Introductie van "Bouwen met Llama 4." Deze korte cursus is gemaakt in samenwerking met @Meta @AIatMeta, en wordt gegeven door @asangani7, Directeur Partner Engineering voor het AI-team van Meta. Meta’s nieuwe Llama 4 heeft drie nieuwe modellen toegevoegd en de Mixture-of-Experts (MoE) architectuur geïntroduceerd in zijn familie van open-gewicht modellen, waardoor ze efficiënter te bedienen zijn. In deze cursus ga je aan de slag met twee van de drie nieuwe modellen die in Llama 4 zijn geïntroduceerd. Het eerste is Maverick, een model met 400B parameters, met 128 experts en 17B actieve parameters. Het tweede is Scout, een model met 109B parameters met 16 experts en 17B actieve parameters. Maverick en Scout ondersteunen lange contextvensters van respectievelijk tot een miljoen tokens en 10M tokens. Laatstgenoemde is genoeg om zelfs vrij grote GitHub-repositories direct in te voeren voor analyse! In praktische lessen ga je apps bouwen met de nieuwe multimodale mogelijkheden van Llama 4, waaronder redeneren over meerdere afbeeldingen en beeldgronding, waarbij je elementen in afbeeldingen kunt identificeren. Je zult ook de officiële Llama API gebruiken, werken met de lange-context mogelijkheden van Llama 4, en leren over Llama’s nieuwste open-source tools: de promptoptimalisatietool die automatisch systeemprompts verbetert en de synthetische datakit die hoogwaardige datasets genereert voor fine-tuning. Als je een open model nodig hebt, is Llama een geweldige optie, en de Llama 4-familie is een belangrijk onderdeel van de toolkit van elke GenAI-ontwikkelaar. Door deze cursus leer je Llama 4 via API aan te roepen, de optimalisatietools te gebruiken en functies te bouwen die tekst, afbeeldingen en grote context omvatten. Meld je hier aan: