Data Science Tutorials

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

Erfahre, wie Computer Bilder „sehen“ und interpretieren, welche Techniken zur Bildmanipulation es gibt und wie Machine Learning das Feld verändert hat.

Um dich mit der Claude 3.5 Sonnet API zu verbinden, hol dir deinen API-Schlüssel von Anthropic, installiere die Python-Bibliothek anthropic und nutze sie, um Anfragen zu senden und Antworten von Claude 3.5 Sonnet zu erhalten.

Lerne die QR-Zerlegung kennen – die Matrixfaktorisierung, die eine Matrix A als Produkt aus einer orthogonalen Matrix Q und einer oberen Dreiecksmatrix R darstellt.

Welche Shell-Befehle nutzen Data Scientists fast täglich? Entdecke sie und lerne sie in diesem Tutorial anzuwenden!

Lerne die Grundlagen von PySide6, baue deine erste Desktop-Anwendung und integriere Visualisierungen aus beliebten Data-Science-Bibliotheken.

Entdecke, wie die KI-Agenten Auto-GPT, AgentGPT und BabyAGI autonome KI-Systeme verändern. Erfahre mehr über Anwendungen, Grenzen und mehr.

Erfahre, wie das COCOMO-Modell Aufwand, Kosten und Zeitplan schätzt. Deckt Basic, Intermediate, Detailed und COCOMO II mit Formeln und Beispielen ab.

In diesem Tutorial lernst du, wie du Kundensegmentierung mit der RFM-Analyse (Recency, Frequency, Monetary) von Grund auf in Python umsetzt.

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.

Eine Schritt-für-Schritt-Anleitung zum Entwickeln semantischer Suchanwendungen mit OpenAI und Pinecone in Python.

Lerne, LLMs mit TPUs zu inferieren und zu feinabstimmen und setze Modellparallelität für verteiltes Training auf 8 TPU-Geräten um.