Kursplan

Innføring i Prompt Engineering

  • Hva er prompt engineering?
  • Viktigheten av prompt-design i LLMs
  • Sammenligning av zero-shot, one-shot og few-shot tilnærminger

Designing Effektive Prompts

  • Prinsipper for å skape høykvalitets-prompts
  • Eksperimentere med prompt-variasjoner
  • Vanlige utfordringer i prompt-design

Few-Shot Fine-Tuning

  • Oversikt over few-shot læring
  • Anvendelser i oppgave-spesifikk LLM-tilpasning
  • Integrere few-shot eksempler i prompts

Praktisk Arbeid med Prompt Engineering-verktøy

  • Bruke OpenAI API for prompt-eksperimentering
  • Utforske prompt-design med Hugging Face Transformers
  • Evaluere effekten av prompt-variasjoner

Optimalisering av LLM-ytelse

  • Evaluere utdata og forbedre prompts
  • Ta hensyn til kontekst for bedre resultater
  • Behandle usikkerheter og bias i LLM-svarene

Anvendelser av Prompt Engineering

  • Tekstgenerering og sammendrag
  • Sentimentsanalyse og kategorisering
  • Kreativ skriving og kodegenerering

Implementering av Prompt-baserte Løsninger

  • Integrasjon av prompts i applikasjoner
  • Overvåking av ytelse og skalerbarhet
  • Casestudier og virkelige eksempler

Sammendrag og Neste Trinn

Krav

  • Grunnleggende forståelse av naturlig språkbehandling (NLP)
  • Bekjent med Python-programmering
  • Erfaring med store språkmodeller (LLMs) er et pluss

Målgruppe

  • AI-utviklere
  • NLP-ingeniører
  • Maskinlæringspraktisere
 14 Timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier