Machine Learning Blog

Tutorial: OpenAIs gpt-oss lokal nutzen, Schritt für Schritt zum eigenen KI-Chatbot mit Ollama

Künstliche Intelligenz zieht immer stärker in den Alltag ein – und dank neuer Entwicklungen wie gpt-oss von OpenAI ist sie längst nicht mehr nur den großen Rechenzentren und Online-Diensten vorbehalten. Wer sich schon einmal gefragt hat, wie es wäre, ein leistungsstarkes Sprachmodell direkt auf dem eigenen Computer laufen zu lassen, kann das jetzt ganz einfach ausprobieren. Dabei werden keine Daten an externe Server geschickt, die KI bleibt komplett privat und funktioniert sogar ohne Internetverbindung.

Möglich wird das durch das Zusammenspiel von gpt-oss und der Plattform Ollama. Über gpt-oss als Modell habe ich bereits im folgenden Blogpost geschrieben: OpenAIs neues lokales Sprachmodell: gpt-oss – Revolution auf dem eigenen Computer In diesem Beitrag zeigt eine Schritt-für-Schritt-Anleitung, wie gpt-oss im Handumdrehen auf dem eigenen Rechner installiert und genutzt werden kann – ganz ohne komplizierte Vorkenntnisse oder technische Hürden.

OpenAIs neues lokales Sprachmodell: gpt-oss – Revolution auf dem eigenen Computer

Die Welt der Künstlichen Intelligenz dreht sich schnell – manchmal schneller, als man glauben mag oder möchte. Kaum hat man sich an den Gedanken gewöhnt, dass KI-Modelle wie ChatGPT scheinbar allwissend Antworten geben, rollt schon die nächste Welle der Innovation auf die Gesellschaft zu. Diesmal ist es OpenAI selbst, das mit einem neuen Ansatz für Aufmerksamkeit sorgt: Mit gpt-oss stellt das Unternehmen erstmals ein leistungsstarkes Sprachmodell zur Verfügung, das jeder Mensch auf dem eigenen Computer laufen lassen kann und zwar unabhängig vom Internet. Doch was steckt wirklich hinter diesem Modell? Welche Neuerungen bringt es und warum sprechen viele davon, dass dies ein Paradigmenwechsel für KI sein könnte?

Quanten-Machine-Learning: Ein erster Blick in die Zukunft der KI?

Künstliche Intelligenz (KI) durchdringt unseren Alltag: von personalisierten Empfehlungen im Online-Handel bis hin zu selbstfahrenden Autos. Ein zentraler Baustein vieler KI-Anwendungen ist das Machine Learning (ML), also das maschinelle Lernen. Doch was passiert, wenn man diese leistungsstarke Technologie mit den revolutionären Möglichkeiten des Quantencomputings kombiniert? Die Antwort könnte ein Technologiesprung sein, der die Grenzen des bisher Machbaren verschiebt: Quanten-Machine-Learning (QML).

ML-Entwicklungsumgebung auf macOS mit Apple Silicon: Setup-Guide für Python

Optimiere deinen Workflow am Mac. Ein praktischer Leitfaden zur Einrichtung einer leistungsfähigen Python-Entwicklungsumgebung für Machine Learning auf Macs mit Apple-Silicon-Chips, inklusive Tipps zur Installation relevanter Bibliotheken.

Die Welt der künstlichen Intelligenz und des maschinellen Lernens (ML) boomt. Immer mehr Anwendungen basieren auf Algorithmen, die aus Daten lernen und Vorhersagen treffen. Für alle, die sich mit dieser spannenden Technologie beschäftigen wollen, ist eine gut eingerichtete Entwicklungsumgebung unerlässlich. Besonders interessant ist das für Besitzer eines Macs mit Apple Silicon Chip, da diese Prozessoren eine beeindruckende Leistung bieten, die ideal für rechenintensive ML-Aufgaben ist. Dieser Artikel dient als Wegweiser durch den Dschungel der Installationen und Konfigurationen, um eine optimale Python-Entwicklungsumgebung auf dem Mac zu schaffen.

Buchrezension: „Deep Learning mit Python und Keras“ von François Chollet

In der Welt der künstlichen Intelligenz hat sich Deep Learning als eine der aufregendsten und mächtigsten Technologien etabliert. Es ermöglicht Computern, komplexe Muster zu erkennen, Entscheidungen zu treffen und Probleme zu lösen, die zuvor als unlösbar galten. Für alle, die in dieses faszinierende Feld eintauchen möchten, gibt es eine Fülle von Ressourcen, aber ein Buch sticht besonders hervor: „Deep Learning mit Python und Keras“ von François Chollet, dem Schöpfer der beliebten Keras-Bibliothek. Aber lohnt sich die Lektüre wirklich? Eine detaillierte Rezension soll Licht ins Dunkel bringen.

Python oder Java lernen: Zwei Giganten im Vergleich

Python und Java gehören zu den bekanntesten Programmiersprachen der Welt. Beide sind seit Jahrzehnten im Einsatz, beide haben Millionen Fans – und doch könnten sie in vielen Punkten kaum unterschiedlicher sein. Ein genauer Blick auf Syntax, Typensystem, Leistung und typische Anwendungsbereiche zeigt, welche Stärken und Eigenheiten jede Sprache mitbringt. Bex Tuychiev hat auf datacamp.com die Unterschiede und Ähnlichkeiten gut zusammengefasst. Lasst uns einen Blick auf seine Punkte werfen.

Kostenlos Machine Learning lernen: Der Einstieg mit dem Google Crash Course

Künstliche Intelligenz (KI) ist längst keine Zukunftsmusik mehr, sondern prägt unseren Alltag in vielfältiger Weise. Von personalisierten Empfehlungen beim Online-Shopping bis hin zu selbstfahrenden Autos – KI-Systeme sind allgegenwärtig. Doch was steckt eigentlich hinter diesen intelligenten Algorithmen? Und wie kann man selbst in diese faszinierende Welt eintauchen? Google bietet mit seinem „Machine Learning Crash Course“ eine kostenlose und umfassende Möglichkeit, die Grundlagen des maschinellen Lernens (ML) zu erlernen.

Warum es sinnvoll ist, die Programmiersprache Python zu lernen

Python ist in der heutigen digitalen Welt nicht nur eine Programmiersprache, sondern ein Werkzeug, das in unterschiedlichsten Bereichen zum Einsatz kommt. Von der Webentwicklung über die Datenanalyse bis hin zur Künstlichen Intelligenz hat sich Python als vielseitige Sprache etabliert, die nicht nur Profis, sondern auch Anfänger anspricht. Doch was macht Python so besonders und gibt es auch Nachteile, diese Sprache zu lernen?

Wie Studierende KI im Unialltag einsetzen – Chancen, Risiken und ein Blick in die Zukunft

Künstliche Intelligenz ist längst ein integraler Bestandteil im akademischen Alltag vieler Studierender geworden. Ein aktueller Bericht des Unternehmens Anthropic zeigt auf, wie Studierende die KI Claude in ihrem Studienalltag tatsächlich nutzen – jenseits von Umfragen und Experimenten.

Warum Programmieren im Zeitalter der KI eine wertvolle Fähigkeit bleibt

Das Zeitalter der Künstlichen Intelligenz hat begonnen, und es verspricht, unser Leben grundlegend zu verändern. In einer Welt, die von digitalen Technologien durchdrungen ist, könnte man sich fragen, ob es überhaupt noch sinnvoll ist, das Programmieren zu lernen. Schließlich sind viele Aufgaben, die einst erfahrenen Entwicklern vorbehalten waren, heute durch KI-gestützte Tools automatisierbar. Doch hinter dieser Frage steckt mehr als nur die Abwägung zwischen Nutzen und Aufwand. Programmieren ist nicht nur eine technische Fähigkeit – es ist ein Schlüssel zu einer Welt voller Möglichkeiten.