لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات