15 minuterSå bygger vi effektiva agenter: Barry Zhang, Anthropic
Utforma enklare agentloopar med tydliga stoppregler, uppgiftsgränser och kontrollpunkter för människor.
AvanceradAutomatisering
Finjustering av LLM-modeller – kurs i generativ AI
freeCodeCamp.org. En lång kurs som går från teori till kod och omfattar kvantisering, LoRA, QLoRA och fullständig PEFT med Llama 2 och Gemma – på hårdvara som de flesta utvecklare faktiskt har. Det är det närmaste du kommer upplevelsen av att följa någon som redan har gjort detta på YouTube, och kursens konkreta VRAM-budgetar stöder artikelns påstående att du inte behöver ett kluster.
Anteckning från AI Expert
Modellnamn, priser och funktioner förändras snabbt. Kursens basmodeller (Llama 2, Gemma) är föråldrade, men teknikerna för LoRA, QLoRA och kvantisering går att överföra direkt till dagens modeller med öppna vikter. Använd kursen för beslutsmönstret och kontrollera sedan den aktuella modellens beteende innan du inför lösningen.
Vad du bör få ut av detta
Du kommer att kunna genomföra finjusteringar med kvantisering, LoRA och QLoRA från början till slut på hårdvara som de flesta utvecklare redan har.
Titta på eller ha koll på först
Python och grundläggande vana vid ML-verktyg. Kursen är anpassad för hårdvara som de flesta utvecklare redan har.
Senast granskad: 18 maj 2026
Se nästa
Fortsätt längs samma lärstig med nästa kurerade kompletterande video.
15 minuter
190 minuterKomplett nybörjarkurs i LangGraph – komplexa AI-agenter med Python
Du kan bygga en LangGraph-agent med typat tillstånd, villkorsstyrd dirigering, kontrollpunkter och verktygsanvändning samt förstå när den explicita modellen lönar sig.
AvanceradAutomatisering
8 minuterKontextförfall: så påverkar fler token i indata en LLM:s prestanda
Förstå hur lång kontext kan fallera vid tvetydighet och distraherande information och utforma sedan tester kring den risken.
AvanceradPromptteknik