LLM Tutorien

Schau dir die Architektur der verwalteten MCP-Server von Google an und lerne, wie du LLMs zu proaktiven Operatoren für BigQuery, Maps, GCE und Kubernetes machen kannst.

Aktualisiere auf Transformers v5. Ein praktischer Leitfaden zum einheitlichen Rust-Backend, zu API-Änderungen und zu parallelen Migrationsmustern für die Codierung und den Chat zwischen Version 4 und Version 5.

Einrichten von llama.cpp, um das GLM-4.7-Modell auf einer einzelnen NVIDIA H100 80 GB GPU laufen zu lassen, mit bis zu 20 Tokens pro Sekunde dank GPU-Offloading, Flash Attention, optimierter Kontextgröße, effizientem Batching und abgestimmtem CPU-Threading.

Lerne, wie du mit Sora AI Videos erstellen und bearbeiten kannst, zum Beispiel mit Remix, Loop, Re-Cut, Stilvorlagen und Storyboards.

Lerne, wie du GLM-4.7-Flash auf einer RTX 3090 für schnelle lokale Inferenz und Integration mit OpenCode laufen lässt, um einen komplett lokalen automatisierten KI-Codierungsagenten zu erstellen.

Lerne, wie du FunctionGemma in weniger als 10 Minuten mit den kostenlosen GPUs von Kaggle optimieren kannst, von der Vorbereitung des Datensatzes und der Basisbewertung bis hin zum Training und der Validierung nach der Feinabstimmung.

Lerne, wie die Hook-basierte Automatisierung funktioniert, und fang an, Claude Code Hooks zu nutzen, um Codierungsaufgaben wie Testen, Formatieren und Empfangen von Benachrichtigungen 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.