Struttura del corso

Introduzione a Prompt Engineering

  • Che cos'è il prompt engineering?
  • Importanza della progettazione rapida negli LLM
  • Confronto tra approcci zero-shot, one-shot e few-shot

Progettazione di prompt efficaci

  • Principi di creazione di prompt di alta qualità
  • Sperimentare variazioni immediate
  • Sfide comuni nella progettazione rapida

Messa a punto a pochi colpi

  • Panoramica sull'apprendimento a pochi colpi
  • Applicazioni nell'adattamento LLM task-specific
  • Integrazione di esempi di pochi colpi nei prompt

Pratico con Prompt Engineering strumenti

  • Utilizzo dell'API OpenAI per una rapida sperimentazione
  • Esplorazione della progettazione rapida con Hugging Face Transformers
  • Valutazione dell'impatto delle variazioni tempestive

Ottimizzazione delle prestazioni LLM

  • Valutazione degli output e perfezionamento dei prompt
  • Incorporare il contesto per ottenere risultati migliori
  • Gestione delle ambiguità e dei pregiudizi nelle risposte LLM

Applicazioni di Prompt Engineering

  • Generazione e riassunto del testo
  • Analisi e classificazione del sentiment
  • Scrittura creativa e generazione di codice

Distribuzione di soluzioni basate su prompt

  • Integrazione dei prompt nelle applicazioni
  • Monitoraggio delle prestazioni e della scalabilità
  • Casi di studio ed esempi reali

Riepilogo e passaggi successivi

Requisiti

  • Conoscenza di base dell'elaborazione del linguaggio naturale (NLP)
  • Familiarità con la programmazione Python
  • L'esperienza con i modelli linguistici di grandi dimensioni (LLM) è un vantaggio

Pubblico

  • Sviluppatori di intelligenza artificiale
  • Ingegneri NLP
  • Professionisti dell'apprendimento automatico
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative