Modul 1 · LLM, Prompt Engineering & Context Engineering
Cara Kerja LLM: pelajaran
Token, embedding, attention, dan prediksi token berikutnya — mekanika yang menjelaskan hampir semua perilaku LLM.
4 pelajaran · 1j 4m · 1 gratis untuk dibaca sekarang
Apa yang diajarkan modul ini, apa yang perlu Anda kuasai lebih dulu, dan cara Anda berlatih ada di halaman silabusnya.
Buka silabusPrompt 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.
Prediksi Token Berikutnya dan Sampling
16 minTemperature, top-p, dan kenapa pertanyaan yang sama memberi jawaban yang berbeda.
Termasuk dalam jalurnya Ada simulasinyaJendela Konteks dan Biaya Token
14 minMenghitung token, memperkirakan biaya, dan apa yang terjadi ketika konteks penuh.
Termasuk dalam jalurnyaMemilih Model
14 minKualitas, latensi, harga, dan batas konteks — cara menimbangnya untuk produk nyata.
Termasuk dalam jalurnya