Matthew Berman. Video käy läpi LMSYS RouteLLM -artikkelin ja koodin. Pieni luokittelija valitsee vahvan ja heikomman mallin välillä. Videolla käsitellyssä tutkimusasetelmassa reititin saavutti noin 95 % vahvan mallin laadusta selvästi pienemmin kustannuksin. Katselumäärä jää tavanomaisen 100 000 katselukerran kynnyksen alle, mutta video näyttää konkreettisen mallireitityksen pelkän mallivertailun sijasta.
Mallinimet, hinnoittelu ja kyvyt muuttuvat nopeasti. Käytä tätä päätösmalliin, sitten varmista nykyinen mallin käyttäytyminen ennen käyttöönottoa.
Arvioi mallireitityksen kompromisseja laadun, kustannuksen ja luotettavuuden välillä ennen ohjauksen monimutkaisuuden lisäämistä.
Pythonin lukeminen ja mallien API-kutsut sujuvat; ensisijaisen valinnan tasokartta auttaa.
Viimeksi tarkistettu: 18.5.2026
Jatka samalla oppimisreitillä seuraaviin valikoituihin oheisvideoihin.
107 minuuttiaOpettele tuotteen rakentajan arviointisilmukka: tarkasta jäljet, merkitse epäonnistumiset, määrittele kriteerit, testaa muutokset ja vertaa ihmisarvioon.
211 minuuttiaYmmärrä moderni LLM-pino riittävän hyvin päätelläksesi tokeneista, koulutuksesta, työkaluista ja epäonnistumisista.
18 minuuttiaOpettele, miksi skeema-ensin -LLM-kutsut tarvitsevat tyypitettyjä objekteja, validoijia, uudelleenyrityksiä ja eksplisiittistä käsittelyä virheellisille tai hallusinoiduille kentille.
Valikoituja ulkoisia kursseja, jotka käsittelevät aiheita tarkemmin.
Anthropic AcademyAnthropic Academy
MCP on protokolla, joka hiljalleen korvaa yksittäiset työkalujen integraatiot AI-työkalujen ekosysteemissä. Opiskele sitä lähteestä. Lopussa olet rakentanut ja asentanut omansa MCP-palvelintaan, yhdistänyt LLM-asiakkaan siihen ja ymmärtänyt miksi tämä standardi on lähimmätä USB-C:ään kentässä.
DeepLearning.AIJoão Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.
Hugging FaceHugging Face
Selkein avoimen lähdekoodin käsittely agentin järjestelmiä koskevista aiheista. Perustuu kolmeen kehittäjät todella arvioivat kehystymiin (smolagents, LlamaIndex, LangGraph) eikä yhden toimittajan pilveen. Päätyy vertailutestin tehtävään ja julkiseen pisteidenlistaukseen — vastuu, jonka tiiminne voi tarkistaa.
