Представляємо "Будівництво з Llama 4". Цей короткий курс створено разом з @Meta @AIatMeta і викладає @asangani7, директор з партнерського інжинірингу команди штучного інтелекту Meta. Нова Llama 4 від Meta додала три нові моделі та представила архітектуру Mix-of-Experts (MoE) до свого сімейства моделей з відкритою вагою, що зробило їх більш ефективними в обслуговуванні. У цьому курсі ви будете працювати з двома з трьох нових моделей, представлених в Llama 4. Першою є Maverick, модель з параметрами 400B, зі 128 експертами та 17 активними параметрами. На другому місці – Scout, модель з параметрами 109B з 16 експертами та 17B активними параметрами. Maverick і Scout підтримують довгі контекстні вікна до мільйона токенів і 10 мільйонів токенів відповідно. Останнього достатньо для підтримки безпосереднього введення навіть досить великих репозиторіїв GitHub для аналізу! На практичних уроках ви будете створювати додатки, використовуючи нові мультимодальні можливості Llama 4, включаючи міркування на кількох зображеннях і заземлення зображень, в якому ви можете ідентифікувати елементи на зображеннях. Ви також будете використовувати офіційний API Llama, працювати з можливостями довгого контексту Llama 4 і дізнатися про найновіші інструменти Llama з відкритим вихідним кодом: інструмент швидкої оптимізації, який автоматично покращує системні підказки, і набір синтетичних даних, який генерує високоякісні набори даних для точного налаштування. Якщо вам потрібна відкрита модель, Llama — чудовий варіант, а сімейство Llama 4 є важливою частиною інструментарію будь-якого розробника GenAI. Завдяки цьому курсу ви навчитеся викликати Llama 4 через API, використовувати її інструменти оптимізації та створювати функції, які охоплюють текст, зображення та великий контекст. Будь ласка, зареєструйтесь тут: