Zum Inhalt springen
NeuraLIA Labs
AnmeldenLoslegen

David Vicente Campos

Gründer von NeuraLIA Labs & Mitgründer von MyRealFood

Ich bin Informatikingenieur mit Abschluss an der Universität León. Ich habe MyRealFood mitgegründet, wo ich als CTO die App gebaut habe, die Millionen Menschen genutzt haben, um sich besser zu ernähren, und ich habe NeuraLIA Labs gegründet, wo ich KI-Produkte entwickle. Hier schreibe ich über das, was ich unterwegs verstehen musste, so wie ich mir gewünscht hätte, dass es mir jemand erklärt.

KI von Grund auf

30 Kapitel

  1. Das Perceptron von Grund auf: Was ein Neuron berechnet
  2. Woher eine Verlustfunktion kommt: Likelihood, nicht Konvention
  3. Bergab: Gradient Descent und die zwei Schritte, die alle überspringen
  4. Klassifikation, Cross-Entropy und wie du dich nicht selbst täuschst
  5. Backpropagation von Grund auf: erst die Engine, dann das Netzwerk
  6. Zum Trainieren bringen – und zum Generalisieren
  7. BPE-Tokenizer bauen: Warum dein Modell die R nicht zählen kann
  8. Next-token prediction: Embeddings und was Perplexity bedeutet
  9. Attention und der Transformer-Block, aus einem Durchschnitt hergeleitet
  10. Pretraining eines LLM: Daten, Compute, Scaling Laws und Kosten
  11. Vom Basismodell zum Assistenten: SFT, RLHF, DPO und GRPO
  12. Chain of Thought, RLVR und Test-Time Compute: gemessen
  13. Inference günstig machen: KV cache, Batching und Quantisierung
  14. Dein erster LLM-Call in Production: Streaming, Retries, Timeouts
  15. Prompt Engineering, gemessen: Was die Ausgabe verändert
  16. Context Window, Tokens und Rechnung: gemessen
  17. Temperature, Top-p und der Determinismus, den du nicht hast
  18. Tool Calling und strukturierte Outputs: Der Vertrag, der hält
  19. RAG in Production: Chunking, Retrieval und ehrliche Zitationen
  20. Fine-Tuning, Retrieval oder Prompt? Die Entscheidung ist wirtschaftlich
  21. Multimodale Preise: Was Bilder, Audio und Video wirklich kosten
  22. Was ein AI Agent ist: fünf klassische Typen, zwei rivalisierende Definitionen
  23. Ein Agent Harness bauen: Die Schleife und ihre fünf Ausgänge
  24. Context Engineering: Warum dein agent in Runde 40 dümmer wird
  25. Multi-agent-Orchestrierung: fünf Muster – und wann eines gewinnt
  26. MCP anhand der Spec erklärt: Was ein Server wirklich ist
  27. MCP Server shippen: TypeScript und Python im Messvergleich
  28. Agent Skills und SKILL.md: Progressive Disclosure, gemessen
  29. LLM-Evaluation: Von öffentlichen Benchmarks zu deinem Golden Set
  30. Prompt Injection und die Lethal Trifecta: Einen echten Agent absichern