GenAI & LangChain
LLMs (GPT, Gemini, Claude), Prompting, LangChain, Chains, Agents, RAG, Vector Stores, Embeddings
1Was ist ein LLM (Large Language Model)?
Was ist ein LLM (Large Language Model)?
Antwort
Ein LLM ist ein Deep-Learning-Modell, das auf riesigen Textmengen trainiert wird, um natürliche Sprache zu verstehen und zu generieren. Diese Modelle nutzen die Transformer-Architektur mit Milliarden von Parametern, wodurch sie sprachliche Nuancen erfassen, komplexen Anweisungen folgen und kohärenten Text generieren können. GPT-4, Claude und Gemini sind Beispiele für LLMs, die in Produktion eingesetzt werden.
2Was ist der Hauptunterschied zwischen Zero-Shot- und Few-Shot-Prompting?
Was ist der Hauptunterschied zwischen Zero-Shot- und Few-Shot-Prompting?
Antwort
Zero-Shot-Prompting bittet das Modell, eine Aufgabe ohne vorherige Beispiele auszuführen, und verlässt sich nur auf Anweisungen. Few-Shot-Prompting enthält einige Eingabe/Ausgabe-Paar-Beispiele im Prompt, um das Modell zu leiten. Few-Shot verbessert im Allgemeinen die Leistung bei spezifischen Aufgaben, da das Modell aus den bereitgestellten Beispielen das erwartete Format und den Stil ableiten kann.
3Was ist Chain-of-Thought (CoT) Prompting?
Was ist Chain-of-Thought (CoT) Prompting?
Antwort
Chain-of-Thought-Prompting ist eine Technik, die das LLM ermutigt, seine Überlegungen Schritt für Schritt aufzuschlüsseln, bevor es seine endgültige Antwort gibt. Durch das Hinzufügen von Phrasen wie 'Denken wir Schritt für Schritt nach' oder das Zeigen von Beispielen für Überlegungen verbessert sich die Leistung bei logischen, mathematischen oder mehrstufigen Aufgaben erheblich. Dieser Ansatz macht auch den Entscheidungsprozess transparenter und überprüfbarer.
Was ist LangChain und was ist sein Hauptziel?
Was ist eine Chain in LangChain?
+21 Interview-Fragen
Weitere Data Science & ML-Interviewthemen
Python-Grundlagen
Python Objektorientierte Programmierung
Python-Datenstrukturen
Git-Grundlagen
SQL-Grundlagen
NumPy-Grundlagen
Pandas-Grundlagen
Jupyter & Google Colab
SQL Joins & fortgeschrittene Abfragen
Fortgeschrittenes Pandas
Visualisierung mit Matplotlib & Seaborn
Interaktive Visualisierungen mit Plotly
Deskriptive Statistik
Inferenzstatistik
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Überwachtes ML: Regression
Überwachtes ML: Klassifikation
Entscheidungsbäume & Ensembles
Unüberwachtes ML
ML-Pipelines & Validierung
Zeitreihen & Prognosen
Grundlagen des Deep Learning
TensorFlow & Keras
CNN und Bildklassifizierung
RNN & Sequenzen
Transformers & Attention
NLP & Hugging Face
MLOps und Deployment
Meistere Data Science & ML für dein nächstes Interview
Zugang zu allen Fragen, Flashcards, technischen Tests, Code-Review-Übungen und Interview-Simulatoren.
Kostenlos starten