LLMs from Scratch vs 
Applied ML
LLMs from Scratch vs Applied ML comparé pour 2026 — fonctionnalités, licence, facilité d'utilisation, performance et lequel choisir. Construisez un GPT à partir de rien, ligne par ligne vs Comment de vraies entreprises expédient réellement de l'IA.
Mis à jour régulièrement · curé par olud.ai
LLMs from Scratch vs Applied ML en un coup d'œil
| Spécification | LLMs from Scratch | Applied ML |
|---|---|---|
| Catégorie | Apprenez l'IA et l'apprentissage automatique | Apprenez l'IA et l'apprentissage automatique |
| Type | Livre + code | Articles & billets organisés |
| Licence | Apache-2.0 | MIT |
| S'exécute localement | Oui | Oui |
| Langue principale | Python | Markdown |
| Facilité d'utilisation | Intermédiaire | Intermédiaire |
| Meilleur pour | comprendre réellement comment fonctionne un LLM | apprendre de ce que les entreprises ont réellement fait |
| Étoiles GitHub | 99.5k | 29.9k |
Comment LLMs from Scratch et Applied ML se comparent
| Critère | LLMs from Scratch | Applied ML |
|---|---|---|
| Popularité | 4.5 | 3.5 |
| Maintenance | 5.0 | 2.0 |
| Facilité d'utilisation | 3.5 | 3.5 |
| Confidentialité | 5.0 | 5.0 |
| Liberté de licence | 5.0 | 5.0 |
Les scores sont calculés automatiquement à partir de signaux publics — étoiles GitHub (popularité), activité récente de commit (maintenance), type de licence (liberté), conception locale (confidentialité) et complexité d'intégration (facilité d'utilisation). Indicatif, pas un verdict.
Ce que chacun est
LLMs from Scratch
Le dépôt compagnon de Sebastian Raschka pour "Build a Large Language Model (From Scratch)" : vous implémentez l'attention, un transformateur, le pré-entraînement et le fine-tuning vous-même, en PyTorch pur.
- Vous construisez chaque composant vous-même — pas de boîtes noires
- Fonctionne sur un ordinateur portable, pas besoin de cluster
- L'explication la plus claire de l'attention qui existe
Applied ML
La collection organisée d'Eugene Yan d'articles et de billets de blog sur l'ingénierie sur la façon dont les entreprises construisent et déploient réellement des systèmes ML en production — organisé par problème, pas par algorithme.
- Systèmes de production réels, pas des exemples fictifs
- Organisé par problème, pas par algorithme
- Curaté par un ingénieur ML pratiquant
Principales différences
LLMs from Scratch est livre + code, tandis qu'Applied ML est articles et posts sélectionnés. Leurs licences diffèrent (Apache-2.0 vs MIT), ce qui est important si vous expédiez un produit commercial. En résumé, LLMs from Scratch convient pour comprendre réellement comment fonctionne un LLM, et Applied ML convient pour apprendre de ce que les entreprises ont réellement fait.
Lequel devriez-vous choisir ?
Choisissez LLMs from Scratch pour comprendre réellement comment fonctionne un LLM. Choisissez Applied ML pour apprendre de ce que les entreprises ont réellement fait.
Il n'y a rarement un gagnant — de nombreuses configurations utilisent les deux. Le bon choix dépend de votre matériel, des compétences de votre équipe et de votre préférence pour la simplicité ou le contrôle.
Questions fréquemment posées
LLMs from Scratch ou Applied ML, lequel est plus facile à utiliser ?
Les deux sont à un niveau similaire (Intermédiaire). Votre choix devrait dépendre de l'adéquation plutôt que de la difficulté.
LLMs from Scratch et Applied ML sont-ils gratuits ?
LLMs from Scratch est gratuit et open source (Apache-2.0), et Applied ML est gratuit et open source (MIT). Aucun ne facture pour le logiciel de base.
Puis-je exécuter LLMs from Scratch et Applied ML localement ?
LLMs from Scratch : oui · Applied ML : oui. Les deux peuvent être utilisés sans envoyer vos données à un cloud tiers où leur configuration le permet.
LLMs from Scratch vs Applied ML — lequel devrais-je choisir en 2026 ?
Choisissez LLMs from Scratch pour comprendre réellement comment fonctionne un LLM. Choisissez Applied ML pour apprendre de ce que les entreprises ont réellement fait.
Les gens comparent aussi
Explorez plus d'IA open-source
Parcourez des milliers d'outils, modèles et projets d'IA open-source — tous regroupés au même endroit, mis à jour quotidiennement.
Explorez le répertoire →