Corso
Introduzione agli LLM in Python
3 h
35.9K
I large language model sono passati da curiosità di ricerca a tema su cui ogni sviluppatore è tenuto ad avere un'opinione, che si tratti di chiamare un'API, effettuare il fine-tuning di un modello open source o spiegare a un team di prodotto perché il chatbot ha appena allucinato una policy di rimborso.
Per aiutarti, abbiamo messo insieme una classifica di corsi in base a quattro criteri:
- Profondità concettuale: se il corso spiega davvero token, embedding, attention e l'architettura dei transformer
- Rigore pratico: se scrivi codice che chiama, fa fine-tuning o serve un modello reale
- Copertura di piattaforme e modelli: se il corso si limita a una sola API o ti fa toccare con mano modelli open source rispetto a quelli proprietari
- Competenza del docente e risultati: chi lo insegna e cosa saprai costruire davvero dopo
1. Introduction to LLMs in Python — DataCamp
Introduction to LLMs in Python di DataCamp è il miglior singolo corso per sviluppatori che vogliono andare oltre la fase del "chiamare l'API di OpenAI" e capire davvero l'architettura a transformer alla base di ogni LLM moderno.
- Livello: Intermedio
- Durata: ~3 ore, self-paced; gratuito per iniziare
- Costo: Gratuito per iniziare; accesso completo incluso con un abbonamento DataCamp (~$25/mese)
- Ideale per: Sviluppatori che vogliono un'introduzione focalizzata e code-first agli LLM e ai transformer senza impegnarsi subito in una specializzazione completa
Il corso copre la meccanica delle architetture a transformer prima di passare all'uso di modelli e dataset pre-addestrati da Hugging Face, al loro fine-tuning per compiti specifici e alla valutazione dei risultati.
Cosa spicca e perché è al primo posto: il corso gira sull'AI Tutor di DataCamp, che spiega gli errori nel contesto dell'esatto codice che stai guardando. I bug degli LLM raramente sono ovvi dal solo stack trace e un tutor che ragiona sul tuo errore specifico batte di gran lunga il tentativo a caso.
2. LLM Engineering: Master AI, Large Language Models & Agents — Udemy
LLM Engineering è un'ottima opzione per chi vuole un unico corso completo e ricco di progetti che va dal chiamare API commerciali al fine-tuning di modelli open source fino alla costruzione di agenti.
- Livello: Intermedio (richiesto Python)
- Durata: ~30+ ore di contenuti in oltre 200 lezioni; prevedi 6–8 settimane con progetti
- Costo: In genere scontato ben al di sotto del prezzo di listino durante le frequenti offerte Udemy
- Ideale per: Sviluppatori che vogliono un percorso nell'ingegneria LLM che copra sia modelli proprietari sia open source
L'istruttore, Ed Donner, è un ex CEO di startup di AI ed ex Managing Director in JPMorgan Chase. Il corso spazia dalla strutturazione dei prompt e dalla comprensione della tokenizzazione, al fine-tuning di modelli open source con LoRA e quantizzazione, fino alla costruzione di sistemi multi-agente.
3. The LLM Course — Hugging Face
The LLM Course di Hugging Face è un'ottima opzione per sviluppatori che vogliono capire le librerie effettivamente utilizzate dalla maggior parte dei progetti LLM open source: Transformers, Datasets, Tokenizers e Accelerate.
- Livello: Principiante–Intermedio
- Durata: ~15–20 ore, self-paced
- Costo: Gratuito, con certificato disponibile
- Ideale per: Sviluppatori che vogliono lavorare direttamente con modelli open source e l'Hub di Hugging Face invece di restare dentro l'API di un singolo fornitore
Poiché è mantenuto direttamente da Hugging Face e aggiornato man mano che l'ecosistema evolve, è una scommessa sicura contro l'insegnamento di API deprecate — anche se tende verso l'ecosistema Hugging Face invece di passare in rassegna alternative commerciali.
