Data Science Tutorials

Datenstrukturen sind Methoden, Daten so zu organisieren, dass sie effizient gespeichert, abgerufen und verarbeitet werden können.

Verstehe das transformatives Potenzial generativer KI – und welche Risiken du dabei im Blick behalten musst.

Lerne, wie du mit dem Python-Paket scikit-learn deinen ersten Machine-Learning-Classifier als Entscheidungsbaum baust, ihn bei Kaggle einreichst und seine Performance prüfst!

Entdecke die leistungsstarken Funktionen der OpenAI Whisper Python API für Transkription und Übersetzung. Sie unterstützt viele Sprachen und bietet mit Prompts präzisere Transkriptionen.

Dieses Schritt-für-Schritt-Tutorial zeigt detailliert, wie du das volle Potenzial von GPT-4 nutzt und die Leistung für spezialisierte Aufgaben durch Feintuning steigerst.

Führe Metas lokales agentisches Modell Muse Glimmer mit llama.cpp, dynamischer Quantisierung, DFlash Speculative Decoding, Vision-Unterstützung und OpenCode aus – für einen schnellen, privaten und kostengünstigen KI-Coding-Agenten.

Erfahre, was Multi-Head-Attention ist, wie Self-Attention in Transformern funktioniert und warum diese Mechanismen entscheidend für LLMs wie GPT-5 und VLMs wie CLIP sind – mit einfachen Beispielen, Diagrammen und Code.

Erfahre, wie dir Lernkurven helfen, deine Daten zu bewerten und optimale Lösungen zu finden.

Codestral Mamba ist ein Codegenerierungsmodell mit 7 Milliarden Parametern von Mistral AI, das die Mamba-Architektur für effizientes Codieren mit erweitertem Kontext nutzt.

Lerne die Grundlagen des Loggings in Python kennen.

In diesem Tutorial lernst du grundlegende Konzepte der Zeitreihenanalyse und einfache Methoden zur Prognose von Zeitreihendaten mit Tabellenkalkulationen.

In diesem Tutorial lernst du Tensors, PyTorch und die Erstellung eines einfachen neuronalen Netzes mit PyTorch kennen.