Cursus
Concepten van Large Language Models (LLMs)
2 Hr
103.8K
Large language models zijn uitgegroeid van een onderzoeksnieuwtje tot iets waar elke developer een mening over moet 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 retourbeleid heeft verzonnen.
Om je te helpen hebben we een gerangschikte lijst samengesteld op basis van vier criteria:
- Conceptuele diepgang: legt de cursus echt tokens, embeddings, attention en de transformer-architectuur uit
- Praktische strengheid: 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 uitkomsten: wie geeft les en wat je daarna daadwerkelijk kunt bouwen
1. Introduction to LLMs in Python — DataCamp
DataCamp's Introduction to LLMs in Python is de beste losse cursus voor developers die verder willen dan de fase "roep de OpenAI API aan" en de transformer-architectuur onder elke moderne LLM echt willen begrijpen.
- Niveau: Gemiddeld
- Tijd: ~3 uur, op eigen tempo; gratis te starten
- Kosten: Gratis te starten; volledige toegang inbegrepen bij een DataCamp-abonnement (~$25/maand)
- Beste voor: Developers die een gefocuste, code-first introductie tot LLMs en transformers willen zonder meteen een volledige specialisatie te volgen
De cursus behandelt de werking van transformer-architecturen en gaat daarna verder met het gebruiken van voorgetrainde modellen en datasets van Hugging Face, het fine-tunen voor specifieke taken en het evalueren van de resultaten.
Wat opvalt en waarom dit nummer één is: de cursus draait op DataCamp's AI Tutor, die fouten uitlegt in de context van de exacte code waar jij naar kijkt. LLM-bugs zijn zelden duidelijk uit alleen de stacktrace en een tutor die over jouw specifieke fout kan redeneren is beter dan gokken.
2. LLM Engineering: Master AI, Large Language Models & Agents — Udemy
LLM Engineering is een sterke optie voor developers die één allesomvattende, projectzware cursus willen die loopt van commerciële API's aanroepen tot open-sourcemodellen fine-tunen en agents bouwen.
- Niveau: Gemiddeld (Python vereist)
- Tijd: ~30+ uur aan content over 200+ colleges; reken op 6–8 weken met projecten
- Kosten: Meestal sterk afgeprijsd tijdens de frequente sales van Udemy
- Beste voor: Developers die een route door LLM-engineering willen die zowel propriëtaire als open-sourcemodellen behandelt
De docent, Ed Donner, is voormalig AI-startup-CEO 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 keuze voor developers die de libraries willen begrijpen die onder de meeste open-source LLM-projecten draaien: Transformers, Datasets, Tokenizers en Accelerate.
- Niveau: Beginner tot Gemiddeld
- Tijd: ~15–20 uur, op eigen tempo
- Kosten: Gratis, met certificaat beschikbaar
- Beste voor: Developers die direct met open-sourcemodellen en de Hugging Face Hub willen werken in plaats van binnen één vendor-API te blijven
Omdat het wordt onderhouden door Hugging Face zelf en wordt bijgewerkt naarmate het ecosysteem evolueert, is het een veilige keuze om verouderde API's te vermijden — al helt het wel 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 developers die snel en gefocust willen leren om een LLM via de API aan te roepen in plaats van via een chatvenster.
- Niveau: Beginner tot Gemiddeld
- Tijd: ~1,5 uur
- Kosten: Gratis
- Beste voor: Developers die willen overstappen van handmatig prompten in ChatGPT naar het programmatisch aanroepen van een LLM en het bouwen van eenvoudige apps erop
De cursus behandelt hoe LLMs onder de motorkap werken, twee kernprincipes voor effectieve prompts, en hoe je die prompts gebruikt voor taken als samenvatten, sentiment afleiden, tekst transformeren en korte notities uitbreiden naar langere tekst, en sluit af met het bouwen van een eigen chatbot. Hij is bewust kort en gaat uit van basiskennis van Python, waardoor het een goede opstap 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 goede optie voor zowel developers als niet-developers die een grondige basis in promptingtechniek willen, los van een specifiek framework of codebase.
