LLM Tutorials

Lerne, wie du eine Agentic RAG-Pipeline von Grund auf aufbaust, die lokale Datenquellen und Web Scraping integriert, um kontextbezogene Antworten auf Benutzeranfragen zu generieren.

Lerne, wie du mit der Imagen 3 API von Google und Python Bilder generierst, indem du deine Umgebung einrichtest und Optionen wie das Seitenverhältnis und Sicherheitsfilter einstellst.

Erfahre, was Prompt-Caching ist und wie du es mit Ollama nutzen kannst, um LLM-Interaktionen zu optimieren, Kosten zu senken und die Leistung von KI-Apps zu verbessern.

Lerne, wie du die API von Claude 3.7 Sonnet nutzen kannst, indem du einen Gradio-basierten Research Paper Analyzer baust, um Erkenntnisse aus hochgeladenen PDFs zu gewinnen.

Lerne, wie du mit PaliGemma 2 Mix einen KI-gesteuerten Rechnungsscanner und Ausgabenanalysator baust, der Ausgaben aus Quittungen extrahiert und kategorisiert.

Lerne, wie du das riesige Kontextfenster von Gemini 2.0 Flash nutzen kannst, um ein SaaS Sales Insights Tool zu entwickeln, das Geschäftsanfragen beantwortet, ohne dass du RAG benötigst.

Lerne, wie du mit Sora AI Videos erstellst und bearbeitest, z. B. mit Remix, Loop, Re-Cut, Stilvorgaben und Storyboards.

Lerne, wie du mit Jina AI Late Chunking implementieren kannst, um die Kontexterhaltung und die Abrufgenauigkeit in RAG-Anwendungen zu verbessern.

Lerne, wie man LLMs mit dem Destillationswerkzeug von OpenAI destilliert. Dieses Tutorial bietet eine Schritt-für-Schritt-Anleitung für die Erstellung von Git-Befehlen mit GPT-4o und GPT-4o-mini.

Lerne, wie du das Gemini 2.0 Flash-Modell von Google nutzt, um einen visuellen Assistenten zu entwickeln, der Inhalte auf dem Bildschirm lesen und Fragen dazu beantworten kann - mit Python.

Erfahre, wie du mit der Bibliothek Hugging Face Evaluate deine LLM-Fähigkeiten zur Codegenerierung bewerten kannst.

Feinabstimmung des Llama 3.1-Modells, um spezielle Algebra-Probleme mit hoher Genauigkeit und detaillierten Ergebnissen mit Unsloth zu lösen.