Lewati ke konten

Cara Kerja LLM

Token, embedding, attention, dan prediksi token berikutnya — mekanika yang menjelaskan hampir semua perilaku LLM.

Tingkat
Pemula
Pelajaran
4
Total waktu
1j 4m
Simulasi
3
1 pelajaran gratisTermasuk di LLM, Prompt Engineering & Context Engineering · $9
Tools yang dipakai
  • Python
  • Claude
  • OpenAI
  • Gemini
Keterampilan
  • Tokenisasi
  • Embedding
  • Attention
  • Sampling
Coba sekarang — gratis

Ini simulasi asli dari modulnya. Tanpa akun.

Yang akan Anda bisa

  • Menjelaskan apa yang terjadi pada prompt di dalam model
  • Memperkirakan biaya dan batas konteks dari jumlah token
  • Mengatur temperature dan top-p dengan alasan

Silabus

4 pelajaran · 1j 4m

Judul dan ringkasan setiap pelajaran terbuka untuk umum. Isi pelajarannya terbuka setelah Anda memiliki jalurnya. Pelajaran bertanda gratis bisa dibaca utuh sekarang juga, tanpa akun.

Semua pelajaran di LLM, Prompt Engineering & Context Engineering
  1. Prompt Anda dipotong menjadi token, diubah menjadi vektor, lalu setiap token memutuskan token lain mana yang penting. Tiga langkah itu menjelaskan kenapa prompt yang baik bekerja.

    GratisBaca gratis Simulasi
  2. Prediksi Token Berikutnya dan Sampling

    16 min

    Temperature, top-p, dan kenapa pertanyaan yang sama memberi jawaban yang berbeda.

    Termasuk dalam jalurnya Simulasi
  3. Jendela Konteks dan Biaya Token

    14 min

    Menghitung token, memperkirakan biaya, dan apa yang terjadi ketika konteks penuh.

    Termasuk dalam jalurnya
  4. Memilih Model

    14 min

    Kualitas, latensi, harga, dan batas konteks — cara menimbangnya untuk produk nyata.

    Termasuk dalam jalurnya
Akses seumur hidup
$9
Beli jalurnya
Lainnya di LLM, Prompt Engineering & Context Engineering
Modul · Pemula

Dasar Prompt Engineering

Instruksi yang jelas, contoh, penalaran bertahap, dan keluaran terstruktur — teknik yang terbukti, tanpa mantra.

  • 4 pelajaran
  • 58 min
  • 1 simulasi
Termasuk di LLM, Prompt Engineering & Context Engineering· $9
Modul · Menengah

Context Engineering

Apa yang masuk ke jendela konteks, dari mana asalnya, dan dalam urutan apa — keterampilan inti membangun aplikasi LLM.

  • 4 pelajaran
  • 1j 4m
  • 2 simulasi
Termasuk di LLM, Prompt Engineering & Context Engineering· $9
Modul · Menengah

Membangun dengan API LLM

Memanggil API, streaming, tool calling, caching, dan mengendalikan biaya serta latensi di produksi.

  • 4 pelajaran
  • 1j 6m
  • 5 simulasi
Termasuk di LLM, Prompt Engineering & Context Engineering· $9
Modul · Menengah

Mengevaluasi Aplikasi LLM

Dataset evaluasi, LLM-as-judge, dan uji regresi untuk prompt — mengganti "kelihatannya bagus" dengan angka.

  • 3 pelajaran
  • 44 min
  • 1 simulasi
Termasuk di LLM, Prompt Engineering & Context Engineering· $9