Tutorial sui LLM

Scopri passo dopo passo come creare un'applicazione RAG con Llama 3.2 Vision, Ollama e ColPali.

Scopri come creare un'app per spiegare codice multilingue usando Llama 3.3, Hugging Face e Streamlit.

Impara a creare una pipeline di retrieval-augmented generation (RAG) usando Llama 4 per realizzare una semplice applicazione web.

Impara a distribuire e usare LLaMA 4 Scout di Meta con vLLM su RunPod sia per il completamento di testo che per l'inferenza multimodale.

Scopri come fare il fine-tuning degli LLM su dataset personalizzati, valutarne le prestazioni ed esportare e servire i modelli senza problemi usando il framework low/no-code di LLaMA-Factory.

Scopri come usare il modello vision Llama 3.2 11B con Gradio per creare un'app web multimodale che funge da assistente al supporto clienti.

Scopri il modello NVIDIA per la generazione di mesh 3D, LLaMA-Mesh: capacità, limiti, istruzioni per l'installazione ed esempi.

Llama Stack è un insieme di strumenti e API standardizzati sviluppati da Meta che semplifica la creazione e la distribuzione di applicazioni basate su modelli linguistici di grandi dimensioni.

Scopri come LMCache memorizza e riutilizza gli stati KV tra le richieste LLM, si integra con vLLM e riduce i calcoli di prefill ripetuti per l'inferenza con contesti lunghi.

Scopri come installare ed eseguire LLM in locale con LM Studio. Mantieni privati i tuoi dati, chatta con i documenti usando il RAG integrato e configura un'API locale.

Scopri come creare applicazioni di AI locali e sicure che proteggono i tuoi dati sensibili usando un framework di automazione low/no-code.

Scopri come creare e pubblicare un'app mobile con Lovable AI, integrandola con Supabase per i servizi backend e GitHub per il controllo di versione.