Memperkenalkan "Membangun dengan Llama 4." Kursus singkat ini dibuat bersama @Meta @AIatMeta, dan diajarkan oleh @asangani7, Direktur Teknik Mitra untuk tim AI Meta. Llama 4 baru Meta telah menambahkan tiga model baru dan memperkenalkan arsitektur Mixture-of-Experts (MoE) ke dalam keluarga model bobot terbukanya, membuatnya lebih efisien untuk disajikan. Dalam kursus ini, Anda akan bekerja dengan dua dari tiga model baru yang diperkenalkan di Llama 4. Pertama adalah Maverick, model parameter 400B, dengan 128 ahli dan 17B parameter aktif. Kedua adalah Scout, model parameter 109B dengan 16 ahli dan 17B parameter aktif. Maverick dan Scout mendukung jendela konteks panjang masing-masing hingga satu juta token dan 10 juta token. Yang terakhir ini cukup untuk mendukung input langsung bahkan repositori GitHub yang cukup besar untuk analisis! Dalam pelajaran langsung, Anda akan membuat aplikasi menggunakan kemampuan multimoda baru Llama 4 termasuk penalaran di beberapa gambar dan pembumian gambar, di mana Anda dapat mengidentifikasi elemen dalam gambar. Anda juga akan menggunakan API Llama resmi, bekerja dengan kemampuan konteks panjang Llama 4, dan belajar tentang alat sumber terbuka terbaru Llama: alat pengoptimalan prompt yang secara otomatis meningkatkan perintah sistem dan kit data sintetis yang menghasilkan kumpulan data berkualitas tinggi untuk penyempurnaan. Jika Anda membutuhkan model terbuka, Llama adalah pilihan yang bagus, dan keluarga Llama 4 adalah bagian penting dari perangkat pengembang GenAI mana pun. Melalui kursus ini, Anda akan belajar memanggil Llama 4 melalui API, menggunakan alat pengoptimalannya, dan membangun fitur yang mencakup teks, gambar, dan konteks besar. Silakan daftar di sini: