LinkStanford UniversitySammlung
CS229 gehört zu den einflussreichsten universitären Kursen im Bereich maschinelles Lernen und definiert fundamentale Standards für die theoretische und praktische Ausbildung in diesem Fachgebiet.
Die Kursübersicht für den Sommer 2026 zeigt eine unverändert starke Verankerung der mathematischen Grundlagen (lineare Algebra, Analysis, Wahrscheinlichkeitstheorie) als Voraussetzung für maschinelles Lernen. Zudem reflektiert die Einbindung des AIWG-Pilotprojekts zur Prüfungsaufsicht aktuelle Bemühungen der Universität im Bereich akademische Integrität.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Aakanksha Chowdhery, Azalia Mirhoseini
Die Stanford University bietet mit CS329A ein Master-Seminar zu selbstoptimierenden KI-Agenten an. Der Kurs unter der Leitung von Aakanksha Chowdhery und Azalia Mirhoseini behandelt Methoden, mit denen LLM-basierte Systeme durch Eigeninteraktion und Umgebungsfeedback kontinuierlich lernen.
Link:Tatsunori Hashimoto, Percy Liang
Die Stanford-Lehrveranstaltung CS336 vermittelt die Entwicklung von Sprachmodellen von Grund auf – ähnlich wie klassische Betriebssystemkurse. Studierende durchlaufen alle Phasen von Datenbereinigung und Tokenisierung über Transformer-Architekturen und GPU-Optimierung mit Triton bis hin zu Post-Training und Alignment.
Link:Tengyu Ma
Die offizielle Homepage von Tengyu Ma, Assistant Professor für Informatik an der Stanford University, bietet einen Überblick über seine Forschungsgebiete, aktuelle Doktoranden, Publikationen und Lehraktivitäten im Bereich Machine Learning.
X-Post:Mark Phelps
Die Stanford University hat den Lehrplan für den Kurs CS329Z ('Engineering AI Agents') für den Herbst 2026 freigeschaltet. Der Kurs behandelt die Entwicklung zusammengesetzter KI-Systeme ('Compound AI Systems'), die Eigenentwicklung von RAG und Tool-Nutzung, Frameworks wie DSPy sowie Evaluationsstrategien.
2296Lesezeichen66.100Aufrufe
X-Post:CopyRebeldia
Ein viraler Beitrag hebt eine Stanford-Vorlesung über die technischen Grundlagen von Large Language Models hervor. Der Autor betont, dass KI-Modelle wie Claude oder ChatGPT Texte nicht direkt verstehen, sondern rein auf Zahlen basieren, und verweist auf hohe Gehälter für Ingenieure mit diesem Grundlagenwissen. Ein Community-Hinweis korrigiert allerdings die Zuordnung des gezeigten Videos.
41.878Lesezeichen2,8 Mio.Aufrufe
VideoVideo:Stanford Online
In der ersten Vorlesung des Stanford-Kurses CS329A geben Aakanksha Chowdhery und Azalia Mirhoseini einen Überblick über die Entwicklung von Sprachmodellen und autonomen Agenten. Sie beleuchten klassische Scaling Laws, emergentes Denkvermögen via Chain of Thought, Post-Training-Methoden wie RLHF sowie neue Paradigmen: Test-Time-Compute (Inference-Time Scaling) und strukturierte agentische Workflows in Coding- und Research-Tools.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