4. ChatGPT Prompt Engineering for Developers — DeepLearning.AI
ChatGPT Prompt Engineering for Developers, tenuto da Isa Fulford (OpenAI) e Andrew Ng, è un'ottima opzione per sviluppatori che vogliono un'introduzione rapida e mirata a chiamare un LLM tramite API anziché tramite una finestra di chat.
- Livello: Principiante–Intermedio
- Durata: ~1,5 ore
- Costo: Gratuito
- Ideale per: Sviluppatori che vogliono passare dal prompt manuale in ChatGPT alla chiamata programmatica di un LLM e alla costruzione di semplici applicazioni sopra di esso
Il corso copre il funzionamento degli LLM dietro le quinte, due principi chiave per scrivere prompt efficaci e come usare quei prompt per compiti come riassumere, inferire il sentiment, trasformare testi ed espandere brevi appunti in testi più lunghi, per poi chiudere con la creazione di un chatbot personalizzato. È volutamente breve e presuppone basi di Python, risultando un buon trampolino prima di un corso più lungo.
5. Prompt Engineering for ChatGPT — Vanderbilt University (Coursera)
Prompt Engineering for ChatGPT, tenuto dal professor Jules White alla Vanderbilt, è un'ottima opzione sia per sviluppatori sia per non sviluppatori che vogliono basi rigorose nella tecnica di prompting in sé, indipendente da qualsiasi framework o codebase specifica.
- Livello: Principiante (non è richiesta esperienza pregressa)
- Durata: ~19 ore
- Costo: Audit gratuito; abbonamento Coursera per il certificato
- Ideale per: Chi vuole padroneggiare pattern e tecniche di prompt trasferibili tra ChatGPT, Claude e altri LLM basati su chat
Il corso tratta come applicare efficacemente il prompt engineering, usare pattern di prompt per sbloccare comportamenti più avanzati del modello e costruire applicazioni basate su prompt per il lavoro o progetti personali.
6. Generative AI: Introduction to Large Language Models — LinkedIn Learning
Generative AI: Introduction to Large Language Models, tenuto da Fred Nwanganga, è una buona opzione per sviluppatori e manager tecnici che vogliono una spiegazione chiara, senza codice, di come funzionano gli LLM prima di toccare un'API.
- Livello: Principiante
- Durata: Meno di 2 ore
- Costo: Abbonamento LinkedIn Learning (spesso incluso con le tessere della biblioteca); prova gratuita disponibile
- Ideale per: Sviluppatori che vogliono il modello concettuale — reti neurali, transformer, encoder e decoder, attention — spiegato chiaramente prima di scrivere codice
Il corso spiega cosa sono la generative AI e gli LLM, come si sono evoluti, le basi di deep learning su cui si fondano e la meccanica dell'architettura a transformer, inclusa l'attention e la self-attention, per poi chiudere con uno sguardo alle implicazioni sociali di questi modelli.
7. Essentials of Large Language Models: A Beginner's Journey — Educative
Essentials of Large Language Models di Educative è una buona opzione per sviluppatori che preferiscono lezioni testuali e interattive invece di video, e che vogliono un modello mentale a livello di sistemi su come funzionano davvero gli LLM.
- Livello: Principiante
- Durata: Self-paced, basato su testo e codice
- Costo: Abbonamento Educative
- Ideale per: Sviluppatori che imparano più velocemente leggendo ed eseguendo codice inline che guardando uno screencast, e che vogliono il "perché" dietro ai comportamenti degli LLM, non solo le chiamate API
Il corso copre i fondamenti degli LLM a partire dai primi principi — architettura, tokenizzazione, embedding, attention e dinamiche di training — prima di passare a workflow pratici per il prompting e l'integrazione di tool per risposte dinamiche.
Tabella comparativa dei migliori corsi LLM
| Posizione | Corso | Formato di apprendimento | Profondità del curriculum | Costo / Segnali sui risultati |
|---|---|---|---|---|
| 1 | Introduction to LLMs in Python — DataCamp | AI-native, pratico | Architettura a transformer, fine-tuning, Hugging Face | Gratuito per iniziare; l'AI Tutor personalizza ogni lezione |
| 2 | LLM Engineering — Udemy | Bootcamp video | API, fine-tuning (LoRA), agenti, progetti end-to-end | Frequentemente scontato; badge bestseller |
| 3 | The LLM Course — Hugging Face | Corso interattivo gratuito | Transformers, Tokenizers, Datasets, fine-tuning | Gratuito; mantenuto direttamente da Hugging Face |
| 4 | ChatGPT Prompt Engineering for Developers — DeepLearning.AI | Corso video breve | Prompt via API, riassunti, trasformazione del testo | Gratuito; ~1,5 ore |
| 5 | Prompt Engineering for ChatGPT — Vanderbilt | Corso video | Pattern di prompt, applicazioni basate su prompt | Audit gratuito; certificato Coursera |
| 6 | Generative AI: Introduction to LLMs — LinkedIn Learning | Corso video breve | Basi di reti neurali, architettura a transformer, attention | Abbonamento LinkedIn Learning; prova gratuita disponibile |
| 7 | Essentials of LLMs: A Beginner's Journey — Educative | Interattivo basato su testo | Architettura, tokenizzazione, embedding, attention | Abbonamento Educative; formato senza video |
Author
Josef Waples
Sono uno scrittore e editor di data science, con contributi a articoli di ricerca su riviste scientifiche. Sono particolarmente interessato ad algebra lineare, statistica, R e affini. Inoltre, gioco anche parecchio a scacchi!
FAQ
Devo conoscere Python per seguire un corso sugli LLM?
Per la maggior parte dei corsi pratici in questa lista — DataCamp, il corso di Hugging Face, e i corsi Udemy e Databricks — sì, sono richieste basi di Python e familiarità con le API. I corsi di prompting di Vanderbilt e il certificato professionale di IBM sono più accessibili ai non sviluppatori, perché puntano di più sulla tecnica di prompting che sul codice.
Qual è la differenza tra un corso di prompt engineering e uno di LLM engineering?
Un corso di prompt engineering ti insegna a ottenere output migliori da un modello esistente attraverso il modo in cui formuli le richieste — senza bisogno di codice. Un corso di LLM engineering ti insegna a costruire sistemi intorno a un modello: chiamare API, fare fine-tuning di modelli open source, gestire embedding e retrieval e distribuire il risultato.
Qual è il miglior corso di LLM per chi parte da zero?
Prompt Engineering for ChatGPT di Vanderbilt non richiede esperienza pregressa ed è un punto di partenza non tecnico ragionevole. Per i principianti che vogliono anche programmare, Introduction to LLMs in Python di DataCamp è pensato per essere accessibile, con l'AI Tutor che colma le lacune man mano.
Dovrei imparare prima gli LLM open source (Hugging Face) o le API commerciali (OpenAI, Anthropic, Google)?
La maggior parte degli sviluppatori finisce per aver bisogno di entrambi. Le API commerciali ti fanno costruire più velocemente; i modelli open source ti insegnano cosa succede davvero sotto il cofano e ti danno controllo su fine-tuning, hosting e costi. Corsi come quelli di DataCamp e Hugging Face tendono verso l'open source; l'LLM Engineering di Udemy e i corsi brevi di DeepLearning.AI coprono entrambi.
Quanto tempo ci vuole per imparare gli LLM abbastanza da costruirci sopra?
Un corso breve (1–3 ore) basta per prendere confidenza con la chiamata di un'API e scrivere prompt decenti. Una comprensione operativa a livello di codice di transformer, fine-tuning e RAG richiede in genere 15–30 ore tra corsi come quelli di DataCamp, Hugging Face o Databricks. Andare abbastanza a fondo da fare fine-tuning e distribuire sistemi in produzione, come nel bootcamp Udemy LLM Engineering, è più realisticamente un impegno da 6–8 settimane.
Argomenti
