Schulungsübersicht

Einführung ins Prompt Engineering

  • Was ist Prompt Engineering?
  • Bedeutung von Prompt-Design in LLMs
  • Vergleich der Zero-Shot-, One-Shot- und Few-Shot-Ansätze

Effektive Prompts entwerfen

  • Prinzipien zur Erstellung hochwertiger Prompts
  • Experimentieren mit Prompt-Varianten
  • Gemeinsame Herausforderungen beim Prompt-Design

Few-Shot Fine-Tuning

  • Überblick über Few-Shot-Learning
  • Anwendungen in task-spezifischer LLM-Anpassung
  • Einbindung von Few-Shot-Beispielen in Prompts

Praktische Arbeit mit Prompt Engineering-Tools

  • Nutzung der OpenAI API für Prompt-Experimente
  • Erkundung von Prompt-Design mit Hugging Face Transformers
  • Auswertung des Einflusses von Prompt-Varianten

Optimierung der LLM-Leistung

  • Bewertung von Ausgaben und Verfeinerung von Prompts
  • Berücksichtigung des Kontexts für bessere Ergebnisse
  • Bewältigung von Ambiguitäten und Verzerrungen in LLM-Antworten

Anwendungen des Prompt Engineering

  • Textgenerierung und -zusammenfassung
  • Stimmungsanalyse und -klassifizierung
  • Kreatives Schreiben und Codegenerierung

Implementierung von promptbasierten Lösungen

  • Einbindung von Prompts in Anwendungen
  • Überwachung der Leistung und Skalierbarkeit
  • Fallstudien und praktische Beispiele

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundverständnis von natürlichsprachlicher Verarbeitung (NLP)
  • Kenntnisse der Python-Programmierung
  • Erfahrung mit großen Sprachmodellen (LLMs) ist von Vorteil

Zielgruppe

  • AI-Entwickler
  • NLP-Ingenieure
  • Maschinelles Lernen Praktiker
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien