Cursus
Introductie tot LLM’s in Python
3 Hr
35.9K
Grote taalmodellen zijn van onderzoeksnieuwsgierigheid uitgegroeid tot iets waar elke ontwikkelaar een mening over hoort te hebben, of dat nu betekent dat je een API aanroept, een open-sourcemodel fine-tunet, of aan een productteam uitlegt waarom de chatbot net een restitutiebeleid heeft gehallucineerd.
Om te helpen hebben we een gerangschikte lijst met cursussen samengesteld op vier criteria:
- Conceptuele diepgang: legt de cursus daadwerkelijk tokens, embeddings, attention en de transformer-architectuur uit
- Praktische aanpak: schrijf je code die een echt model aanroept, fine-tunet of serveert
- Platform- en modeldekking: blijft de cursus bij één API of krijg je gevoel voor open-source versus propriëtaire modellen
- Expertise van de docent en resultaten: wie geeft de cursus en wat kun je erna daadwerkelijk bouwen
1. Introduction to LLMs in Python — DataCamp
DataCamp's Introduction to LLMs in Python is de beste enkele cursus voor ontwikkelaars die verder willen komen dan het stadium "roep de OpenAI API aan" en de transformer-architectuur onder elke moderne LLM echt willen begrijpen.
- Niveau: Gemiddeld
- Tijd: ca. 3 uur, in je eigen tempo; gratis om te beginnen
- Kosten: Gratis om te beginnen; volledige toegang inbegrepen bij een DataCamp-abonnement (ca. $25/maand)
- Beste voor: Ontwikkelaars die een gerichte, code-first introductie tot LLMs en transformers willen zonder meteen een volledige specialisatie te volgen
De cursus behandelt de werking van transformer-architecturen voordat je aan de slag gaat met voorgetrainde modellen en datasets van Hugging Face, deze fine-tunet voor specifieke taken en de resultaten evalueert.
Wat opvalt en waarom deze op één staat: de cursus draait op DataCamp's AI Tutor, die fouten uitlegt in de context van precies de code waar je naar kijkt. LLM-bugs zijn zelden duidelijk af te leiden uit alleen de stacktrace, en een tutor die redeneert over jouw specifieke fout is veel beter dan gokken.
2. LLM Engineering: Master AI, Large Language Models & Agents — Udemy
LLM Engineering is een sterke optie voor ontwikkelaars die één allesomvattende, projectgerichte cursus willen die gaat van het aanroepen van commerciële API's tot het fine-tunen van open-sourcemodellen en het bouwen van agents.
- Niveau: Gemiddeld (Python vereist)
- Tijd: 30+ uur aan content verdeeld over 200+ video's; reken op 6–8 weken met projecten
- Kosten: Meestal flink afgeprijsd tijdens de frequente Udemy-aanbiedingen
- Beste voor: Ontwikkelaars die een route door LLM-engineering willen die zowel propriëtaire als open-sourcemodellen dekt
De docent, Ed Donner, is voormalig CEO van een AI-startup en voormalig Managing Director bij JPMorgan Chase. De cursus gaat van het structureren van prompts en het begrijpen van tokenization, via het fine-tunen van open-sourcemodellen met LoRA en quantization, naar het bouwen van multi-agentsystemen.
3. The LLM Course — Hugging Face
Hugging Face's LLM Course is een uitstekende optie voor ontwikkelaars die de libraries willen begrijpen die onder de meeste open-source LLM-projecten draaien: Transformers, Datasets, Tokenizers en Accelerate.
- Niveau: Beginner tot gemiddeld
- Tijd: ca. 15–20 uur, in je eigen tempo
- Kosten: Gratis, met certificaat beschikbaar
- Beste voor: Ontwikkelaars die direct met open-sourcemodellen en de Hugging Face Hub willen werken in plaats van binnen één vendor-API te blijven
Omdat het door Hugging Face zelf wordt onderhouden en geüpdatet naarmate het ecosysteem evolueert, is het een veilige keuze om verouderde API's te vermijden — al helt het naar het Hugging Face-ecosysteem in plaats van commerciële alternatieven te bespreken.
