آموزش مستندسازی و ارزیابی موفقیت پرامپت‌نویسی در LLM - آخرین آپدیت

دانلود Document and Evaluate LLM Prompting Success

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: دوره «مستندسازی و ارزیابی موفقیت پرامپت‌نویسی در LLM» یک دوره سطح متوسط برای مهندسان یادگیری ماشین (ML) و متخصصان هوش مصنوعی است که مسئولیت پایداری و عملکرد سیستم‌های زنده مدل‌های زبانی بزرگ (LLM) را بر عهده دارند. تبدیل یک LLM از یک نمونه اولیه جذاب به یک سرویس تولیدی قابل اعتماد، نیازمند چیزی فراتر از پرامپت‌نویسی هوشمندانه است؛ این مسیر مستلزم نظم عملیاتی است و این دوره چارچوبی جامع برای دستیابی به این نظم ارائه می‌دهد. در این دوره، شما یاد می‌گیرید که مستندات عملیاتی در سطح حرفه‌ای ایجاد کنید و یک دفترچه راهنمای گام‌به‌گام (Run-book) برای مدیریت وظایف حیاتی سیستم، مانند به‌روزرسانی ایندکس برداری، همراه با بررسی‌های اعتبارسنجی و رویه‌های بازگشت (Rollback) بنویسید. همچنین، شما از هنر پرامپت‌نویسی به سمت علم پرامپت حرکت خواهید کرد و یاد می‌گیرید که الگوهای پرامپت را به‌صورت سیستماتیک ارزیابی و تست A/B کنید. با تحلیل توازن بین کیفیت پاسخ، ثبات و هزینه توکن‌ها، تصمیماتی داده‌محور خواهید گرفت که هم عملکرد و هم بهره‌وری را تضمین کند. این دوره با ایجاد یک «کیت ابزار آمادگی تولید LLMOps» به پایان می‌رسد و شما را برای مدیریت و بهینه‌سازی موثر سیستم‌های هوش مصنوعی در محیط عملیاتی آماده می‌کند.

سرفصل ها و درس ها

تدوین دفترچه راهنمای عملیاتی LLM Authoring an LLM Operations Run-book

نحوه ساخت دفترچه راهنما در Confluence How to Build a Run-book in Confluence

ارزیابی الگوهای مهندسی پرامپت Evaluating Prompt Engineering Patterns

فراتر از حدس و گمان: ارزیابی پرامپت‌ها برای محیط تولید Beyond Guesswork: Evaluating Prompts for Production
نحوه اجرای تست A/B برای پرامپت‌ها و تحلیل توازن‌ها How to A/B Test Prompts and Analyze Trade-offs