Metadata-Version: 2.4
Name: be-llm101
Version: 0.1.0
Summary: A Python package for a BearingPoint internal LLM course
Project-URL: Homepage, https://github.com/yourusername/be-llm101
Project-URL: Repository, https://github.com/yourusername/be-llm101
Project-URL: Issues, https://github.com/yourusername/be-llm101/issues
Author-email: Your Name <your.email@example.com>
License: MIT
Keywords: ai,llm,machine-learning,utilities
Classifier: Development Status :: 3 - Alpha
Classifier: Intended Audience :: Developers
Classifier: License :: OSI Approved :: MIT License
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.13
Requires-Python: >=3.13
Requires-Dist: langchain-core>=0.3.35
Requires-Dist: langchain-openai>=0.3.6
Requires-Dist: openpyxl>=3.1.5
Requires-Dist: pandas>=2.2.3
Requires-Dist: python-dotenv>=1.0.1
Description-Content-Type: text/markdown

# LLM101
Nybegynnerkurs i enkel bruk av språkmodeller.


- Et mer relevant dataset, liknende et faktisk usecase
- Ressoneringsmodell for laging av kategorier
- Først gi noen kategorier ("hva bedriften tror") + other, be de kategorisere inn i de
- Deretter be de finne kategoriene selv 
- Fortell om data engineering 
- SU: Begynn så enkelt som mulig, ikke overkompliser det. Utvid heller om det ikke funger, reiterer, burk feedbacken fra modellen til å gjøre dine prompts tydeligere 
- Et poeng som er kult å få inn: Noe nesting av structured outputs 
- Spør Arne om dato for mini-modellen 