KI-Tutorials

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.

Few-Shot Prompting ist eine Technik, bei der ein KI-Modell einige Beispiele für eine Aufgabe erhält, aus denen es lernen kann, bevor es eine Antwort generiert, und diese Beispiele nutzt, um seine Leistung bei ähnlichen Aufgaben zu verbessern.

Lerne, wie du mit der Realtime API von OpenAI KI-Anwendungen in Echtzeit erstellen kannst. In diesem Tutorial geht es um WebSockets, die Einrichtung von Node.js, Text-/Audio-Nachrichten, Funktionsaufrufe und den Einsatz einer React-Sprachassistenten-Demo.

Prompt-Tuning ist eine Technik, die verwendet wird, um die Leistung eines vorab trainierten Sprachmodells zu verbessern, ohne die interne Architektur des Modells zu verändern.

In diesem Tutorial erfährst du Schritt für Schritt, wie du Wissensgraphen für RAG-Anwendungen implementierst, um KI-Antworten mit strukturiertem Wissen zu verbessern.

Erforsche verschiedene Ansätze zur Verbesserung der RAG-Systeme: Chunking, Reranking und Query Transformations.

Lerne die Grundlagen des Verstärkungslernens anhand des Beispiels einer Katze, die lernt, einen Kratzbaum zu benutzen.