Data Science Tutorials

Lerne, wie du Qwen3-Next lokal ausführen, mit Transformers Serve bereitstellen und über cURL und das OpenAI SDK interagieren kannst, damit du es in deine Apps integrieren kannst.

Lerne, wie du mit Snowflake Cortex AI einen Chatbot entwickelst. Schritt-für-Schritt-Anleitung zum Vorbereiten von Daten, zum Benutzen von Cortex Search und zum Bereitstellen mit Streamlit.

Lerne, wie Self-RAG das klassische RAG durch integriertes iteratives Denken und Selbstbewertung verbessert und wie du es Schritt für Schritt mit LangGraph umsetzen kannst.

Lerne, was LiteLLM ist und wie du es für einheitliche API-Aufrufe an verschiedene LLM-Anbieter nutzen kannst, einschließlich grundlegender API-Nutzung, Fehlerbehandlung, Fallbacks, Streaming, strukturierten Ausgaben und Kostenverfolgung.

Lerne, wie du eine Streamlit-App baust, um Qwen3-Next-80B-A3B und andere Qwen-Modelle direkt zu vergleichen, wobei du dich auf echte Leistungsdaten konzentrierst.

Lerne, was dbt-Makros sind, was sie machen und wie man sie in dbt-Modellen definiert und aufruft.

Lerne, was Datenmodelle in DBMS sind, welche Arten es gibt, wie sie aufgebaut sind und wie man sie entwickelt. Enthält PostgreSQL-Beispiele, ER-Diagramme und Optimierungstipps.

Schritt-für-Schritt-Anleitung zum Einsatz eines produktionsreifen Mosquitto MQTT-Brokers mit Docker-Containern. Beinhaltet Authentifizierung, TLS-Verschlüsselung, Persistenzkonfiguration und Integration mit Home Assistant.

Schau dir an, wie Azure Database for MySQL – Flexible Server moderne Daten-Workflows mit einer fortschrittlichen Architektur, Kostenoptimierung und nahtloser Azure-Integration unterstützt.

Eine kurze Anleitung, wie du Git unter Windows über die GUI und die CLI installierst.

Lerne, wie du Roo Code, einen Open-Source-KI-Coding-Assistenten, installierst und benutzt, und vergleiche seine Features und Funktionen mit denen von Cline.

Feed-Forward-Neuralnetzwerke (FFNNs) sind die Basis für Deep Learning und werden in der Bilderkennung, in Transformatoren und in Empfehlungssystemen genutzt. Dieses komplette FFNN-Tutorial erklärt ihre Architektur, die Unterschiede zu MLPs, Aktivierungen, Backpropagation, Beispiele aus der Praxis und die PyTorch-Implementierung.