آموزش چارچوب‌ها و متدولوژی‌های مهندسی پرامپت (Prompt Engineering) - آخرین آپدیت

دانلود Prompt Engineering Frameworks & Methodologies

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تکنیک‌های اثبات شده برای طراحی، تنظیم و ارزیابی پرامپت‌های با کارایی بالا برای مدل‌های زبانی بزرگ (LLMs) را بیاموزید. اصول محوری مهندسی پرامپت را کشف کنید و بدانید چرا پرامپت‌نویسی ساختاریافته منجر به خروجی‌های سازگارتر در LLM می‌شود. بهترین روش‌ها و قالب‌های قابل استفاده مجدد را بررسی کنید که ایجاد پرامپت را برای کاربردهای مختلف ساده می‌کنند. چارچوب‌های بنیادی پرامپت‌نویسی مانند زنجیره افکار (Chain-of-Thought)، گام به عقب (Step-Back)، تعیین نقش (Role Prompting) و خود-سازگاری (Self-Consistency) را تسلط یابید. استراتژی‌های پیشرفته‌ای مانند زنجیره تراکم (Chain-of-Density)، درخت افکار (Tree-of-Thought) و برنامه افکار (Program-of-Thought) را برای مدیریت وظایف پیچیده استدلالی و تلخیص به کار بگیرید. پرامپت‌های مؤثری طراحی کنید که با انواع مختلف وظایف مانند طبقه‌بندی، تولید محتوا، تلخیص، استخراج داده و غیره همسو باشند. هایپرپارامترهایی مانند Temperature، Top-p و جریمه‌های تکرار (Frequency Penalties) را برای بهبود سبک خروجی، تنوع و طول متن تنظیم کنید. پاسخ‌های مدل را با استفاده از Max Tokens و توالی‌های توقف (Stop Sequences) کنترل کنید تا خروجی‌ها متناسب با وظیفه و محدود باشند. جریان‌های کاری تنظیم پرامپت (Prompt Tuning) را برای بهبود عملکرد مدل بدون نیاز به بازآموزی مدل پایه پیاده‌سازی کنید. اثربخشی پرامپت‌ها را با استفاده از معیارهای ساختاریافته و ابزارهایی مانند PromptFoo برای تست A/B و بنچ‌مارک عملکرد ارزیابی کنید. پیش‌نیازها: هیچ تجربه قبلی یا مهارت فنی خاصی مورد نیاز نیست؛ فقط کنجکاوی، یک کامپیوتر با دسترسی به اینترنت و علاقه به کاوش در دنیای پرامپت‌های هوش مصنوعی داشته باشید.

اگر توسعه‌دهنده، دانشمند داده، مدیر محصول AI یا هر کسی هستید که به دنبال باز کردن تمام پتانسیل مدل‌های زبانی بزرگ است، این دوره برای شما طراحی شده است. آیا تا به حال از خود پرسیده‌اید: «چرا مدل هوش مصنوعی من دستورات من را اشتباه متوجه می‌شود؟» یا «چگونه می‌توانم پرامپت‌هایی بنویسم که همیشه نتایج بهینه بگیرند؟» تصور کنید در نهایت این اعتماد به نفس را داشته باشید که LLMها را با دقت و خلاقیت هدایت کنید، فارغ از اینکه پروژه شما چیست.

دوره «چارچوب‌ها و متدولوژی‌های مهندسی پرامپت» غواصی عمیق در تکنیک‌های کاربردی و پیشرو است که بسیار فراتر از تعاملات ابتدایی با هوش مصنوعی می‌رود. این دوره شما را تجهیز می‌کند تا به صورت سیستماتیک پرامپت‌ها را طراحی، ارزیابی و تنظیم کنید تا بتوانید خروجی‌های توانمند و دقیق را به دست آورید – چه در حال ساخت چت‌بات باشید، چه اتوماسیون جریان‌های کاری و چه تلخیص اطلاعات پیچیده.

