Herzlich willkommen!ÜberblickArten von maschinellem LernenAlgorithmen des maschinellen LernensStatistisches maschinelles LernenLineare Algebra für maschinelles LernenQuantifizierung von UnsicherheitenAbwägung zwischen Verzerrung und VarianzÜberblickMerkmalsauswahlMerkmalsextraktionVektoreinbettungLatenter RaumHauptkomponentenanalyseLineare DiskriminanzanalyseUpsamplingDownsamplingSynthetische DatenDatenlecksÜberblickLineare RegressionLasso-RegressionRidge-RegressionZustandsraummodellZeitreiheAutoregressives ModellÜberblickEntscheidungsbäumeK-Nearest-Neighbors (KNNs)Naive BayesRandom ForestSupport-Vektor-MaschineLogistische RegressionÜberblickBoostingBaggingGradient BoostingGradient Boosting ClassifierÜberblickTransferlernenÜberblickÜberblickK-Means ClusteringHierarchisches ClusteringA-priori-AlgorithmusGaußsches MischungsmodellAnomalieerkennungÜberblickKollaborative FilterungInhaltsbasierte FilterungÜberblickVerstärkendes Lernen mit menschlichem FeedbackÜberblickÜberblickBackpropagationEncoder-Decoder-ModellRecurrent Neural NetworksConvolutional Neural NetworksÜberblickAufmerksamkeitsmechanismusGrouped Query AttentionPositionskodierungAutoencoderMamba-ModellGraph Neural NetworkÜberblickGeneratives ModellGenerative KI im Vergleich zu prädiktiver KIÜberblickLogischkeitsmodelleKleine SprachmodelleAnweisungsoptimierungLLM-ParameterLLM-TemperaturLLM-BenchmarksLLM-AnpassungDiffusionsmodelleVariational Autoencoder (VAE)Generative Adversarial Networks (GANs)ÜberblickVisionssprachmodelleTutorial: Erstellen Sie einen KI- StylistenTutorial: Multimodale KI-Abfragen mit LlamaTutorial: Multimodale KI-Abfragen mit PixtralTutorial: Automatische Podcast-Transkription mit GraniteTutorial: PPT-KI-Bildanalyse-AntwortsystemÜberblickGraphRAGTutorial: Erstellen Sie ein multimodales RAG-System mit Docling und GraniteTutorial: Evaluieren Sie die RAG-Pipline mit RagasTutorial: RAG-Chunking-StrategienTutorial: RAG mithilfe von Wissensdiagrammen grafisch darstellenTutorial: Inferenzskalierung zur Verbesserung multimodaler RAGÜberblickVibe-CodierungBesuchen Sie den Leitfaden zu KI-Agenten 2025ÜberblickVerlustfunktionTrainingsdatenModellparameterGradientenabstiegStochastischer GradientenabstiegHyperparameter-TuningLernrateÜberblickParameter-efficient Fine-Tuning(PEFT)LoRATutorial: Feinabstimmung des Granite-Modells mit LoRARegularisierungFoundation ModelsOverfittingUnderfittingFew-Shot-LearningZero-Shot-LearningKnowledge DistillationMeta-LearningData AugmentationCatastrophic ForgettingÜberblickScikit-learnXGboostPyTorchÜberblickKI-LebenszyklusKI-InferenzModellbereitstellungPipeline für maschinelles LernenDatenkennzeichnungModellrisikomanagementModelldriftAutoMLModellauswahlFöderiertes LernenVerteiltes maschinelles LernenKI-StackÜberblickNatural Language UnderstandingÜberblickStimmungsanalyseMaschinelle ÜbersetzungÜberblickInformationsabrufInformationsextraktionThemen-ModellierungLatente semantische AnalyseLatent Dirichlet AllocationNamed Entity RecognitionWorteinbettungenBag of WordsIntelligente SucheSpracherkennungStemming und LemmatizationTextzusammenfassungDialogorientierte KIKonversationsanalyseGenerierung natürlicher SpracheÜberblickBildklassifikationObjekterkennungInstanzsegmentierungSemantische SegmentierungOptische ZeichenerkennungBilderkennungVisuelle InspektionRAGVerarbeitung natürlicher Sprache (Natural Language Processing, NLP),Granite ModelsRagasUnitxtEvalsRAG-Tutorialwatsonx.aiHier können Sie sich kostenlos registrierenwatsonx.aiwatsonx.ai-ProjektJupyter NotebookIBM Granite-Community.GitHubwatsonx.ai RuntimeAPI-Schlüsseldem Projekt, das Sie in watsonx.ai erstellt haben.erstellenHugging FaceHuggingFace-DokumentationAmnesty InternationalGranite-Modellwatsonx.ai LangChain-WrapperRagas-DokumentationsseiteE-Book
Nutzen Sie die Leistungsfähigkeit generativer KI und ML
Erfahren Sie, wie Sie generative KI und maschinelles Lernen sicher in Ihr Unternehmen integrieren können.
