Plan Szkolenia

Wprowadzenie do Inżynierii Promptów

  • Czym jest inżynieria promptów?
  • Znaczenie projektowania promptów w LLM
  • Porównanie podejść zero-shot, one-shot i few-shot

Projektowanie Skutecznych Promptów

  • Zasady tworzenia wysokiej jakości promptów
  • Eksperymentowanie z różnymi wariantami promptów
  • Typowe wyzwania w projektowaniu promptów

Fine-Tuning z Niewielką Liczbą Przykładów

  • Przegląd uczenia z niewielką liczbą przykładów
  • Zastosowania w dostosowywaniu LLM do specyficznych zadań
  • Integracja przykładów z niewielką liczbą danych do promptów

Praktyczne Ćwiczenia z Narzędziami Inżynierii Promptów

  • Korzystanie z API OpenAI do eksperymentów z promptami
  • Eksploracja projektowania promptów z Hugging Face Transformers
  • Ocena wpływu różnych wariantów promptów

Optymalizacja Wydajności LLM

  • Ocena wyników i dostosowywanie promptów
  • Włączanie kontekstu dla lepszych rezultatów
  • Radzenie sobie z niejednoznacznościami i uprzedzeniami w odpowiedziach LLM

Zastosowania Inżynierii Promptów

  • Generowanie i podsumowywanie tekstu
  • Analiza sentymentu i klasyfikacja
  • Tworzenie kreatywnych tekstów i generowanie kodu

Wdrażanie Rozwiązań Opartych na Promptach

  • Integracja promptów z aplikacjami
  • Monitorowanie wydajności i skalowalności
  • Studia przypadków i przykłady z rzeczywistych zastosowań

Podsumowanie i Kolejne Kroki

Wymagania

  • Podstawowa znajomość przetwarzania języka naturalnego (NLP)
  • Znajomość programowania w Pythonie
  • Doświadczenie z dużymi modelami językowymi (LLM) to zaleta

Grupa docelowa

  • Programiści AI
  • Inżynierowie NLP
  • Praktycy uczenia maszynowego
 14 godzin

Liczba uczestników


Cena za uczestnika

Propozycje terminów

Powiązane Kategorie