Giới thiệu "Xây dựng với Llama 4." Khóa học ngắn này được tạo ra với @Meta @AIatMeta, và được giảng dạy bởi @asangani7, Giám đốc Kỹ thuật Đối tác của đội ngũ AI của Meta. Llama 4 mới của Meta đã thêm ba mô hình mới và giới thiệu kiến trúc Mixture-of-Experts (MoE) vào gia đình các mô hình trọng số mở của mình, giúp chúng phục vụ hiệu quả hơn. Trong khóa học này, bạn sẽ làm việc với hai trong ba mô hình mới được giới thiệu trong Llama 4. Đầu tiên là Maverick, một mô hình 400B tham số, với 128 chuyên gia và 17B tham số hoạt động. Thứ hai là Scout, một mô hình 109B tham số với 16 chuyên gia và 17B tham số hoạt động. Maverick và Scout hỗ trợ các cửa sổ ngữ cảnh dài lên đến một triệu token và 10 triệu token, tương ứng. Cái sau đủ để hỗ trợ việc nhập trực tiếp ngay cả các kho GitHub khá lớn để phân tích! Trong các bài học thực hành, bạn sẽ xây dựng ứng dụng sử dụng các khả năng đa phương tiện mới của Llama 4, bao gồm lý luận qua nhiều hình ảnh và định vị hình ảnh, trong đó bạn có thể xác định các yếu tố trong hình ảnh. Bạn cũng sẽ sử dụng API chính thức của Llama, làm việc với khả năng ngữ cảnh dài của Llama 4, và tìm hiểu về các công cụ mã nguồn mở mới nhất của Llama: công cụ tối ưu hóa prompt tự động cải thiện các prompt hệ thống và bộ dữ liệu tổng hợp tạo ra các tập dữ liệu chất lượng cao cho việc tinh chỉnh. Nếu bạn cần một mô hình mở, Llama là một lựa chọn tuyệt vời, và gia đình Llama 4 là một phần quan trọng trong bộ công cụ của bất kỳ nhà phát triển GenAI nào. Thông qua khóa học này, bạn sẽ học cách gọi Llama 4 qua API, sử dụng các công cụ tối ưu hóa của nó, và xây dựng các tính năng trải dài qua văn bản, hình ảnh và ngữ cảnh lớn. Vui lòng đăng ký tại đây: