LLM-tutorials

Ontdek hoe Docker Model Runner lokale LLM-executie vereenvoudigt, privacy verbetert, kosten verlaagt en naadloos integreert met bestaande Docker-tools.

Stel Ollama in Docker in om lokale LLM’s zoals Llama en Mistral te draaien. Houd je gegevens privé, schrap API-kosten en bouw AI-apps die offline werken.

Leer hoe je FunctionGemma in minder dan 10 minuten fine-tunet met de gratis GPU’s van Kaggle, van datasetvoorbereiding en baseline-evaluatie tot training en validatie na het fine-tunen.

Fine-tune het nieuwe Gemma-model met de finance reasoning-dataset om de nauwkeurigheid te verbeteren en de stijl van de dataset over te nemen.

Leer hoe je het beste open-source redeneermodel fine-tunet op een dataset met medische multiplechoicevragen (MCQ's) met een consumentengpu.

Fine-tunen van ’s werelds eerste open-source redeneermodel op de medische chain-of-thought-dataset om betere AI-artsen voor de toekomst te bouwen.

Pas het GPT-4o Mini-model aan om posts van Reddit te classificeren als "stressvol" en "niet-stressvol".

Een stapsgewijze gids voor het fijn-afstemmen van het OpenAI GPT-OSS 20B-model op de medische vraag-en-antwoorddataset, voor zowel nauwkeurigheid als stijl-overname.

Leer hoe je de lichte en vision-modellen van Llama 3.2 op Kaggle opent, het model fijnstemt op een aangepast dataset met gratis GPU’s, het model samenvoegt en exporteert naar de Hugging Face Hub, en het fijn-afgestemde model naar GGUF converteert zodat je het lokaal kunt gebruiken met de Jan-applicatie.

Leer hoe je een multimodaal model van Meta AI fijnslijt op de Amazon-productdataset met het Unsloth-framework.

Leer hoe je het Llama 4 Scout Instruct-model fine-tunet op een dataset voor medisch redeneren met RunPod-GPU’s.

Stapsgewijze gids voor het fijn-tunen van het Mistral-reasoningmodel op een medische MCQ-dataset met het Transformers-framework.