4. ChatGPT Prompt Engineering for Developers — DeepLearning.AI
ChatGPT Prompt Engineering for Developers, gegeven door Isa Fulford (OpenAI) en Andrew Ng, is een goede optie voor ontwikkelaars die een snelle, gerichte introductie willen tot het aanroepen van een LLM via de API in plaats van via een chatvenster.
- Niveau: Beginner tot gemiddeld
- Tijd: ca. 1,5 uur
- Kosten: Gratis
- Beste voor: Ontwikkelaars die willen overstappen van handmatig prompten in ChatGPT naar het programmatisch aanroepen van een LLM en het bouwen van eenvoudige applicaties erbovenop
De cursus behandelt hoe LLMs onder de motorkap werken, twee kernprincipes voor het schrijven van effectieve prompts, en hoe je die prompts gebruikt voor taken als samenvatten, sentiment afleiden, tekst transformeren en korte notities uitwerken tot langere tekst, en sluit af met het bouwen van een custom chatbot. Hij is bewust kort en gaat uit van basiskennis Python, waardoor het een goed opstapje is vóór een langere cursus.
5. Prompt Engineering for ChatGPT — Vanderbilt University (Coursera)
Prompt Engineering for ChatGPT, gegeven door dr. Jules White aan Vanderbilt, is een uitstekende optie voor zowel ontwikkelaars als niet-ontwikkelaars die specifiek een grondige basis in prompttechniek willen, los van een enkel framework of codebase.
- Niveau: Beginner (geen voorkennis vereist)
- Tijd: ca. 19 uur
- Kosten: Gratis te volgen; Coursera-abonnement voor het certificaat
- Beste voor: Leerlingen die promptpatronen en -technieken willen beheersen die overdraagbaar zijn tussen ChatGPT, Claude en andere chatgebaseerde LLMs
De cursus behandelt hoe je prompt engineering effectief toepast, promptpatronen inzet om geavanceerder modelgedrag te ontgrendelen, en promptgebaseerde applicaties bouwt voor werk of persoonlijke projecten.
6. Generative AI: Introduction to Large Language Models — LinkedIn Learning
Generative AI: Introduction to Large Language Models, gegeven door Fred Nwanganga, is een goede optie voor ontwikkelaars en technische managers die een heldere, code-loze rondleiding willen door hoe LLMs werken voordat ze een API aanraken.
- Niveau: Beginner
- Tijd: Minder dan 2 uur
- Kosten: LinkedIn Learning-abonnement (vaak inbegrepen bij bibliotheeklidmaatschappen); gratis proefperiode beschikbaar
- Beste voor: Ontwikkelaars die het conceptuele model — neurale netwerken, transformers, encoders en decoders, attention — helder uitgelegd willen krijgen vóór ze code schrijven
De cursus behandelt wat generatieve AI en LLMs zijn, hoe ze zich hebben ontwikkeld, de deep-learningbasis waarop ze zijn gebouwd, en de mechanica van de transformer-architectuur, inclusief attention en self-attention, en sluit af met een blik op de maatschappelijke implicaties van deze modellen.
7. Essentials of Large Language Models: A Beginner's Journey — Educative
Educative's Essentials of Large Language Models is een goede optie voor ontwikkelaars die liever tekstgebaseerde, interactieve lessen hebben dan urenlang video kijken, en die een systeembreed mentaal model willen van hoe LLMs echt werken.
- Niveau: Beginner
- Tijd: In je eigen tempo, tekst- en codegebaseerd
- Kosten: Educative-abonnement
- Beste voor: Ontwikkelaars die sneller leren door te lezen en inline code te draaien dan door een screencast te kijken, en die het "waarom" achter LLM-gedrag willen, niet alleen de API-calls
De cursus behandelt LLM-essentials vanuit first principles — architectuur, tokenization, embeddings, attention en trainingsdynamiek — en gaat daarna in op praktische workflows voor prompten en het integreren van tools voor dynamische reacties.
