AI Tutorials

Lerne anhand eines praktischen Beispiels mit der Python-Bibliothek Supabase, wie du mit Claude Code von Anthropic die Arbeitsabläufe bei der Softwareentwicklung verbessern kannst.

Finde raus, was Claude Cowork ist und wie du es für die Dateiorganisation, Dokumentenerstellung und Browser-Automatisierung nutzen kannst. Praktisches Tutorial mit echten Beispielen und Einschränkungen.

Lerne, wie du den neuen GitHub Copilot CLI-Agenten installierst, einrichtest und benutzt. Lerne die Modi „Ask“, „Edit“ und „Agent“, um Arbeitsabläufe direkt von deinem Terminal aus zu automatisieren.

Lerne, wie du mit Mistrals neuestem und leistungsstärksten OCR-Modell, Mistral OCR 3, Textdaten aus Dokumenten und Bildern herausholen kannst.

Qwen3-VL-8B auf elektronischen Schaltplänen mit LoRA optimieren. Lerne den kompletten Ablauf von der Datenvorbereitung bis zur Veröffentlichung deines Modells auf dem Hugging Face Hub kennen.

Lerne, wie du das SAM Audio-Basismodell lokal ausführen kannst, und erlebe modernste Audiosegmentierung, indem du Stimmen und Geräusche mit einfachen, intuitiven Eingabeaufforderungen auf einer RTX 3090-GPU isolierst.

Schau dir die neuen Funktionen von Claude Code 2.1 an, indem du ein paar gezielte Experimente mit einem bestehenden Projekt-Repository innerhalb von CLI- und Web-Workflows machst.

Ein praktischer, umfassender Leitfaden zur Feinabstimmung von T5Gemma-2 (270M-270M) für LaTeX-OCR, der zeigt, wie man mit einem kleinen Datensatz ein multimodales Encoder-Decoder-Modell richtig trainiert und Inferenz damit durchführt.

Lerne, wie du mit Qwen-Image-2512 eine Gradio Poster Studio App baust, die E-Commerce-Werbeanzeigen mit cooler Typografie, klarem Layout und fotorealistischen Produktszenen erstellt.

Lerne, wie du mit der OpenAI-API und der Vektordatenbank ChromaDB eine multimodale RAG-Pipeline für ein visuelles Frage-Antwort-System zu IKEA-Montageanleitungen aufbaust.

Entwickle ein Data-Engineering-MVP mit GPT-5.2 Codex. Ein Schritt-für-Schritt-Tutorial für VSCode, das sich mit agentenbasiertem Coding, Python, DuckDB und Streamlit-Workflows beschäftigt.

Führ LLMs lokal aus (Windows, macOS, Linux), indem du diese benutzerfreundlichen LLM-Frameworks nutzt: Ollama, LM Studio, vLLM, llama.cpp, Jan und llamafile.