AQI AIAQI · KI-Wissen
⌕
Offizielle DokumentationNicht von AQI AI getestet

Hugging Face LLMs: Modelle und Daten verstehen

Modell-/Datenkurs mit Python- und einführenden Deep-Learning-Grundlagen.

Originalkurs und Prüfumfang

Anbieter: Hugging Face · Sprache des geprüften Einstiegs: English / en

Einführung, Lehrplan und Voraussetzungen geprüft; Videos und vollständige Übungen nicht abgeschlossen.

Originalkurs öffnen ↗
Zuletzt geprüft: Ereignisdatum: Nicht geprüft
Kurzes Begriffsverzeichnis

Modelle erzeugen Inhalte und ziehen Schlussfolgerungen. Agenten erledigen Aufgaben mithilfe von Werkzeugen. Ein Harness verwaltet die Umgebung eines Agenten. MCP verbindet Werkzeuge und Daten. Skills sind wiederverwendbare Arbeitsanweisungen.

Vor dem Start

Voraussetzungen

  • Ohne Programmiergrundlagen zuerst Einsteigerpfad; Lesen erfordert weder Fine-Tuning noch Uploads oder Rechenleistung.
  • Englischen Einstieg geprüft; unser achtsprachiger Leitfaden garantiert keine Übersetzung aller Originalkapitel.

Geschätzter Zeitaufwand

Zuerst ein Übungsblatt; keine garantierte Gesamtdauer.

Umsetzungsschritte

  1. Kleines Ziel aufschreiben

    Übung für diesen Schritt: Aus drei selbst geschriebenen Sätzen eine prüfbare Frage und erwartete Antwort erstellen. Keine Arbeits- oder Privatdateien; ein Aufgabenblatt genügt.

    Quellen dieses Schritts: Hugging Face · LLM Course

  2. Eine Papierübung machen

    Übung für diesen Schritt: Modellkarte auf Papier: Autor, Aufgabe, Lizenz, Format, offene Datenherkunft. Tokenisierung, Inferenz und Training trennen; Wörter sind keine Tokens, Dateigröße kein Laufzeitspeicher.

    Quellen dieses Schritts: Hugging Face · LLM Course

  3. Mit Gegenbeispiel prüfen

    Übung für diesen Schritt: Eine unbeantwortbare Frage ergänzen und ausdrücklich „unbekannt“ verlangen. Beide Karten auf belegbare Antworten und Stoppen bei fehlender Evidenz prüfen; flüssig heißt nicht richtig.

    Quellen dieses Schritts: Hugging Face · LLM Course

  4. Über praktische Ausführung entscheiden

    Übung für diesen Schritt: Eingabe, Erwartung, echtes oder Papierergebnis, Fehler und offene Kosten auf einer Seite festhalten. Danach aktueller Kurs-Einrichtung folgen; Konten, APIs und Hardware selbst entscheiden.

    Quellen dieses Schritts: Hugging Face · LLM Course

Prüfpunkte

Übung

Eingabe, Erwartung, echtes oder Papierergebnis, Fehler und offene Kosten auf einer Seite festhalten. Danach aktueller Kurs-Einrichtung folgen; Konten, APIs und Hardware selbst entscheiden.

Kosten

Nicht geprüft

Materialien kostenlos lesbar; Konten, Inferenzkontingente, Hosting und Hardware vor Übungen prüfen. Eigene Papierübungen brauchen keinen bezahlten Dienst und registrieren nichts oder rufen APIs auf.

Grenzen und Einschränkungen

  • Einführung, Lehrplan und Voraussetzungen geprüft; Videos und vollständige Übungen nicht abgeschlossen.
  • Materialien kostenlos lesbar; Konten, Inferenzkontingente, Hosting und Hardware vor Übungen prüfen. Eigene Papierübungen brauchen keinen bezahlten Dienst und registrieren nichts oder rufen APIs auf.

Originalquellen

  1. Hugging Face · LLM Course ↗

    huggingface.co · · Offizielle Dokumentation