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
Често срещани капани и стратегии за смекчаване
Въведение в промпт инженеринга
Усъвършенстване на промптове и итеративен дизайн
Промптове за автоматизация на тестове и генериране на SQL
Обобщение и следващи стъпки
Използване на промптове за обяснение на код и отстраняване на грешки
Писане на промптове за генериране на код
- Избягване на халюциниран код или уязвимости в сигурността
- Обработване на непълни или двусмислени входове
- Създаване на безопасни резервни промптове и предпазни механизми
- Създаване на тестови случаи от изисквания или код
- Генериране на структурирани SQL заявки от естествен език
- Форматиране на резултатите за интеграция в тестови пакети
- Обясняване на наследен или непознат код
- Промптове за логически прегледи или анализ на гранични случаи
- Намиране и обясняване на грешки или неефективности
- Генериране на код от описания на естествен език
- Контролиране на формата на изхода и програмния език
- Работа със сложна логика или множество функции
- Подобряване на резултатите чрез верижно свързване на промптове и обратни връзки
- Стратегии за възстановяване от грешки и настройка на промптове
- Казуси за усъвършенстване при технически задачи
- Библиотеки с промптове и модели за повторна употреба
- Използване на шаблони за промптове във VS Code или работни процеси, базирани на API
- Оценяване на качеството и производителността на промптовете в продукционна употреба
- Разбиране на промптове, контекст, токени и модели
- Видове промптове: zero-shot, one-shot, few-shot
- Използване на системни срещу потребителски инструкции в различни API-та
Изисквания
Аудитория
- Разработчици, използващи LLM за генериране или анализ на код
- Технически ръководители, проучващи ИИ инструменти в работните процеси
- Софтуерни професионалисти, експериментиращи с интеграции на LLM
- Опит в разработката на софтуер или скриптове
- Познаване на често срещани програмни езици (напр. Python, JavaScript, SQL)
- Основно разбиране на големи 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