در این دوره، شما موارد زیر را خواهید آموخت:

  • توسعه دانش کاربردی در استراتژی‌های بنیادی و پیشرفته پرامپت‌نویسی، از جمله Chain-of-Thought، Step-Back و Role Prompting.

  • تسلط بر استفاده از قالب‌های پرامپت (Prompt Templates) برای ایجاد سازگاری و بهره‌وری در طراحی.

  • به‌کارگیری ساختارهای فکری پیشرفته مانند Tree-of-Thought، Skeleton-of-Thought و Program-of-Thought برای استدلال‌های پیچیده‌تر و کنترل خروجی.

  • بهینه‌سازی هایپرپارامترهای پرامپت مانند Temperature، Top-p، Max Tokens و جریمه‌ها برای هدایت دقیق رفتار مدل.

  • پیاده‌سازی تکنیک‌های تنظیم پرامپت در دنیای واقعی و بهترین روش‌ها برای دستیابی به نتایج پایدار و تکرارپذیر.

  • ارزیابی کیفیت خروجی پرامپت با استفاده از ابزارهای صنعتی (مانند PromptFoo) برای اطمینان از دستیابی به نتایج قابل اندازه‌گیری.

چرا اکنون باید وارد مهندسی پرامپت شوید؟ همانطور که مدل‌های هوش مصنوعی به طور فزاینده‌ای در کسب‌وکارها و تحقیقات محوری می‌شوند، توانایی نوشتن پرامپت‌های مؤثر، مهارتی است که نتایج متوسط را از تعالی واقعی متمایز می‌کند. تسلط بر این چارچوب‌ها باعث صرفه‌جویی در زمان، افزایش عملکرد مدل و ایجاد مزیت رقابتی در چشم‌انداز سریعاً در حال تحول هوش مصنوعی می‌شود.

در طول این دوره، شما موارد زیر را انجام خواهید داد:

  • ایجاد و تکرار قالب‌های پرامپت سفارشی برای وظایف متنوع.

  • تجربه عملی با چندین چارچوب پرامپت‌نویسی و مستندسازی اثرات آن‌ها.

  • تنظیم و مقایسه چندین پیکربندی پرامپت برای دریافت بهینه‌ترین پاسخ‌های مدل.

  • انجام ارزیابی‌های ساختاریافته از طراحی‌های پرامپت خود با استفاده از بنچ‌مارک‌ها و ابزارهای واقعی.

این دوره با رویکرد جامع و روشمند خود متمایز است – رویکردی که بر اساس آخرین تحقیقات LLM و کاربردهای صنعتی استوار است. چه هدف شما بهینه‌سازی یک وظیفه واحد باشد و چه معماری جریان‌های کاری پیچیده و چندمرحله‌ای، چارچوب‌های کاربردی و متدولوژی‌های عملی را کسب خواهید کرد که در جدیدترین مدل‌های زبانی اثبات شده‌اند.

صرفاً از هوش مصنوعی «استفاده» نکنید؛ هنر و علم هدایت آن را بیاموزید. همین حالا ثبت‌نام کنید تا مهندسی پرامپت خود را از حد حدس و گمان به یک مهارت قدرتمند و تکرارپذیر تبدیل کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و منابع دوره Introduction and course resources

  • مهندسی پرامپت چیست و چرا به آن نیاز داریم؟ What is Prompt Engineering and why we need it?

  • دستاورد اول This is a milestone

مبانی مهندسی پرامپت و بهترین روش‌ها Prompt engineering basics and best practices

  • کلید پرامپت‌نویسی خوب: پرامپت‌های دقیق و جزئی Key to good prompting - Detailed and Specific prompts

  • بهترین روش‌های پرامپت‌نویسی Prompting best practices

  • قالب‌های پرامپت Prompt templates

  • آزمون Quiz

چارچوب‌های پرامپت‌نویسی Prompting frameworks

  • پرامپت‌نویسی زنجیره افکار (Chain of Thought) Chain-of-thought prompting

  • پرامپت‌نویسی گام به عقب (Step Back) Step-back prompting

  • پرامپت‌نویسی تعیین نقش؛ آیا واقعاً مؤثر است؟ Role prompting - does it even work?

