آموزش مهندسی پرامپت و نمونه‌سازی در Databricks AI Playground - آخرین آپدیت

دانلود Prompt Engineering and Prototyping in Databricks AI Playground

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سازمان‌هایی که از مدل‌های زبانی بزرگ (LLMs) استفاده می‌کنند، اغلب با مشکلاتی نظیر کیفیت ناهماهنگ پرامپت‌ها، خروجی‌های غیرقابل اعتماد و نبود مسیری روشن برای تبدیل آزمایش‌ها به محیط عملیاتی مواجه هستند. در این دوره آموزشی با عنوان «مهندسی پرامپت و نمونه‌سازی در Databricks AI Playground»، شما توانایی طراحی سیستماتیک، تست و عملیاتی‌سازی پرامپت‌های LLM را در اکوسیستم Databricks کسب خواهید کرد. در ابتدا، تکنیک‌های اصلی مهندسی پرامپت شامل Zero-shot، Few-shot، زنجیره افکار (Chain-of-Thought) و پرامپت‌های نقش-محور را بررسی کرده و یاد می‌گیرید چگونه با استفاده از حالت مقایسه و کنترل پارامترها در AI Playground، پرامپت‌ها را به صورت تکرارشونده بهینه کنید. سپس، نحوه اتصال پرامپت‌ها به داده‌های واقعی سازمانی و خروجی گرفتن از پرامپت‌های تایید شده به محیط Notebookها، قالب‌های ردیابی شده در MLflow و خط لوله‌های (Pipelines) خودکار را خواهید آموخت. در نهایت، روش ساخت و مدیریت کتابخانه‌های پرامپت قابل استفاده مجدد با قالب‌های نسخه‌بندی شده، استانداردهای مستندسازی و گردش کارهای collaborative با استفاده از Unity Catalog را فرا می‌گیرید. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم در زمینه مهندسی پرامپت در Databricks را خواهید داشت تا ویژگی‌های مبتنی بر LLM را با اطمینان کامل از مرحله نمونه‌سازی به مرحله تولید و عملیاتی برسانید.

سرفصل ها و درس ها

اصول مهندسی پرامپت Prompt engineering fundamentals

  • رابط کاربری AI Playground و شفافیت پرامپت The AI Playground interface and prompt clarity

  • تکنیک‌های اصلی پرامپت‌نویسی Core prompting techniques

  • آزمایش سریع و بهینه‌سازی تکرارشونده Rapid experimentation and iterative refinement

ارزیابی خروجی‌ها و اتصال پرامپت‌ها به داده‌ها Evaluating outputs and connecting prompts to data

  • حالت مقایسه و ارزیابی خروجی Comparison mode and output evaluation

  • گردش کارهای پیچیده و پرامپت‌های مبتنی بر داده Complex workflows and data-grounded prompts

  • خروجی گرفتن از پرامپت‌ها و یکپارچه‌سازی با MLflow Exporting prompts and MLflow integration

از محیط Playground تا محیط عملیاتی From Playground to production

  • الگوهای یکپارچه‌سازی: گردش کارها، APIها و ایجنت‌ها Integration patterns: Workflows, APIs, and agents

  • ساخت و مدیریت کتابخانه‌های پرامپت Building and managing prompt libraries

  • خلاصه دوره و بهترین روش‌ها Course summary and best practices

نمایش نظرات

آموزش مهندسی پرامپت و نمونه‌سازی در Databricks AI Playground
جزییات دوره
42m
9
(آخرین آپدیت)
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

Zachary Bennett Zachary Bennett

Zach در حال حاضر یک مهندس ارشد نرم افزار در VMware است که در آن از ابزارهایی مانند Python ، Docker ، Node و Angular همراه با تکنیک ها/اصول مختلف یادگیری ماشین و علوم داده استفاده می کند. قبل از نقش فعلی ، زاک روی نرم افزارهای زیردریایی کار می کرد و علاقه زیادی به برنامه نویسی GIS همراه با نرم افزارهای منبع باز دارد. برخی از کارهای او را می توانید در GitHub (https://github.com/zbennett10) و Stack Overflow (https://stackoverflow.com/users/6879849/zachary-bennett) مشاهده کنید.