Przedstawiamy "Budowanie z Llama 4." Ten krótki kurs został stworzony we współpracy z @Meta @AIatMeta i prowadzony przez @asangani7, dyrektora ds. inżynierii partnerskiej w zespole AI Meta. Nowy Llama 4 od Meta dodał trzy nowe modele i wprowadził architekturę Mixture-of-Experts (MoE) do swojej rodziny modeli o otwartych wagach, co czyni je bardziej efektywnymi w obsłudze. W tym kursie będziesz pracować z dwoma z trzech nowych modeli wprowadzonych w Llama 4. Pierwszy to Maverick, model o 400B parametrach, z 128 ekspertami i 17B aktywnymi parametrami. Drugi to Scout, model o 109B parametrach z 16 ekspertami i 17B aktywnymi parametrami. Maverick i Scout obsługują długie okna kontekstowe do miliona tokenów i 10M tokenów, odpowiednio. To wystarczająco dużo, aby bezpośrednio wprowadzać nawet dość duże repozytoria GitHub do analizy! W praktycznych lekcjach zbudujesz aplikacje wykorzystujące nowe multimodalne możliwości Llama 4, w tym rozumowanie w oparciu o wiele obrazów oraz identyfikację elementów w obrazach. Będziesz także korzystać z oficjalnego API Llama, pracować z długimi kontekstami Llama 4 i poznasz najnowsze narzędzia open-source Llama: narzędzie do optymalizacji promptów, które automatycznie poprawia systemowe prompty oraz zestaw danych syntetycznych, który generuje wysokiej jakości zbiory danych do fine-tuningu. Jeśli potrzebujesz otwartego modelu, Llama to świetna opcja, a rodzina Llama 4 jest ważną częścią zestawu narzędzi każdego dewelopera GenAI. Dzięki temu kursowi nauczysz się wywoływać Llama 4 za pomocą API, korzystać z jego narzędzi optymalizacyjnych i budować funkcje obejmujące tekst, obrazy i duży kontekst. Zarejestruj się tutaj: