聯繫我們

課程簡介

提示工程簡介

  • 什麼是提示工程?
  • 提示設計在LLMs中的重要性
  • 零樣本、單樣本與少樣本方法的比較

設計有效提示

  • 高質量提示的構建原則
  • 嘗試不同的提示變體
  • 提示設計中的常見挑戰

少樣本微調

  • 少樣本學習概述
  • 在任務特定LLM適應中的應用
  • 將少樣本示例整合到提示中

提示工程工具實踐

  • 使用OpenAI API進行提示實驗
  • 探索Hugging Face Transformers的提示設計
  • 評估提示變體的影響

優化LLM性能

  • 評估輸出並優化提示
  • 整合上下文以獲得更好的結果
  • 處理LLM響應中的歧義和偏見

提示工程的應用

  • 文本生成與摘要
  • 情感分析與分類
  • 創意寫作與代碼生成

部署基於提示的解決方案

  • 將提示整合到應用中
  • 監控性能與可擴展性
  • 案例研究與實際示例

總結與下一步

最低要求

  • 具備自然語言處理(NLP)的基礎知識
  • 熟悉Python編程
  • 有大型語言模型(LLMs)經驗者優先

受衆

  • AI開發者
  • NLP工程師
  • 機器學習從業者
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類