  • خود-سازگاری (Self Consistency) Self-consistency

  • زنجیره تراکم برای تلخیص‌های بهتر Chain-of-Density for better summaries

  • آزمون Quiz

  • درباره ایفای نقش (Roleplay) پیش‌رو About the upcoming roleplay

  • به‌کارگیری تکنیک‌های مهندسی پرامپت در یک مصاحبه شبیه‌سازی شده Applying Prompt Engineering Techniques in a Mock Interview

ساختارهای فکری Thought structures

  • پرامپت‌نویسی درخت افکار (Tree of Thought) Tree-of-thought prompting

  • پرامپت‌نویسی اسکلت افکار (Skeleton of Thought) Skeleton-of-thought prompting

  • پرامپت‌نویسی برنامه افکار (Program of Thought) Program-of-thought prompting

  • آزمون Quiz

هایپرپارامترهای پرامپت و تنظیم آن‌ها Prompt hyperparameters and their tuning

  • هایپرپارامترهای پرامپت چیستند؟ What are prompt hyperparameters

  • دما (Temperature) و Top-p Temperature and top-p

  • حداکثر توکن‌ها و توالی توقف برای کنترل طول خروجی Max tokens and Stop sequence for controlling length of output

  • جریمه حضور و جریمه تکرار برای ایجاد تنوع در پاسخ Presence penalty and frequency penalty for variety in response

  • تنظیم پارامترهای پرامپت Tuning prompt parameters

  • آزمون Quiz

تنظیم پرامپت (Prompt Tuning) Prompt tuning

  • تنظیم پرامپت (Prompt Tuning) چیست؟ What is prompt tuning

  • فرآیند پیاده‌سازی تنظیم پرامپت Process of implementing prompt tuning

  • آزمون Quiz

ارزیابی پرامپت Prompt evaluation

  • سه روش ارزیابی پرامپت‌ها Three ways of evaluating prompts

  • تست A/B پرامپت‌ها Prompt A/B testing

  • ارزیابی پرامپت با استفاده از PromptFoo Prompt evaluation using PromptFoo

  • آزمون Quiz

  • ایفای نقش مصاحبه: نمایش دانش مهندسی پرامپت Interview Role Play: Demonstrating Prompt Engineering Knowledge

  • دستاورد نهایی! The final milestone!

جمع‌بندی Conclusion

  • درباره گواهینامه شما About your certificate

  • درس جایزه (Bonus) Bonus Lecture

نمایش نظرات

آموزش چارچوب‌ها و متدولوژی‌های مهندسی پرامپت (Prompt Engineering)
جزییات دوره
3 hours
28
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
32,707
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Start-Tech Academy Start-Tech Academy

بیش از 1،700،000+ ثبت نام | 4+ رتبه بندی شده | 160+ CountriesStart-Tech Academy یک شرکت آموزش تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکتهای تحلیلی و فراگیران علاقه مند است. محتوای آموزشی با کیفیت بالا به همراه کارآموزی و فرصت های پروژه به دانشجویان در شروع سفر Analytics خود کمک می کند. بنیانگذار Abhishek Bansal و Pukhraj Parikh است. Pukhraj که به عنوان مدیر پروژه در یک شرکت مشاوره آنالیز کار می کند ، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تجزیه و تحلیل را دارد. او در مجموعه های اداری MS ، رایانش ابری ، SQL ، Tableau ، SAS ، Google analytics و Python مهارت دارد. Abhishek قبل از اینکه به فن آوری های یادگیری و آموزش مانند یادگیری ماشین و هوش مصنوعی بپردازد ، به عنوان یک مالک فرآیند اکتساب در یک شرکت مخابراتی پیشرو کار می کرد.

Abhishek Bansal Abhishek Bansal

مدرس در Udemy | یکی از بنیان‌گذاران Start-Tech Academy

Pukhraj Parikh Pukhraj Parikh

مدرس در Udemy، یکی از بنیان‌گذاران Starttech Academy