LLM Tutorials

In diesem DeepSeek-R1-Tutorial lernst du, wie du eine App zum Lösen von mathematischen Rätseln erstellst, indem du DeepSeek-R1 mit EasyOCR und Gradio integrierst.

Lerne, wie du DeepSeek-R1 lokal mit Ollama installierst, einrichtest und ausführst und eine einfache RAG-Anwendung erstellst.

Lerne, wie du das DeepSeek Janus-Pro Projekt einrichtest, dein eigenes Docker-Image erstellst und die Janus-Webanwendung lokal auf deinem Laptop ausführst.

Die Feinabstimmung des weltweit ersten Open-Source-Schlussfolgermodells auf dem medizinischen Chain-of-Thought-Datensatz, um bessere KI-Ärzte für die Zukunft zu entwickeln.

Erfahre, wie du die Genesis Physics Engine auf Google Colab einrichtest und ausführst, wie du die Herausforderungen bei der Installation meisterst und wie du mit Physiksimulationen beginnst.

Lerne, wie du eine vereinfachte Implementierung des RStar-Frameworks mit einer Kombination aus neuronalen Netzen, symbolischem Denken und Monte Carlo Tree Search (MCTS) erstellst.

Erfahre mehr über Mistrals Codestral 25.01, einschließlich seiner Fähigkeiten, Benchmarks und wie du es in VS Code für die Codeunterstützung einrichtest.

Erfahre, wie du mit der neuen Python-Bibliothek smolagents von Hugging Face die Erstellung von KI-Agenten vereinfachen kannst, und verfolge ein Demoprojekt, um es in Aktion zu sehen.

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 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.