Tutorial LLM

Rencanakan, bangun, uji, dan terapkan proyek machine learning dari nol menggunakan model Claude Opus 4 dengan Claude Code.

Pelajari tentang Codestral 25.01 dari Mistral, termasuk kapabilitasnya, tolok ukur, dan cara menyiapkannya di VS Code untuk asisten kode.

Bebaskan agen pengkodean AI Anda dari sandbox. Pelajari cara menggunakan Codex CLI dan MCP untuk menghubungkan LLM ke data live, alat eksternal, dan alur kerja multi-agen.

Pelajari apa itu browser Comet dari Perplexity dan cara menggunakannya melalui lima contoh praktis yang bisa Anda coba sendiri.

Pelajari bagaimana contextual retrieval dari Anthropic meningkatkan akurasi sistem retrieval dan cara mengimplementasikannya langkah demi langkah.

Corrective RAG (CRAG) adalah teknik RAG yang memasukkan penilaian mandiri atas dokumen yang diambil untuk meningkatkan akurasi dan relevansi respons yang dihasilkan.

Pelajari Cursor 2 dengan membangun aplikasi web konverter mata uang menggunakan Python dan Streamlit.

Pelajari bagaimana aturan Cursor memandu AI saat menulis kode, dari mendefinisikan konteks tingkat proyek dan pola pencocokan file hingga menjaga aturan tetap akurat dan mutakhir seiring waktu.

Pelajari cara menggunakan DeepSeek API, termasuk pemilihan model, pengelolaan parameter, optimasi biaya, context caching, dan optimasi chain-of-thought.

Pelajari cara menjalankan DeepSeek OCR-2 secara lokal dengan vLLM dan membangun sistem tanya jawab PDF inkremental yang melakukan OCR mini-batch, pencarian berbasis FAISS, dan kueri waktu nyata dengan antarmuka Gradio.

Jelajahi DeepSeek-OCR, model visi-bahasa untuk memahami dokumen. Lihat 7 uji OCR nyata pada bagan, matematika, meme, dan catatan tulisan tangan.

Pelajari cara menginstal, menyiapkan, dan menjalankan DeepSeek-R1 secara lokal dengan Ollama serta membangun aplikasi RAG sederhana.