Data Science Tutorials

Schritt-für-Schritt-Methoden, um führende Nullen in Excel aus Zahlen- und Textwerten zu entfernen.

Lerne, wie du Thinking Machines' Inkling lokal ausführst. Ein kompletter Leitfaden zum Bauen der experimentellen llama.cpp-Version, zum Herunterladen von Unsloth-GGUFs und zum Serving über mehrere GPUs.

In this tutorial to deep learning in R with RStudio's keras package, you'll learn how to build a Multi-Layer Perceptron (MLP).

Praxisnahes Tutorial: Kimi K2 Thinking ausführen, Tool-Workflows bauen, transparentes Reasoning einsehen und gegen GPT-5 und Claude 4.5 benchmarken.

Vergleiche LangChain, LangGraph, LangSmith und LangFlow. Erfahre Rollen, Stärken und wann du welches Framework für produktionsreife KI-Anwendungen einsetzt.

Baue ein Dokument-Q&A-Tool und entdecke, wie LangFuse Debugging vereinfacht, Kosten trackt und Prompts in komplexen LLM-Anwendungen organisiert.

Lerne, wie LMCache KV-Zustände über LLM-Anfragen hinweg speichert und wiederverwendet, mit vLLM integriert und wiederholte Prefill-Berechnungen bei Long-Context-Inferenz reduziert.

Verstehe, warum du Daten zwischen Long- und Wide-Format transformierst, und lerne, wie das in R mit melt() und dcast() funktioniert!

Erfahre, was MongoDB Compass ist und wie du das visuelle Tool für die Datenbankverwaltung nutzt.

Erfahre, was ein Monorepo ist und wie es sich von Polyrepo-Ansätzen unterscheidet. Entdecke echte Vorteile, häufige Herausforderungen sowie Tools und Strategien, die Monorepos skalierbar machen.

Lerne, wie du Googles neueste multimodale Modelle nutzt, um performante, kostengünstige Bild- und Video-Pipelines in Python zu bauen.

Erfahre, wie Googles Nano Banana Pro (auch Gemini 3 Pro Image) die KI-Bildgenerierung voranbringt – mit Studio-Controls, konsistenter Charakterdarstellung und Realwelt-Grounding.