Tutorial sui LLM

Crea un'app Streamlit che esegue Claude Opus 4.8 con ragionamento adattivo, valuta automaticamente ogni risposta con Haiku 4.5 e mostra il compromesso costo-qualità.

Progetta, crea, testa e distribuisci da zero un progetto di machine learning usando il modello Claude Opus 4 con Claude Code.

Scopri Codestral 25.01 di Mistral: funzionalità, benchmark e come configurarlo in VS Code per l'assistenza al codice.

Fai uscire il tuo agente di coding AI dal suo sandbox. Scopri come usare Codex CLI e MCP per collegare gli LLM a dati in tempo reale, strumenti esterni e workflow multi‑agente.

Scopri cos’è Comet, il browser di Perplexity, e come usarlo attraverso cinque esempi pratici che puoi provare tu stesso.

Scopri come il contextual retrieval di Anthropic migliora l’accuratezza dei sistemi di retrieval e come implementarlo passo dopo passo.

Corrective RAG (CRAG) è una tecnica RAG che incorpora l'auto-valutazione dei documenti recuperati per migliorare l'accuratezza e la pertinenza delle risposte generate.

Impara Cursor 2 creando una web app per convertire valute con Python e Streamlit.

Scopri come le regole di Cursor guidano la scrittura del codice con l’AI: dal contesto a livello di progetto e i pattern di corrispondenza dei file al mantenimento di regole accurate e aggiornate nel tempo.

Impara a usare la DeepSeek API: scelta del modello, gestione dei parametri, ottimizzazione dei costi, caching del contesto e ottimizzazione della chain-of-thought.

Scopri come eseguire DeepSeek OCR-2 in locale con vLLM e creare un sistema Q&A per PDF incrementale che esegue OCR in mini-batch, retrieval basato su FAISS e query in tempo reale con interfaccia Gradio.

Scopri DeepSeek-OCR, un modello visione-linguaggio per la comprensione dei documenti. Guarda 7 test OCR reali su grafici, matematica, meme e note scritte a mano.