Generative KI mit Python

Das Praxisbuch für eigene KI-Anwendungen
Artikelnummer: 978-3-367-12009-3
Einband: Fester Einband
Verfügbarkeit: Noch nicht erschienen, November 2026
CHF 52.50
decrease increase

Ihr Guide für eigene RAG-Anwendung!

Freuen Sie sich auf einen umfassenden Einstieg in die Welt der Generativen KI mit Python. Dieses Buch deckt Schlüsselkonzepte wie Large Language Models (LLMs), LangChain, Vektordatenbanken, das Model Context Protocol (MCP) und Retrieval-Augmented-Generation (RAG) ab. Sie lernen die Grundlagen des Prompt Engineering kennen, steigen ins Agentic Coding ein und erfahren, wie Sie Agentensysteme entwickeln und deployen.

Mit praxisnahen Beispielen und klaren Erklärungen tauchen Sie tief in die Materie ein - ideal für alle, die Generative KI-Lösungen mit Python umsetzen wollen.

  • Agentic Coding: Mit KI-Agenten eigenständig Code schreiben, testen und deployen
  • RAG-Anwendungen und Vektordatenbanken für wissensbasierte LLM-Anwendungen
  • MCP, Prompt Engineering, Agentensysteme u.v.m.

Aus dem Inhalt:

  • Große Sprachmodelle - LLMs und LMMs
  • Prompt Engineering
  • Sprachanalyse (NLP)
  • Vektordatenbanken
  • LangChain und LangGraph
  • Hugging Face
  • CrewAI
  • OpenAI- und andere APIs
  • Agentensysteme
  • Model Context Protocol (MCP)
  • Agentic Coding
  • Deployment

Ihr Guide für eigene RAG-Anwendung!

Freuen Sie sich auf einen umfassenden Einstieg in die Welt der Generativen KI mit Python. Dieses Buch deckt Schlüsselkonzepte wie Large Language Models (LLMs), LangChain, Vektordatenbanken, das Model Context Protocol (MCP) und Retrieval-Augmented-Generation (RAG) ab. Sie lernen die Grundlagen des Prompt Engineering kennen, steigen ins Agentic Coding ein und erfahren, wie Sie Agentensysteme entwickeln und deployen.

Mit praxisnahen Beispielen und klaren Erklärungen tauchen Sie tief in die Materie ein - ideal für alle, die Generative KI-Lösungen mit Python umsetzen wollen.

  • Agentic Coding: Mit KI-Agenten eigenständig Code schreiben, testen und deployen
  • RAG-Anwendungen und Vektordatenbanken für wissensbasierte LLM-Anwendungen
  • MCP, Prompt Engineering, Agentensysteme u.v.m.

Aus dem Inhalt:

  • Große Sprachmodelle - LLMs und LMMs
  • Prompt Engineering
  • Sprachanalyse (NLP)
  • Vektordatenbanken
  • LangChain und LangGraph
  • Hugging Face
  • CrewAI
  • OpenAI- und andere APIs
  • Agentensysteme
  • Model Context Protocol (MCP)
  • Agentic Coding
  • Deployment
Schreiben Sie Ihre eigene Bewertung
  • Nur registrierte Benutzer können Produkte bewerten
*
*
Schlecht
Sehr gut
*
*
*
*
VerlagRheinwerk
EinbandFester Einband
Erscheinungsjahr2026
Seitenangabe484 S.
AusgabekennzeichenDeutsch
MasseH24.0 cm x B16.8 cm
CoverlagRheinwerk Computing (Imprint/Brand)
Auflage2. A.
AutorGollnick, Bert

Über den Autor Bert Gollnick

Bert Gollnick ist Senior Data Scientist mit Schwerpunkt auf künstlicher Intelligenz. Er unterrichtet Kurse zu Data Science und Machine Learning inklusive generativer KI und natürlicher Sprachverarbeitung. Bert hat an der Technischen Universität Berlin Luft- und Raumfahrttechnik und an der Universität Hagen Volkswirtschaftslehre studiert. Nach 17 Jahren in der Industrie fokussiert er sich nun auf seine Schulungsfirma, um Teilnehmern künstliche Intelligenz näherzubringen.Er lebt und arbeitet in Hamburg und bietet Präsenzkurse im deutschsprachigen Raum sowie Online-Kurse auch für ein internationales Publikum an.

Weitere Titel von Bert Gollnick

Produktbewertungen
Nur registrierte Benutzer können Produkte bewerten