- Niveau: Beginner (geen voorkennis vereist)
- Tijd: ~19 uur
- Kosten: Gratis om te volgen; Coursera-abonnement voor het certificaat
- Beste voor: Leerders die promptpatronen en technieken willen beheersen die overdraagbaar zijn tussen ChatGPT, Claude en andere chat-gebaseerde LLMs
De cursus behandelt hoe je prompt engineering effectief toepast, promptpatronen gebruikt om geavanceerder modelgedrag te ontgrendelen en prompt-gebaseerde toepassingen 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 developers en technische managers die een duidelijke, codevrije uitleg willen over hoe LLMs werken vóórdat ze een API aanraken.
- Niveau: Beginner
- Tijd: Minder dan 2 uur
- Kosten: LinkedIn Learning-abonnement (vaak inbegrepen bij bibliotheeklidmaatschappen); gratis proefperiode beschikbaar
- Beste voor: Developers die het conceptuele model — neurale netwerken, transformers, encoders en decoders, attention — helder uitgelegd willen krijgen vóórdat ze code schrijven
De cursus behandelt wat generatieve AI en LLMs zijn, hoe ze zich hebben ontwikkeld, de deep-learningfundamenten waarop ze gebouwd zijn, en de werking 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 developers die tekstgebaseerde, interactieve lessen verkiezen boven het uitkijken van video, en die een systeemniveau-mentaal model willen van hoe LLMs echt werken.
- Niveau: Beginner
- Tijd: Op eigen tempo, tekst- en codegebaseerd
- Kosten: Educative-abonnement
- Beste voor: Developers die sneller leren door te lezen en inline code te draaien dan door een screencast te kijken, en die de "waarom" achter LLM-gedrag willen, niet alleen de API-calls
De cursus behandelt LLM-grondslagen vanaf first principles — architectuur, tokenization, embeddings, attention en trainingsdynamiek — en gaat daarna over op praktische workflows voor prompten en het integreren van tools voor dynamische respons.
Vergelijkingstabel beste LLM-cursussen
| Rang | Cursus | Leerformaat | Diepgang van het curriculum | Kosten / Signaal van uitkomsten |
|---|---|---|---|---|
| 1 | Introduction to LLMs in Python — DataCamp | AI-native, hands-on | Transformer-architectuur, fine-tuning, Hugging Face | Gratis te starten; AI Tutor personaliseert elke les |
| 2 | LLM Engineering — Udemy | Videobootcamp | API's, fine-tuning (LoRA), agents, end-to-end projecten | Vaak afgeprijsd; 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; ~1,5 uur |
| 5 | Prompt Engineering for ChatGPT — Vanderbilt | Videocursus | Promptpatronen, prompt-gebaseerde applicaties | Gratis om 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 hands-on 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 promptingcursussen van Vanderbilt en IBM's professional certificate zijn toegankelijker voor niet-developers, 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 nodig. 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 coderen, is DataCamp's Introduction to LLMs in Python zo opgezet dat het toegankelijk is, met de AI Tutor die gaten opvult zodra ze zich voordoen.
Moet ik eerst open-source LLMs (Hugging Face) of commerciële API's (OpenAI, Anthropic, Google) leren?
De meeste werkende developers hebben uiteindelijk beide nodig. Commerciële API's laten je sneller bouwen; open-sourcemodellen leren je wat er onder de motorkap gebeurt en geven controle over fine-tuning, hosting en kosten. Cursussen zoals die van DataCamp en Hugging Face leunen op open-source; Udemy's LLM Engineering en de korte cursussen van DeepLearning.AI behandelen beide.
Hoe lang duurt het om LLMs goed genoeg te leren om ermee te bouwen?
Een korte cursus (1–3 uur) is genoeg om comfortabel een API aan te roepen en redelijke prompts te schrijven. Een werkend, code-niveau begrip van transformers, fine-tuning en RAG kost doorgaans 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
