LLMs from Scratch vs 
Applied ML
LLMs from Scratch vs Applied ML comparados para 2026 — recursos, licença, facilidade de uso, desempenho e qual escolher. Construa um GPT do zero, linha por linha vs Como empresas reais realmente implementam ML.
Atualizado regularmente · curado por OpenSourceAI.tech
LLMs from Scratch vs Applied ML em um relance
| Especificação | LLMs from Scratch | Applied ML |
|---|---|---|
| Categoria | Aprenda IA e aprendizado de máquina | Aprenda IA e aprendizado de máquina |
| Tipo | Livro + código | Artigos & postagens curados |
| Licença | Apache-2.0 | MIT |
| Executa localmente | Sim | Sim |
| Linguagem principal | Python | Markdown |
| Facilidade de uso | Intermediário | Intermediário |
| Melhor para | entendendo genuinamente como um LLM funciona | aprendendo com o que as empresas realmente fizeram |
| Estrelas no GitHub | 100.1k | 30k |
Como LLMs from Scratch e Applied ML se saem
| Critério | LLMs from Scratch | Applied ML |
|---|---|---|
| Popularidade | 5.0 | 3.5 |
| Manutenção | 5.0 | 2.0 |
| Facilidade de uso | 3.5 | 3.5 |
| Privacidade | 5.0 | 5.0 |
| Liberdade de licença | 5.0 | 5.0 |
As pontuações são calculadas automaticamente a partir de sinais públicos — estrelas no GitHub (popularidade), atividade recente de commits (manutenção), tipo de licença (liberdade), design local-first (privacidade) e complexidade de integração (facilidade de uso). Indicativo, não um veredicto.
O que cada um é
LLMs from Scratch
O repositório complementar de Sebastian Raschka para "Build a Large Language Model (From Scratch)": você implementa atenção, um transformer, pré-treinamento e ajuste fino por conta própria, em PyTorch puro.
- Você constrói cada componente por conta própria — sem caixas pretas
- Funciona em um laptop, sem necessidade de cluster
- A explicação mais clara de atenção em qualquer lugar
Applied ML
A coleção curada de artigos e postagens de blog de engenharia de Eugene Yan sobre como as empresas realmente constroem e implantam sistemas de ML em produção — organizado por problema, não por algoritmo.
- Sistemas de produção reais, não exemplos de brinquedo
- Organizado por problema, não por algoritmo
- Curado por um engenheiro de ML em prática
Principais diferenças
LLMs from Scratch é livro + código, enquanto Applied ML são artigos e posts selecionados. Suas licenças diferem (Apache-2.0 vs MIT), o que importa se você lançar um produto comercial. Em resumo, LLMs from Scratch se encaixa para entender genuinamente como um LLM funciona, e Applied ML se encaixa para aprender com o que as empresas realmente fizeram.
Qual você deve escolher?
Escolha LLMs from Scratch para entender genuinamente como um LLM funciona. Escolha Applied ML para aprender com o que as empresas realmente fizeram.
Raramente há um vencedor — muitas configurações usam ambos. A escolha certa depende do seu hardware, das habilidades da sua equipe e se você valoriza simplicidade ou controle.
Perguntas frequentes
É mais fácil usar LLMs from Scratch ou Applied ML?
Ambos estão em um nível semelhante (Intermediário). Sua escolha deve se basear na adequação em vez da dificuldade.
Os LLMs from Scratch e Applied ML são gratuitos?
LLMs from Scratch é gratuito e de código aberto (Apache-2.0), e Applied ML é gratuito e de código aberto (MIT). Nenhum deles cobra pelo software principal.
Posso executar LLMs from Scratch e Applied ML localmente?
LLMs from Scratch: sim · Applied ML: sim. Ambos podem ser usados sem enviar seus dados para uma nuvem de terceiros onde sua configuração permite.
LLMs from Scratch vs Applied ML — qual devo escolher em 2026?
Escolha LLMs from Scratch para entender genuinamente como um LLM funciona. Escolha Applied ML para aprender com o que as empresas realmente fizeram.
As pessoas também comparam
Explore mais IA de código aberto
Navegue por milhares de ferramentas, modelos e projetos de IA de código aberto — todos organizados em um só lugar, atualizados diariamente.
Explore o diretório →