Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Najlepsze Praktyki i Narzędzia
Typowe Problemy i Strategie Ich Rozwiązywania
Wprowadzenie do Inżynierii Promptów
Udoskonalanie i Iteracyjne Projektowanie Promptów
Tworzenie Promptów do Automatyzacji Testów i Generowania SQL
Podsumowanie i Kolejne Kroki
Wykorzystanie Promptów do Wyjaśniania i Debugowania Kodu
Pisanie Promptów do Generowania Kodu
- Unikanie „hallucinacji” kodu lub luk w zabezpieczeniach
- Radzenie sobie z niepełnymi lub niejednoznacznymi danymi wejściowymi
- Tworzenie bezpiecznych zapasowych promptów i zabezpieczeń
- Tworzenie przypadków testowych na podstawie wymagań lub kodu
- Generowanie strukturalnych zapytań SQL z języka naturalnego
- Formatowanie wyników do integracji z zestawami testowymi
- Wyjaśnianie starszego lub nieznanego kodu
- Tworzenie promptów do analizy logiki lub przypadków brzegowych
- Znajdowanie i wyjaśnianie błędów lub nieefektywności
- Generowanie kodu na podstawie opisów w języku naturalnym
- Kontrolowanie formatu wyjściowego i języka programowania
- Praca ze złożoną logiką lub wieloma funkcjami
- Poprawa wyników poprzez łańcuchy promptów i pętle zwrotne
- Strategie odzyskiwania błędów i dostrajania promptów
- Studia przypadków udoskonalania promptów w zadaniach technicznych
- Biblioteki promptów i wzorce ponownego użycia
- Wykorzystanie szablonów promptów w VS Code lub przepływach pracy opartych na API
- Ocena jakości i wydajności promptów w użyciu produkcyjnym
- Zrozumienie promptów, kontekstu, tokenów i modeli
- Typy promptów: zero-shot, one-shot, few-shot
- Wykorzystanie instrukcji systemowych vs. użytkownika w różnych API
Wymagania
Grupa docelowa
- Programiści wykorzystujący modele językowe (LLM) w generowaniu lub analizie kodu
- Kierownicy techniczni eksplorujący narzędzia AI w procesach pracy
- Profesjonaliści branży IT eksperymentujący z integracją modeli językowych
- Doświadczenie w rozwoju oprogramowania lub skryptowaniu
- Znajomość popularnych języków programowania (np. Python, JavaScript, SQL)
- Podstawowa znajomość modeli językowych i narzędzi AI, takich jak ChatGPT, Claude lub Copilot
7 godzin
Opinie uczestników (1)
Zdobyłem wiedzę na temat biblioteki Streamlit w Pythonie i na pewno spróbuję ją wykorzystać, aby ulepszyć aplikacje w moim zespole, które są tworzone w R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Szkolenie - GitHub Copilot for Developers
Przetłumaczone przez sztuczną inteligencję