Introducere, LLM-uri
și primul API

Despre acest curs

• Ce construim în curs și cum lucrăm
• Ce este un LLM
• API vs local: avantaje și limite
• Anatomia unui apel la model
• Tokeni, context și cost
• Parametri de generare: temperature, top-p, max tokens, seed
• Primul apel API în notebook: Gemini sau OpenRouter

Obiective de învățare

• Înțelegi ce este un LLM și cum este folosit prin API
• Distingi între model, provider, endpoint, API key, prompt și response
• Configurezi cheia API în .env și o accesezi din Python
• Rulezi primul apel la model din notebook și interpretezi răspunsul
• Testezi efectul parametrilor — mai ales temperature și max_tokens
• Estimezi costul unui apel pe baza numărului de tokeni

Materiale

Ce predai după C1

• 01Notebook funcțional cu primul apel la model — rulat complet, fără erori
• 02Experiment documentat pe temperature — cel puțin 3 valori, cu observații
• 03Rezumat neutru al unei știri scurte — generat și evaluat cu modelul
• 04Repo de echipă inițializat cu README.md, .env.example și notebook introductiv
• 05Confirmare că .env nu este comis în GitHub (verificat cu git log --all)

Resurse

Checklist practic

• Acceptă GitHub Classroom assignment și clonează repo-ul de echipă
• Creează .venv și instalează dependențele
• Copiază .env.example în .env
• Adaugă cheia Gemini sau OpenRouter local în .env
• Rulează primul apel API în notebook — verifică răspunsul
• Testează valori diferite pentru temperature (0.0, 0.5, 1.0, 1.5)
• Fă commit cu mesaj clar — verifică că .env nu apare în git status