Data Science Tutorials

Entdecke die neue LLM-Reihe von Microsoft und steigere die Genauigkeit deines Modells von 65% auf 86%, indem du es mit dem Klassifizierungsdatensatz für den E-Commerce fein abstimmst.

Lerne, KI-Chatbots mit Streamlit, LangChain und Neo4j zu bauen. Dieses Tutorial behandelt die Erstellung von Benutzeroberflächen für LLM-Apps, die Implementierung von RAG und die Bereitstellung in Streamlit Cloud.

Entdecke die wichtigsten Unterschiede, Anwendungen und Implementierungen von Normalisierung und Standardisierung bei der Datenvorverarbeitung für maschinelles Lernen.

Die Funktion SUMMARIZE() in DAX erstellt Übersichtstabellen, indem sie Daten gruppiert und Aggregatfunktionen in Tools wie Power BI und Excel Power Pivot anwendet. Lies weiter, um zu erfahren, wie du DAX SUMMARIZE() verwenden kannst, um deine Daten zu gruppieren und zu aggregieren und daraus gute Erkenntnisse zu gewinnen.

Verstehe die Ausführungsreihenfolge von SQL und wie sie sich von der Reihenfolge beim Schreiben unterscheidet. Schreibe genaue und optimierte Abfragen für eine bessere Leistung und vermeide häufige Fehler bei der Abfragegestaltung.

Lerne Speculative RAG, eine Technik, die RAG durch einen zweistufigen Entwurfs- und Verifizierungsprozess verbessert, und wende deine Fähigkeiten bei einer praktischen Umsetzung mit Hugging Face Transformers an.

Lerne, wie Schwarmintelligenz funktioniert, indem du Ameisenkolonie-Optimierung (ACO), Partikelschwarm-Optimierung (PSO) und künstliche Bienenkolonie (ABC) mit Python implementierst.

Lerne, wie du das Llama 3.2 11B-Vision-Modell mit Gradio verwendest, um eine multimodale Web-App zu erstellen, die als Kundenbetreuungsassistent funktioniert.

In dieser Schritt-für-Schritt-Anleitung erfährst du, wie du die Fähigkeit von GPT-4o, georgische Kirchen zu erkennen, mit Bildern verbessern kannst.

Passe das GPT-4o Mini-Modell an, um Beiträge auf Reddit in "stressig" und "nicht stressig" zu klassifizieren.

Llama Stack ist eine Reihe von standardisierten Tools und APIs, die von Meta entwickelt wurden und die Erstellung und den Einsatz großer Sprachmodellanwendungen vereinfachen.

Lerne, wie du Jenkins unter Windows installierst, Jenkins-Agenten und -Pipelines einrichtest und ausführst und MLOps-Projekte mit Jenkins-Pipelines vom Modelltraining bis zum Model-Serving aufbaust.