E-Book lesenLernprogramm
IBM Developer: RAG-Tutorials
Entdecken Sie alle IBM Developer RAG-Tutorials (Retrieval-Augmented Generation).
Training beginnenTechsplainers-Podcast
Retrieval-Augmented Generation (RAG) erklärt
„Techsplainers“ von IBM schlüsselt die Grundlagen der RAG auf, von Schlüsselkonzepten bis hin zu realen Anwendungsfällen. Klare, kurze Episoden helfen Ihnen, die Grundlagen schnell zu erlernen.
Jetzt anhörenBlog
IBM RAG Cookbook
Erkunden Sie eine umfassende Sammlung von Best Practices, Überlegungen und Tipps für die Entwicklung von RAG-Lösungen, zugeschnitten auf geschäftliche Anwendungsfälle..
Blog lesenArtikel
IBM Developer: RAG-Artikel
Entdecken Sie alle IBM Developer RAG-Artikel (Retrieval-Augmented Generation).
Erste SchritteArchitektur
Architektur für Retrieval-Augmented Generation (RAG)
Entdecken Sie bewährte Architekturmuster, die die Erstellung von Technologielösungen zur Bewältigung Ihrer geschäftlichen Herausforderungen beschleunigen.
Architektur erkundenLernprogramm
Erstellen eines RAG-Agenten zur Beantwortung komplexer Fragen
Verwenden Sie Python, LangGraph, watsonx.ai, Elasticsearch und Tavily, um ein maßgeschneidertes, modulares agentisches KI-System aufzubauen.
Training beginnenLernprogramm
Schnellstart: Prompting für ein Foundation Model mithilfe des Retrieval-Augmented Generation-Musters
Erfahren Sie, wie Sie Foundation Models in IBM watsonx.ai verwenden, um eine faktisch genaue Ausgabe zu generieren, die auf Informationen in einer Wissensdatenbank basiert, indem Sie das Muster für Retrieval-Augmented Generation anwenden.
Training beginnenEntdecken sie watsonx.aiErkunden Sie KI-LösungenKI-Services entdeckenwatsonx.ai erkundenBuchen Sie eine Live-Demo
智能索引记录
-
2026-05-02 00:00:15
宠物用品
成功
标题:找私服为何官服中法师不能招极品半兽勇士做宠物_复古传奇,zhaosf,zhaosf.com,新开传奇网站,sf123
简介:本文由小编树英勋精心为你寻找找私服为何官服中法师不能招极品半兽勇士做宠物传奇合击1.76传奇合击1.76提起极品怪就不得
-
2026-05-02 13:38:25
综合导航
成功
标题:重生八零团宠小神医_李慢慢_第154章 神医叶琳琅_全本小说网
简介:全本小说网提供重生八零团宠小神医(李慢慢)第154章 神医叶琳琅在线阅读,所有小说均免费阅读,努力打造最干净的阅读环境,
-
2026-04-25 18:56:42
综合导航
成功
标题:巴西兰维瓦领航VS巴伦苏埃拉精英直播在线观看将在2026-04-13 18:00:00开始-篮球直播-24直播
简介:巴西兰维瓦领航VS巴伦苏埃拉精英
-
2026-04-30 14:37:10
综合导航
成功
标题:What is the difference between Impressionism and Post-Impressionism? Britannica
简介:What is the difference between Impressionism and Post-Impres
-
2026-04-26 05:19:43
新闻资讯
成功
标题:在数据科学领域,为什么 Python 比 R 更好?, 站长资讯平台
简介:作者:刘志勇编译 来源:AI前线 经常有读者问我们,在数据科学领域里,到底是该选 Python 呢,还是选 R 更好?诚