Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Продължителност 7 часa
Съдържание и теми, включени в курса
Добри практики и инструменти
Чести грешки и стратегии за намаление
Въведение в промотинга
Рафиниране и итеративен дизайн на промптове
Промптове за автоматизация на тестове и генериране на SQL
Резюме и следващи стъпки
Използване на промптове за обяснение и отстраняване на грешки в кода
Писане на промптове за генериране на код
- Избягване на измислен код или сигурностни уязвимости
- Обработване на непълни или двусмислени входни данни
- Създаване на безопасни резервни промптове и защитни механизми
- Създаване на тестови случаи от изисквания или код
- Генериране на структурирани SQL заявки от естествен език
- Форматиране на изходите за интеграция в тестови комплекти
- Обясняване на остарели или непознати части от кода
- Промптове за преглед на логиката или анализ на гранични случаи
- Намиране и обясняване на грешки или неефективност
- Генериране на код от описания на естествен език
- Контрол на формата на изхода и програмния език
- Работа със сложна логика или множество функции
- Подобряване на резултатите чрез вериги от промптове и цикли на обратна връзка
- Възстановяване при грешки и стратегии за настройка на промптове
- Кейс studies в областта на рафинирането за технически задачи
- Библиотеки с промптове и модели за повторно използване
- Използване на шаблони за промптове в VS Code или API-базирани работни процеси
- Оценка качеството и производителността на промптовете при продуктивно използване
- Разбиране на промптовете, контекста, токените и моделите
- Типове промптове: zero-shot, one-shot, few-shot
- Използване на системни срещу потребителски инструкции в различни API
Изисквания
Целева аудитория
- Разработчици, използващи езикови модели (LLM) за генериране или анализ на код
- Технически лидери, изследващи ИИ инструменти в работните процеси
- Професионалисти по софтуер, експериментирани с интеграции на езикови модели
- Опит в разработката на софтуер или скриптове
- Знаемост с общи програмни езици (напр. Python, JavaScript, SQL)
- Базови познания за езикови модели и ИИ инструменти като ChatGPT, Claude или Copilot
Отзиви от участници (1)
Придобих знания за библиотеката Streamlit на Python и със сигурност ще опитам да я използвам, за да подобря приложенията в моя екип, които са създадени с R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Курс - GitHub Copilot for Developers
Машинен превод