Vergelijkingstabel beste LLM-cursussen
| Rang | Cursus | Leervorm | Diepgang van het curriculum | Kosten / signaal over uitkomsten |
|---|---|---|---|---|
| 1 | Introduction to LLMs in Python — DataCamp | AI-native, hands-on | Transformer-architectuur, fine-tuning, Hugging Face | Gratis om te beginnen; AI Tutor personaliseert elke les |
| 2 | LLM Engineering — Udemy | Videobootcamp | API's, fine-tuning (LoRA), agents, end-to-end-projecten | Vaak met korting; bestseller-badge |
| 3 | The LLM Course — Hugging Face | Gratis interactieve cursus | Transformers, Tokenizers, Datasets, fine-tuning | Gratis; direct onderhouden door Hugging Face |
| 4 | ChatGPT Prompt Engineering for Developers — DeepLearning.AI | Korte videocursus | API-gebaseerd prompten, samenvatten, tekst transformeren | Gratis; ca. 1,5 uur |
| 5 | Prompt Engineering for ChatGPT — Vanderbilt | Videocursus | Promptpatronen, promptgebaseerde applicaties | Gratis te volgen; Coursera-certificaat |
| 6 | Generative AI: Introduction to LLMs — LinkedIn Learning | Korte videocursus | Basis neurale netwerken, transformer-architectuur, attention | LinkedIn Learning-abonnement; gratis proefperiode beschikbaar |
| 7 | Essentials of LLMs: A Beginner's Journey — Educative | Interactief, tekstgebaseerd | Architectuur, tokenization, embeddings, attention | Educative-abonnement; geen videoformaat |
Author
Josef Waples
Ik ben een schrijver en editor op het gebied van data science en heb bijgedragen aan onderzoeksartikelen in wetenschappelijke tijdschriften. Ik ben vooral geïnteresseerd in lineaire algebra, statistiek, R en dergelijke. Ik speel ook best wat schaak!
FAQs
Moet ik Python kennen om een LLM-cursus te volgen?
Voor de meeste praktische cursussen op deze lijst — DataCamp, de Hugging Face-cursus en de Udemy- en Databricks-cursussen — ja, basiskennis van Python en API's wordt verwacht. De prompting-cursussen van Vanderbilt en IBM's professional certificate zijn toegankelijker voor niet-ontwikkelaars, omdat ze leunen op promptingtechniek in plaats van code.
Wat is het verschil tussen een prompt engineering-cursus en een LLM engineering-cursus?
Een prompt engineering-cursus leert je betere output uit een bestaand model te halen door hoe je verzoeken formuleert — geen code vereist. Een LLM engineering-cursus leert je systemen rond een model te bouwen: API's aanroepen, open-sourcemodellen fine-tunen, embeddings en retrieval beheren en het resultaat deployen.
Welke LLM-cursus is het beste voor absolute beginners?
Vanderbilt's Prompt Engineering for ChatGPT gaat uit van geen enkele voorkennis en is een redelijk niet-technisch startpunt. Voor beginners die wél willen programmeren is DataCamp's Introduction to LLMs in Python zo opgezet dat het toegankelijk is, met de AI Tutor die gaten opvult zodra ze opkomen.
Moet ik eerst open-source LLMs (Hugging Face) of commerciële API's (OpenAI, Anthropic, Google) leren?
De meeste werkende ontwikkelaars hebben uiteindelijk beide nodig. Commerciële API's laten je sneller bouwen; open-sourcemodellen leren je wat er onder de motorkap gebeurt en geven je controle over fine-tuning, hosting en kosten. Cursussen zoals die van DataCamp en Hugging Face leunen op open source; Udemy's LLM Engineering-cursus en de korte cursussen van DeepLearning.AI dekken beide.
Hoe lang duurt het om LLMs goed genoeg te leren om ermee te bouwen?
Een korte cursus (1–3 uur) is genoeg om je comfortabel te voelen met het aanroepen van een API en het schrijven van degelijke prompts. Een werkend, codeniveaubegrip van transformers, fine-tuning en RAG kost over het algemeen 15–30 uur in een cursus zoals die van DataCamp, Hugging Face of Databricks. Zo diep gaan dat je productieklare systemen kunt fine-tunen en deployen, zoals in de Udemy LLM Engineering-bootcamp, is realistischer een inzet van 6–8 weken.
Onderwerpen
