Návrh Školení

Úvod do prompt engineering

  • Co je prompt engineering?
  • Důležitost návrhu promptů v LLM
  • Porovnání zero-shot, one-shot a few-shot přístupů

Návrh efektivních promptů

  • Principy vytváření kvalitních promptů
  • Experimentování s různými variantami promptů
  • Běžné výzvy při návrhu promptů

Few-Shot Fine-Tuning

  • Přehled few-shot učení
  • Aplikace při úlohovém přizpůsobení LLM
  • Integrace few-shot příkladů do promptů

Praktická práce s nástroji pro prompt engineering

  • Použití OpenAI API pro experimentování s prompty
  • Prozkoumání návrhu promptů s Hugging Face Transformers
  • Posouzení dopadu různých variant promptů

Optimalizace výkonu LLM

  • Posouzení výstupů a rafinace promptů
  • Vykolektování kontextu pro lepší výsledky
  • Zpracování nejasností a biasu v odpovědích LLM

Aplikace prompt engineering

  • Generování a shrnutí textu
  • Analýza sentimentu a klasifikace
  • Kreativní psaní a generování kódu

Nasazení řešení založených na promptech

  • Integrace promptů do aplikací
  • Monitorování výkonu a škálovatelnosti
  • Případové studie a praktické příklady

Shrnutí a další kroky

Požadavky

  • Základní znalosti přirozeného jazykového zpracování (NLP)
  • Znalost programování v Pythonu
  • Zkušenosti s velkými jazykovými modely (LLM) jsou vítány

Cílová skupina

  • Vývojáři AI
  • Inženýři NLP
  • Praktikanti strojového učení
 14 Hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie