Die Mathematik hinter LLMs
01 – Die Mathematik hinter LLMs – einfach erklärt
In Teil 1 der Serie sehen wir, wie natürliche Sprache mathematisch zerlegt und dargestellt wird, ...
02 – Wie LLMs lernen – Fehler, Optimierung und Kontrolle
Teil 2 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
03 – Robustheit & Langzeitgedächtnis: Wie LLMs Kontext halten und
Teil 3 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
04 – Pretraining, Finetuning & Spezialisierung: Wie LLMs ihren Charakter
Teil 4 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
05 – Das Innenleben von LLMs: Transformer, Attention & Residuals
Teil 5 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
06 – Sprachmodell ist nicht gleich Sprachmodell: Wofür LLMs wirklich
Teil 6 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
07 – Eigene LLMs im Unternehmen: Hosting, Modelle & Tools
Teil 7 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
08 – DSGVO, AI Act & Co.: Wie du LLMs
Teil 8 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
09 – Wissen statt Raten: Wie RAG Sprachmodelle auf dein
Teil 9 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
10 – RAG in der Praxis: Wie du produktionsreife LLM-Systeme
Teil 10 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
11 – Wenn das Modell lügt, ohne zu wissen, dass
Teil 11 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
12 – Closed vs. Open: Welche Sprachmodelle eignen sich wirklich
Teil 12 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
13 – Finetuning verstehen: Wann lohnt sich das Nachtrainieren von
Teil 13 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
14 – LLMs automatisieren: Wie du Sprachmodelle sinnvoll in Workflows
Teil 14 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
15 – Was sind Agenten? Wenn LLMs mehr als nur
Teil 15 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
16 – Prompt Engineering im Unternehmenskontext – robust, wiederverwendbar, wirksam
Teil 16 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
17 – LLMs orchestrieren: Decision Routing und Multi-Model-Strategien verstehen
Teil 17 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
18 – LLMs in der Praxis betreiben: Infrastruktur, Monitoring &
Teil 18 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
19 – Was LLMs (noch) nicht können – und wo
Teil 19 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
20 – Best Practices & Quickstart für den Einsatz von
Teil 20 der Serie: Die Mathematik hinter großen Sprachmodellen verständlich erklärt ...
Weitere Inhalte sind bereits in Vorbereitung ...