آموزش اصول هوش مصنوعی مولد: مسترکلاس مهندسی پرامپت - آخرین آپدیت
دانلود Generative AI Essentials: Prompt Engineering Masterclass
هوش مصنوعی مولد پتانسیلهای باورنکردنیای را آزاد کرده است، اما قدرت واقعی آن در نحوه ارتباط شما با آن نهفته است.
همانطور که آندری کارپاتی به زیبایی گفت: «مهندسی پرامپت، برنامهنویسی به زبان انگلیسی است؛ توانایی شما در بیان قصد و هدف، توانایی ماشین را در ارائه ارزش تعیین میکند».
در این دوره، ابتدا با بررسی مبانی هوش مصنوعی مولد و LLMها شروع میکنیم – اینکه چگونه دستورات را تفسیر میکنند، پاسخها را تولید میکنند و از بافت متن میآموزند. ما مفهوم توکنها و پنجرههای بافت (Context Windows) را معرفی میکنیم و نشان میدهیم که چگونه تغییرات کوچک در استراتژی پرامپتنویسی شما میتواند نتایج بسیار متفاوتی ایجاد کند.
سپس، چارچوب منحصر به فرد BRIDGE را معرفی میکنیم – یک سیستم شش بخشی برای ساخت پرامپتهایی که نتایج سازگار و دقیقی ارائه میدهند. ما هر جزء را گام به گام بررسی میکنیم و اهمیت زمینه پسزمینه، درخواستها، ورودیها، خروجیهای تحویلی، نردههای حفاظتی و ارزیابی را نشان میدهیم. همچنین منابع مفیدی مانند قالبهای پرامپت و چکلیستهایی را به اشتراک میگذاریم که میتوانید در کارهای خود به کار ببرید.
از آنجا، بهترین روشها برای به حداکثر رساندن بهرهوری شما در AI را به اشتراک میگذاریم، مانند بهرهگیری از حافظههای ذخیره شده، پروژهها و GPTهای سفارشی، و برخی قابلیتهای سازمانی برای حریم خصوصی و امنیت بیشتر را بررسی میکنیم. همچنین تکنیکهای پیشرفته پرامپتنویسی مانند زنجیره افکار، شاخهبندی، تگگذاری XML، پرامپتهای چند-نمونهای و موارد دیگر را نمایش خواهیم داد.
سرفصلهای دوره:
مبانی مهندسی پرامپت (101)
بررسی مبانی هوش مصنوعی مولد و LLMها، یادگیری دلیل اهمیت مهندسی پرامپت و بررسی مفاهیم کلیدی مانند توکنها و پنجرههای بافت
چارچوب BRIDGE
یادگیری یک چارچوب عملی و اثبات شده برای نوشتن پرامپتهای واضح و ساختاریافته که خروجیهای AI را به طور مداوم و چشمگیری بهبود میبخشد
بهترین روشهای پرامپتنویسی
کاوش در ابزارها و تکنیکهایی برای به حداکثر رساندن بهرهوری AI، شامل حافظههای ذخیرهشده، قالبهای پرامپت، پروژهها، GPTهای سفارشی و موارد دیگر
تکنیکهای پیشرفته
معرفی تکنیکهای پیشرفته پرامپتنویسی مانند زنجیره افکار، شاخهبندی پرامپت، تگگذاری XML و پرامپتهای چند-نمونهای
پروژه نهایی دوره
استفاده از هوش مصنوعی مولد و تکنیکهای پیشرفته پرامپتنویسی برای تحلیل بازخوردهای مشتریان یک کافه محلی، شناسایی بخشهای کلیدی مشتریان و کمک به تدوین استراتژی برای یک کمپین بازاریابی جدید
__________
آماده شروع هستید؟ همین امروز به ما بپیوندید و دسترسی فوری و مادامالعمر به موارد زیر را دریافت کنید:
بیش از ۲.۵ ساعت ویدیو با کیفیت بالا
۴ کوییز تخصصی دوره
ایبوک مهندسی پرامپت (۵۰ صفحه)
پشتیبانی متخصص و انجمن پرسش و پاسخ
ضمانت رضایت ۳۰ روزه یودمی
چه متخصص داده باشید، چه رهبر کسبوکار یا صرفاً به دنبال ارتقای مهارتهای پرامپتنویسی خود، این دوره برای شماست. ما به شما کمک میکنیم تا از هایپها فاصله بگیرید و مهارتهای عملی AI را که برای تصمیمگیریهای هوشمندانهتر و با اعتمادبهنفستر نیاز دارید، بسازید.
لذت ببرید!
