Data Science Tutorials

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

Lerne die wichtigsten Grundlagen und die Installation von Bokeh kennen

Erfahre alles über eine vielseitige Open-Source-Anwendung, die die OpenAI- und Google-AI-APIs nutzt, um dir ein besseres Nutzungserlebnis zu bieten. Sie ist für Desktop und Browser verfügbar und lässt sich sogar privat deployen.

Lerne die führende Unified-Plattform für Big-Data-Analytics kennen: Databricks. Das Tutorial behandelt die sieben Kernkonzepte und Features von Databricks und wie sie zusammenspielen, um reale Herausforderungen in der modernen Datenwelt zu lösen.

Dieses Tutorial vermittelt die Grundlagen von Datenpipelines und die passende Terminologie für angehende Data Professionals – inklusive Einsatzszenarien, gängigen Technologien und Tipps für den Pipeline-Aufbau.

Lerne DynamoDB mit Node.js in diesem Einsteigerleitfaden. Entdecke das Anlegen von Tabellen, CRUD-Operationen und Skalierbarkeit in der NoSQL-Datenbank von AWS.

In diesem Beitrag betrachten wir die Architektur, die Trainingsdaten, die Features sowie Inferenz und Finetuning des Falcon-40B-Modells.

Entdecke die Grundlagen der Graphentheorie in diesem Einsteiger-Guide. Lerne Knoten, Kanten und verschiedene Grapharten kennen, um komplexe Netzwerke und Anwendungen zu verstehen.

LangChain ist ein Framework, um KI aus großen Sprachmodellen in Datenpipelines und Anwendungen einzubinden. Dieses Tutorial zeigt, was mit LangChain möglich ist: welche Probleme es löst und Beispiele für Dateneinsatzszenarien.

Entdecke, wie LangSmith das Testen und Debuggen von LLMs für KI-Anwendungen optimiert. Verbessere die Qualitätssicherung und beschleunige die Entwicklung mit Praxisbeispielen.

Erfahre alles Wichtige über LMQL (Language Models Query Language), eine innovative Programmiersprache für LLMs.

Entdecke die Feinheiten nichtlinearer Modelle im Vergleich zu linearen Modellen. Lerne ihre Anwendungsfälle, Grenzen und das Fitten mit realen Datensätzen kennen.