusetzen, die zusammenarbeiten, um komplexe Aufgaben zu erfüllen.

Lerne, eine RAG-Anwendung mit Llama 3.1 8B unter Verwendung von Ollama und Langchain zu erstellen, indem du die Umgebung einrichtest, Dokumente verarbeitest, Einbettungen erstellst und einen Retriever integrierst.

Lerne, wie du das Beste aus NotebookLM herausholst, indem du die Podcast-Funktion und die Möglichkeit nutzt, deine Dokumente zu organisieren, zusammenzufassen und Fragen dazu zu beantworten.

Lerne, wie du Cursor AI auf Windows, macOS und Linux installierst und entdecke, wie du es in 10 verschiedenen Anwendungsfällen einsetzen kannst.

Dies ist eine einfache Anleitung zur Feinabstimmung von Gemma 2 9B-It auf Patienten-Arzt-Gespräche und zur Konvertierung des Modells ins GGUF-Format, damit es lokal mit der Jan-Anwendung verwendet werden kann.

Mach dich mit den neuen Llama-Modellen vertraut und passe Llama-3.1-8B-It an, um verschiedene psychische Störungen aus dem Text vorherzusagen.

Die One-Hot-Codierung ist eine Technik, mit der kategoriale Daten in ein binäres Format umgewandelt werden, in dem jede Kategorie durch eine separate Spalte mit einer 1 für ihr Vorhandensein und einer 0 für alle anderen Kategorien dargestellt wird.

Lerne die Grundprinzipien, Anwendungen und praktischen Vorteile von Variations-Autoencodern kennen und verfolge Schritt für Schritt die Implementierung mit PyTorch.

Schöpfe das volle Potenzial von Large Language Models (LLMs) mit unserem Leitfaden zum Chain-of-Thought (CoT) Prompting aus. Erfahre, wie du das logische Denken und die Problemlösungsfähigkeiten von LLMs verbessern kannst.

LangGraph ist eine Bibliothek innerhalb des LangChain-Ökosystems, die einen Rahmen für die Definition, Koordination und Ausführung mehrerer LLM-Agenten (oder Ketten) auf strukturierte und effiziente Weise bietet.

Lerne, wie du auf Llama 3.2 Lightweight- und Vision-Modelle auf Kaggle zugreifst, das Modell auf einem benutzerdefinierten Datensatz mit kostenlosen GPUs feinabstimmst, das Modell zusammenführst und zum Hugging Face Hub exportierst und das feinabgestimmte Modell in das GGUF-Format konvertierst, damit es lokal mit der Jan-Anwendung verwendet werden kann.