Kursplan

Introduksjon til Prompt Engineering

  • Hva er prompt engineering?
  • Viktigheten av rask design i LLM-er
  • Sammenligning av null-skudd, ett-skudd og få-skudd tilnærminger

Utforme effektive ledetekster

  • Prinsipper for å lage ledetekster av høy kvalitet
  • Eksperimenterer med umiddelbare variasjoner
  • Vanlige utfordringer innen rask design

Finjustering av få skudd

  • Oversikt over fåskuddslæring
  • Applikasjoner i oppgavespesifikk LLM-tilpasning
  • Integrering av få-shot-eksempler i ledetekster

Hands-on med Prompt Engineering verktøy

  • Bruker OpenAI API for rask eksperimentering
  • Utforsker rask design med Hugging Face Transformers
  • Evaluering av virkningen av umiddelbare variasjoner

Optimalisering av LLM-ytelse

  • Evaluering av utganger og raffinering av spørsmål
  • Innlemme kontekst for bedre resultater
  • Håndtere tvetydigheter og skjevheter i LLM-svar

Søknader av Prompt Engineering

  • Tekstgenerering og oppsummering
  • Sentimentanalyse og klassifisering
  • Kreativ skriving og kodegenerering

Implementering av promptbaserte løsninger

  • Integrering av meldinger i applikasjoner
  • Overvåking av ytelse og skalerbarhet
  • Kasusstudier og eksempler fra den virkelige verden

Sammendrag og neste trinn

Krav

  • Grunnleggende forståelse av naturlig språkbehandling (NLP)
  • Kjennskap til Python programmering
  • Erfaring med store språkmodeller (LLM) er en fordel

Publikum

  • AI-utviklere
  • NLP ingeniører
  • Utøvere av maskinlæring
 14 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories