آموزش دوره جامع مهندسی پرامپت پیشرفته - آخرین آپدیت

دانلود Advanced Prompt Engineering Course

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره جامع مهندسی پرامپت (Prompt Engineering)، شما را با مهارت‌های لازم برای طراحی، بهینه‌سازی و مقیاس‌پذیری پرامپت‌های موثر برای هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM) آشنا می‌کند. در ابتدا با تسلط بر ساختار پرامپت‌ها شروع می‌کنید و یاد می‌گیرید چگونه از عناصر کلیدی مانند دستورالعمل‌ها، زمینه (Context)، داده‌های ورودی و نشانگرهای خروجی برای تولید پاسخ‌های دقیق استفاده کنید. همچنین تنظیمات LLM و تکنیک‌های قالب‌بندی را برای افزایش اثربخشی پرامپت‌ها بررسی خواهید کرد. سپس به سراغ تکنیک‌های اصلی مانند Zero-shot، Few-shot، زنجیره افکار (CoT)، خود-سازگاری (Self-Consistency) و درخت افکار (ToT) خواهید رفت که با دموهای عملی با استفاده از OpenAI و LangChain تقویت شده‌اند. در نهایت، یاد می‌گیرید چگونه داده‌های مصنوعی برای مدل‌های RAG تولید کنید و پرامپت‌های پویا و قابل استفاده مجدد را با استفاده از قالب‌های LangChain، Jinja2 و f-strings پایتون بسازید. پیش‌نیاز این دوره، داشتن درک پایه‌ای از برنامه‌نویسی پایتون و آشنایی با خروجی‌های مدل‌های زبانی بزرگ است. در پایان این دوره، شما قادر خواهید بود: - درک پرامپت‌ها: تسلط بر ساختار و عناصر برای دریافت خروجی‌های دقیق از AI - پیاده‌سازی تکنیک‌ها: استفاده از استراتژی‌های Zero-shot، Few-shot، CoT و متدهای پیشرفته - ساخت پویا: ایجاد پرامپت‌های قابل استفاده مجدد با LangChain و قالب‌ها - مقیاس‌پذیری با GenAI: طراحی جریان‌های کاری مبتنی بر پرامپت برای کاربردهای واقعی این دوره برای توسعه‌دهندگان AI، دانشمندان داده و متخصصانی که در حال ساخت اپلیکیشن‌های مبتنی بر هوش مصنوعی مولد هستند، ایده‌آل است.

سرفصل ها و درس ها

مبانی مهندسی پرامپت Foundations of Prompt Engineering

  • اهداف یادگیری Learning Objectives

  • آشنایی با مهندسی پرامپت Introduction to Prompt Engineering

  • مهندسی پرامپت: مثال عملی Prompt Engineering: Example

  • مقدمه‌ای بر مهندسی پرامپت پیشرفته Introduction to Advanced Prompt Engineering

  • تنظیمات LLM برای پرامپت‌نویسی بهینه LLM Settings for Optimal Prompting

  • قالب‌بندی پرامپت: طراحی ساختار مناسب Prompt Formatting: Crafting the Right Structure

  • دستورالعمل و زمینه در عناصر پرامپت Instruction and Context in Prompt Elements

  • عناصر پرامپت: داده‌های ورودی و نشانگر خروجی Prompt Elements: Input Data and Output Indicator

تکنیک‌های اصلی پرامپت‌نویسی Core Prompting Techniques

  • بررسی کلی و مثال‌های Zero Shot Prompting Overview and Examples of Zero-Shot Prompting

  • دمو: پیاده‌سازی Zero Shot با OpenAI Demo: Zero-Shot Prompting with OpenAI

  • بررسی کلی و مثال‌های Few Shot Prompting Overview and Examples of Few-Shot Prompting

  • دمو: پیاده‌سازی Few Shot با LangChain و OpenAI Demo: Few-Shot Prompting with LangChain and OpenAI

  • آشنایی با زنجیره افکار (CoT) در پرامپت‌نویسی Introduction to Chain of Thought (CoT) Prompting

  • پرامپت‌های CoT برای استدلال بهتر CoT Prompts for Better Reasoning

  • تکنیک CoT: مثال‌ها CoT Technique: Examples

  • دمو: پیاده‌سازی زنجیره افکار با LangChain و OpenAI Demo: Chain of Thought Prompting with LangChain and OpenAI

  • بررسی کلی، مزایا و ویژگی‌های Self Consistency Overview, Benefits and Features of Self-Consistency Prompting

  • پرامپت‌نویسی Self Consistency: مثال‌ها Self-Consistency Prompting: Examples

  • دمو: پیاده‌سازی Self Consistency با LangChain و OpenAI Demo: Self-Consistency Prompting with LangChain and OpenAI

  • آشنایی با درخت افکار (ToT) در پرامپت‌نویسی Introduction to Tree of Thoughts (ToT) Prompting

  • پرامپت‌نویسی درخت افکار (ToT): مثال Tree of Thoughts (ToT) Prompting: Example

  • دمو: پیاده‌سازی درخت افکار با LangChain و OpenAI Demo: Tree of Thoughts Prompting with LangChain and OpenAI

کاربردها و ابزارهای مهندسی پرامپت Applications and Tools for Prompt Engineering

  • تولید داده‌های مصنوعی برای مدل‌های RAG Generating Synthetic Data for RAG Models

  • آشنایی با پرامپت‌های LangChain Introduction to LangChain Prompts

  • قالب‌های پرامپت (Prompt Templates) Prompt Templates

  • قالب پرامپت گفتگو (Chat Prompt Template) Chat Prompt Template

  • قالب پرامپت سفارشی Custom Prompt Template

  • دمو: ایجاد یک قالب سفارشی Demo: Creating a Custom Template

  • فرمت‌های قالب‌بندی Template Formats

  • دمو: استفاده از فرمت قالب Jinja2 Demo: Using Jinja2 Template Format

  • دمو: استفاده از فرمت f-Strings پایتون Demo: Using Python f-Strings Template Format

  • انواع MessagePromptTemplate در LangChain Types of MessagePromptTemplate in LangChain

  • دمو: تولید پیام‌های پویا در LangChain Demo: Dynamic Message Generation in LangChain

  • جمع‌بندی و نکات کلیدی Key Takeaways

نمایش نظرات

آموزش دوره جامع مهندسی پرامپت پیشرفته
جزییات دوره
7h 32m
34
(آخرین آپدیت)
2,359
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده