Curso gratuito con licencia MIT y 542 lecciones para aprender conceptos de ingeniería de IA desde cero con Python, TypeScript, Rust y Julia.
71,4 mil12,6 milPythonMITActualizado anteayer
peremartra/Large-Language-Model-Notebooks-Course
Curso práctico y gratuito con notebooks de Jupyter y artículos sobre aplicaciones de LLM con OpenAI, Hugging Face, LangChain, bases de datos vectoriales, ajuste fino y poda.
- Estrellas
- 1,825
- Forks
- 450
- Issues abiertos
- 0
- Último commit
- hace 22 días
¿Qué es?
Este repositorio ofrece un curso práctico y gratuito sobre Large Language Models, organizado en notebooks de Jupyter alojados principalmente en Colab, cada uno acompañado de un artículo más extenso que explica el código. Es el complemento no oficial de un libro publicado por Apress, aunque el curso no incluye todo el contenido del libro y sigue actualizándose con nuevas lecciones.
El curso se divide en tres secciones: técnicas y bibliotecas, proyectos prácticos y soluciones empresariales. La primera abarca chatbots basados en la API de OpenAI, traducción de lenguaje natural a SQL, bases de datos vectoriales con ChromaDB, generación aumentada por recuperación con LangChain, agentes, métricas de evaluación como BLEU y ROUGE, y ajuste fino con PEFT, LoRA y QLoRA. Una parte posterior se centra en la poda estructurada de modelos de la familia Llama, eludir la atención, la destilación de conocimiento y el análisis de sesgos.
Las lecciones están diseñadas para seguirse junto con el artículo, y algunos notebooks requieren más memoria de la que ofrece el nivel gratuito de Colab.
Funciones clave
- 01Los notebooks abarcan chatbots con la API de OpenAI, NL-to-SQL e ingeniería de prompts.
- 02Incluye pipelines RAG con ChromaDB y LangChain.
- 03Aborda la evaluación con BLEU, ROUGE, LangSmith y Giskard.
- 04Enseña ajuste fino eficiente en parámetros con PEFT, LoRA y QLoRA.
- 05Muestra técnicas de poda y destilación de conocimiento en modelos Llama 3.2.
Casos de uso
- Aprender a crear chatbots RAG con LangChain y una base de datos vectorial.
- Practicar el ajuste fino de LLM en una GPU de consumo con QLoRA.
- Explorar técnicas de compresión de modelos, como la poda y la destilación.
Inicio rápido
- 1
Abre los notebooks del curso en Google Colab o ejecútalos localmente desde el repositorio
- 2
Clona el repositorio
- 3
Lee el artículo de la lección junto con el notebook y sigue los pasos
Antes de usarlo
- Muchos notebooks utilizan modelos de OpenAI o Hugging Face que requieren una clave de API o más memoria de la que ofrece el nivel gratuito de Colab.
- El curso sigue en desarrollo continuo, por lo que se añaden lecciones con el tiempo.
- Algunas lecciones están en desarrollo y todavía no tienen artículo.
Temas
Preguntas frecuentes
- ¿Qué es Large-Language-Model-Notebooks-Course?
- Curso práctico y gratuito con notebooks de Jupyter y artículos sobre aplicaciones de LLM con OpenAI, Hugging Face, LangChain, bases de datos vectoriales, ajuste fino y poda. Este repositorio ofrece un curso práctico y gratuito sobre Large Language Models, organizado en notebooks de Jupyter alojados principalmente en Colab, cada uno acompañado de un artículo más extenso que explica el código. Es el complemento no oficial de un libro publicado por Apress, aunque el curso no incluye todo el contenido del libro y sigue actualizándose con nuevas lecciones.
- ¿Large-Language-Model-Notebooks-Course es gratuito? ¿Qué licencia tiene?
- Large-Language-Model-Notebooks-Course es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿Large-Language-Model-Notebooks-Course sigue mantenido?
- Mantenimiento activo. El último commit de Large-Language-Model-Notebooks-Course fue el 29 sept 2026.
- ¿Para qué puedo usar Large-Language-Model-Notebooks-Course?
- Aprender a crear chatbots RAG con LangChain y una base de datos vectorial. Practicar el ajuste fino de LLM en una GPU de consumo con QLoRA. Explorar técnicas de compresión de modelos, como la poda y la destilación.
- ¿Cómo se instala Large-Language-Model-Notebooks-Course?
- Abre los notebooks del curso en Google Colab o ejecútalos localmente desde el repositorio Clona el repositorio Lee el artículo de la lección junto con el notebook y sigue los pasos
- ¿Dónde consigo Large-Language-Model-Notebooks-Course?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/peremartra/Large-Language-Model-Notebooks-Course
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Tutorial abierto en chino que enseña los principios de los LLM creando desde cero un modelo pequeño al estilo de LLaMA2, y cubre Transformer, preentrenamiento, ajuste fino, RAG y agentes.
34,5 mil3,3 milJupyter NotebookOtherActualizado hace 2 meses
Colección de tutoriales en chino para desplegar, usar y ajustar LLM de código abierto y modelos multimodales en Linux, con guías de fine-tuning completo, LoRA y P-tuning.
32,5 mil3,1 milJupyter NotebookApache-2.0Actualizado el mes pasado
Guía y código en PyTorch para entrenar desde cero un LLM transformer, desde el preentrenamiento hasta SFT, modelado de recompensas, DPO/PPO/GRPO y generación.
12,3 mil1,8 milPythonMITActualizado hace 19 días
Lista seleccionada y organizada por categorías con más de 120 bibliotecas open source para crear, entrenar, servir, evaluar y supervisar aplicaciones con LLM.
10,9 mil1,7 milApache-2.0Actualizado hace 10 días
Guía paso a paso en chino y código de ejemplo para aprender sobre LLM, desde llamadas a API hasta despliegue local y fine-tuning, con versiones para Kaggle y Colab.
4,7 mil489PythonMITActualizado hace 9 días