Presentamos "Construyendo con Llama 4". Este breve curso está creado con @Meta @AIatMeta e 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 y ha introducido la arquitectura Mixture-of-Experts (MoE) a su familia de modelos de peso abierto, lo que los hace más eficientes de servir. En este curso, trabajarás con dos de los tres nuevos modelos introducidos en Llama 4. El primero es Maverick, un modelo de 400B de parámetros, con 128 expertos y 17B de parámetros activos. El segundo es Scout, un modelo de parámetros 109B con 16 expertos y 17B parámetros activos. Maverick y Scout admiten ventanas de contexto largas de hasta un millón de tokens y 10 millones de tokens, respectivamente. Esto último es suficiente para admitir la entrada directa incluso de repositorios de GitHub bastante grandes para su análisis. En las lecciones prácticas, creará aplicaciones con las nuevas capacidades multimodales de Llama 4, incluido el razonamiento en varias imágenes y el fundamento de imágenes, en el que puede identificar elementos en las imágenes. También utilizará la API oficial de Llama, trabajará con las habilidades de contexto largo de Llama 4 y aprenderá sobre las herramientas de código abierto más recientes de Llama: su herramienta de optimización de solicitudes que mejora automáticamente las indicaciones del sistema y el kit de datos sintéticos que genera conjuntos de datos de alta calidad para ajustes. Si necesitas un modelo abierto, Llama es una gran opción, y la familia Llama 4 es una parte importante del kit de herramientas de cualquier desarrollador de GenAI. A través de este curso, aprenderá a llamar a Llama 4 a través de la API, usar sus herramientas de optimización y crear funciones que abarquen texto, imágenes y contexto grande. Por favor, regístrese aquí: