18 minutterPydantic er alt, du har brug for: Jason Liu
Lær, hvorfor schema-first LLM-kald behøver typede objekter, validators, retries og eksplicit håndtering af malformerede eller hallucinerede felter.
Andrej Karpathy. Dette er den klareste end-to-end-forklaring på YouTube af, hvad en LLM faktisk er — pretraining, tokenization, SFT, RLHF, reasoning RL, tool use, hallucinationer — på det detaljeniveau, en ingeniør behøver for at ræsonnere om model-trade-offs. Se den én gang, og beslutningerne "GPT-class vs. open-weights vs. reasoning model" i artiklen holder op med at føles som brandvalg og begynder at føles som valg af træningsopskrift.
Modelnavne, priser og kapaciteter ændrer sig hurtigt. Brug den til beslutningsmønsteret, og verificér derefter aktuel modeladfærd, før du adopterer det.
Forstå den moderne LLM-stack godt nok til at ræsonnere om tokens, træning, værktøjer og fejl.
Engineering-baggrund hjælper; ingen ML-forudsætninger, men budgetér til runtime på tre en halv time.
Senest gennemgået: 18. maj 2026
Fortsæt ad den samme læringsvej med de næste kuraterede videoer.
18 minutterLær, hvorfor schema-first LLM-kald behøver typede objekter, validators, retries og eksplicit håndtering af malformerede eller hallucinerede felter.
77 minutterHør, hvordan produktions-prompt engineers reviderer instruktioner, eksempler og adfærdsbegrænsninger under reelt pres i stedet for at behandle prompts som engangstext.
55 minutterDesign en eval-stige, der fanger regressioner, før prompt- eller modelændringer når brugerne.
Håndplukkede eksterne kurser, der går i dybden med dette emne.
Antje Barth · Shelbee Eigenbrode · Mike Chambers · Chris Fregly
Når praktikere spørger: "Hvilket kursus bør jeg tage, hvis jeg mener det alvorligt med at bygge løsninger med LLM'er?", er dette svaret. Fagligt og matematisk redeligt uden at være en forskningsartikel; de AWS-prægede kapitler om idriftsættelse er stadig nyttige, selv hvis du aldrig kommer til at bruge SageMaker.
Jerry Liu
Naiv RAG (vektorsøgning → indsæt i prompten) er den version, der først sættes i produktion og hurtigst skuffer. Dette korte kursus viser opgraderingen: en agent, der planlægger hentning, vælger værktøjer, sammenligner kilder og besvarer spørgsmål på tværs af dokumenter. To timer med indhold, der straks kan anvendes i et reelt produkt.
Harrison Chase
Problemet med kontekstvinduets hukommelsestab er grunden til, at de fleste agenter virker glemsomme og uintelligente allerede på dag to. Kurset lærer dig LangMem-mønstrene, der løser det – episodisk, proceduremæssig og semantisk hukommelse – så en agent husker brugerpræferencer og tidligere interaktioner på tværs af sessioner uden at overfylde prompten.