Data Science Tutorials

Entwickle ein Data-Engineering-MVP mit GPT-5.2 Codex. Ein Schritt-für-Schritt-Tutorial für VSCode, das sich mit agentenbasiertem Coding, Python, DuckDB und Streamlit-Workflows beschäftigt.

Lerne, wie du den neuen GitHub Copilot CLI-Agenten installierst, einrichtest und benutzt. Lerne die Modi „Ask“, „Edit“ und „Agent“, um Arbeitsabläufe direkt von deinem Terminal aus zu automatisieren.

Lerne, wie du mit Qwen-Image-2512 eine Gradio Poster Studio App baust, die E-Commerce-Werbeanzeigen mit cooler Typografie, klarem Layout und fotorealistischen Produktszenen erstellt.

Lerne, wie du das SAM Audio-Basismodell lokal ausführen kannst, und erlebe modernste Audiosegmentierung, indem du Stimmen und Geräusche mit einfachen, intuitiven Eingabeaufforderungen auf einer RTX 3090-GPU isolierst.

Lerne, wie du Docker Engine, Docker Desktop und Container-Images aktualisieren kannst – ohne deine Konfiguration zu beeinträchtigen.

Lerne in diesem schrittweisen Tutorial zum Thema Analytics Engineering alles über die Einrichtung von dbt Cloud, die Studio IDE und fortgeschrittene Funktionen wie Copilot, Mesh und die Semantic Layer.

Qwen3-VL-8B auf elektronischen Schaltplänen mit LoRA optimieren. Lerne den kompletten Ablauf von der Datenvorbereitung bis zur Veröffentlichung deines Modells auf dem Hugging Face Hub kennen.

Lerne, wie du mit Mistrals neuestem und leistungsstärksten OCR-Modell, Mistral OCR 3, Textdaten aus Dokumenten und Bildern herausholen kannst.

Schau dir die neuen Funktionen von Claude Code 2.1 an, indem du ein paar gezielte Experimente mit einem bestehenden Projekt-Repository innerhalb von CLI- und Web-Workflows machst.

Lerne, wie du mit der OpenAI-API und der Vektordatenbank ChromaDB eine multimodale RAG-Pipeline für ein visuelles Frage-Antwort-System zu IKEA-Montageanleitungen aufbaust.

Genauigkeit reicht nicht aus. Lerne den Unterschied zwischen Präzision und Recall, verstehe den Kompromiss und wähle die richtige Metrik für dein Modell.

Ein praktischer, umfassender Leitfaden zur Feinabstimmung von T5Gemma-2 (270M-270M) für LaTeX-OCR, der zeigt, wie man mit einem kleinen Datensatz ein multimodales Encoder-Decoder-Modell richtig trainiert und Inferenz damit durchführt.