Presentamos "Construyendo con Llama 4." Este curso corto ha sido creado con @Meta @AIatMeta, y es impartido por @asangani7, Director de Ingeniería de Socios del equipo de IA de Meta. El nuevo Llama 4 de Meta ha añadido tres nuevos modelos e introducido la arquitectura Mixture-of-Experts (MoE) a su familia de modelos de pesos abiertos, haciéndolos más eficientes para servir. En este curso, trabajarás con dos de los tres nuevos modelos introducidos en Llama 4. El primero es Maverick, un modelo de 400B parámetros, con 128 expertos y 17B parámetros activos. El segundo es Scout, un modelo de 109B parámetros con 16 expertos y 17B parámetros activos. Maverick y Scout soportan ventanas de contexto largas de hasta un millón de tokens y 10M tokens, respectivamente. ¡Esto último es suficiente para soportar la entrada directa incluso de repositorios de GitHub bastante grandes para análisis! En lecciones prácticas, construirás aplicaciones utilizando las nuevas capacidades multimodales de Llama 4, incluyendo razonamiento a través de múltiples imágenes y anclaje de imágenes, en el que puedes identificar elementos en las imágenes. También utilizarás la API oficial de Llama, trabajarás con las habilidades de largo contexto de Llama 4, y aprenderás sobre las herramientas de código abierto más recientes de Llama: su herramienta de optimización de prompts que mejora automáticamente los prompts del sistema y el kit de datos sintéticos que genera conjuntos de datos de alta calidad para el ajuste fino. Si necesitas un modelo abierto, Llama es una gran opción, y la familia Llama 4 es una parte importante de cualquier conjunto de herramientas de desarrollador de GenAI. A través de este curso, aprenderás a llamar a Llama 4 a través de la API, usar sus herramientas de optimización y construir características que abarcan texto, imágenes y un contexto amplio. Por favor, regístrate aquí: