لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مهندسی پرامپت برای مدلهای زبانی بزرگ (LLMs)
- آخرین آپدیت
دانلود Prompt Engineering for LLMs
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره یک کاوش جامع و عملی در زمینه مهندسی پرامپت به عنوان یک مهارت کلیدی برای کار مؤثر با مدلهای زبانی بزرگ (LLMs) ارائه میدهد. تمرکز این دوره بر این است که چگونه پرامپتها را به صورت هدفمند طراحی، ساختاربندی، ارزیابی و مقیاسبندی کنیم تا رفتار مدل را هدایت کرده، کیفیت استدلال را بهبود بخشیم و اپلیکیشنهای مبتنی بر هوش مصنوعی قابل اعتماد بسازیم—بدون اینکه نیاز به تغییر وزنهای مدل باشد.
از طریق پیشروی در مفاهیم بنیادی، استراتژیهای پیشرفته و نمایشهای کاربردی، شما خواهید آموخت که چگونه پرامپتهای باکیفیت بنویسید، الگوهای اثبات شده مانند Few-Shot و Chain-of-Thought را به کار ببرید، کانتکست و حافظه را مدیریت کنید و به صورت سیستماتیک عملکرد پرامپتها را ارزیابی و اصلاح نمایید. این دوره بر گردشهای کاری عملی با استفاده از ابزارهای مدرنی مانند LangChain، قالبهای پرامپت (Prompt Templates)، چارچوبهای ارزیابی و تکنیکهای اتوماسیون تأکید دارد.
در پایان این دوره، شما قادر خواهید بود:
- اصول و اهداف مهندسی پرامپت و نقش آن در کنترل رفتار LLM را توضیح دهید.
- ساختارهای مؤثر پرامپت را با استفاده از تکنیکهایی مانند Few-Shot Prompting، استدلال زنجیره افکار (Chain-of-Thought) و پرامپتهای مبتنی بر نقش طراحی کنید.
- کانتکستهای طولانی و حافظه مکالمهای را برای ایجاد تعاملات منسجم و چندمرحلهای با LLM مدیریت کنید.
- پرامپتها را با استفاده از معیارهای کیفی، بازخوردهای خودکار و روشهای رتبهبندی ارزیابی، تست و اصلاح کنید.
- سیستمهای پرامپت مقیاسپذیر و قابل استفاده مجدد بسازید که از ورودیهای چندوجهی (Multimodal)، موارد استفاده خاص هر دامنه و گردشهای کاری تولیدی پشتیبانی کنند.
این دوره برای توسعهدهندگان نرمافزار، مهندسان یادگیری ماشین، متخصصان هوش مصنوعی، طراحان پرامپت و دانشمندان دادهای که میخواهند از پرامپتنویسیهای اتفاقی فراتر رفته و راهکارهای سیستماتیک، تستپذیر و قابل بازیافت برای اپلیکیشنهای LLM توسعه دهند، ایدهآل است.
برای بهرهمندی حداکثری از این دوره، داشتن درک پایه از پایتون، آشنایی با مفاهیم LLM و تجربه کار با مدلهای هوش مصنوعی مولد توصیه میشود.
به ما بپیوندید تا در هنر و مهندسی پرامپتها تسلط یابید—از دستورالعملهای ساده تا سیستمهای قدرتمند و مقیاسپذیر که موتور محرک اپلیکیشنهای مبتنی بر LLM هستند.
سرفصل ها و درس ها
مبانی طراحی پرامپت
Fundamentals of Prompt Design
معرفی تخصص
Specialization Introduction
معرفی دوره
Course Introduction
آشنایی با مهندسی پرامپت
Introduction to Prompt Engineering
دمو: ایجاد پرامپتهای مؤثر با استفاده از LangChain PromptTemplate
Demonstration: Creating Effective Prompts Using LangChain PromptTemplate
دمو: مقایسه خروجیهای پرامپت از نظر وضوح و لحن
Demonstration: Comparing Prompt Outputs for Clarity and Tone
نمایش نظرات