- تیم Maven Analytics
__________
به دنبال دورههای بیشتر در زمینه داده و هوش مصنوعی هستید؟ عبارت “Maven Analytics” را جستجو کنید تا تمام کتابخانه دورههای ما شامل Excel، Power BI، MySQL، Tableau، Machine Learning و موارد دیگر را مشاهده کنید!
ببینید چرا دورههای ما جزو برترینهای Udemy هستند:
«برخی از بهترین دورههایی که تا به حال گذراندهام. من چندین زبان برنامهنویسی، اکسل، VBA و توسعه وب را مطالعه کردهام و Maven جزو بهترینهایی است که دیدهام!» Russ C.
«این چهارمین دوره من از Maven Analytics و چهارمین بررسی ۵ ستاره من است، بنابراین دیگر حرفی برای گفتن ندارم. ای کاش Maven را زودتر شناخته بودم!» Tatsiana M.
«Maven Analytics باید به استاندارد جدید برای تمام دورههای تدریس شده در یودمی تبدیل شود!» Jonah M.
شروع به کار Getting Started
-
معرفی دوره Course Introduction
-
ساختار و سرفصلهای دوره Course Structure & Outline
-
بخوانید: نکات مهم برای دانشجویان جدید READ ME: Important Notes for New Students
-
دانلود: منابع دوره DOWNLOAD: Course Resources
-
تنظیم انتظارات Setting Expectations
مبانی مهندسی پرامپت Prompt Engineering 101
-
معرفی بخش Section Intro
-
قدرت پرامپتنویسی The Power of Prompting
-
مرور: هوش مصنوعی مولد و LLMها RECAP: Gen AI & LLMs
-
اصول مهندسی پرامپت Prompt Engineering Basics
-
پرامپتنویسی محاورهای Conversational Prompting
-
توکنها و پنجرههای بافت Tokens & Context Windows
-
ارزیابی ریسک و پیچیدگی Evaluating Risk & Complexity
-
جمعبندی مبانی مهندسی پرامپت Prompt Engineering 101
چارچوب BRIDGE The BRIDGE Framework
-
معرفی بخش Section Intro
-
معرفی BRIDGE Introducing BRIDGE
-
پسزمینه (Background) Background
-
درخواست (Request) Request
-
ورودیها (Inputs) Inputs
-
خروجیهای تحویلی (Deliverables) Deliverables
-
نردههای حفاظتی (Guardrails) Guardrails
-
ارزیابی (Evaluation) Evaluation
-
قالب پرامپت BRIDGE BRIDGE Prompt Template
-
چکلیست BRIDGE BRIDGE Checklist
-
جمعبندی چارچوب BRIDGE The BRIDGE Framework
بهترین روشهای پرامپتنویسی Prompting Best Practices
-
معرفی بخش Section Intro
-
حریم خصوصی و امنیت دادهها Data Privacy and Security
-
حافظههای ذخیره شده Stored Memories
-
قالبهای پرامپت Prompt Templates
-
ویژگیهای شخصیسازی Personalization Features
-
پروژههای ChatGPT ChatGPT Projects
-
انتخاب مدل Model Selection
-
GPTهای سفارشی Custom GPTs
-
دمو: GPTهای سفارشی DEMO: Custom GPTs
-
ویژگیهای تیمی و سازمانی Team & Enterprise Features
-
جمعبندی بهترین روشهای پرامپتنویسی Prompting Best Practices
تکنیکهای پیشرفته Advanced Techniques
-
معرفی بخش Section Intro
-
متا پرامپتینگ Meta-Prompting
-
درخواست سوال از هوش مصنوعی Asking AI For Questions
-
پرامپتنویسی زنجیره افکار Chain-of-Thought Prompting
-
شاخهبندی پرامپت Prompt Branching
-
پرامپت تک-نمونهای (One Shot) One-Shot Prompting
-
پرامپت چند-نمونهای (Multi Shot) Multi-Shot Prompting
-
تگگذاری XML XML Tagging
-
جمعبندی تکنیکهای پیشرفته Advanced Techniques
پروژه دوره Course Project
-
معرفی پروژه: تحلیل مشتریان کافه Project Intro: Café Customer Analysis
-
بررسی گامبهگام راه حل پروژه Project Solution Walkthrough
نگاه به آینده Looking Forward
-
نکات کلیدی و جمعبندی دوره Key Course Takeaways
-
درس جایزه (Bonus) BONUS LESSON
https://donyad.com/d/c32eca
Maven Analytics
برنده جایزه تجزیه و تحلیل و آموزش هوش تجاری
Chris Bruehl
مربی اصلی پایتون در Maven Analytics
نمایش نظرات