Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Best Practices und Tools
Häufige Fallstricke und Strategien zur Vermeidung
Einführung in Prompt Engineering
Verfeinerung von Prompts und iteratives Design
Prompting für Testautomatisierung und SQL-Generierung
Zusammenfassung und weitere Schritte
Nutzung von Prompts zur Code-Erklärung und Fehlerbehebung
Schreiben von Prompts für die Codgenerierung
- Vermeiden von halluziniertem Code oder Sicherheitslücken
- Umgang mit unvollständigen oder mehrdeutigen Eingaben
- Erstellung sicherer Fallback-Prompts und Schutzmechanismen
- Testfälle aus Anforderungen oder Code erstellen
- Strukturierte SQL-Abfragen aus natürlicher Sprache generieren
- Ausgaben für die Integration in Testsuites formatieren
- Legacy-Code oder unbekannten Code erklären
- Prompts für logische Durchläufe oder Analyse von Grenzfall-Szenarien erstellen
- Fehler oder Ineffizienzien finden und erklären
- Code aus einfacher Beschreibung generieren
- Ausgabeverformat und Programmiersprache steuern
- Umgang mit komplexer Logik oder mehreren Funktionen
- Ergebnisse durch Prompt-Kettenbildung und Feedback-Schleifen verbessern
- Strategien zur Fehlerwiederherstellung und Prompt-Anpassung
- Fallstudien zur Verfeinerung für technische Aufgaben
- Prompt-Bibliotheken und Wiederverwendungsmuster
- Nutzung von Prompt-Vorlagen in VS Code oder API-basierten Workflows
- Bewertung der Prompt-Qualität und Leistung im produktiven Einsatz
- Verständnis von Prompts, Kontext, Tokens und Modellen
- Prompt-Typen: Zero-Shot, One-Shot, Few-Shot
- Einsatz von System- vs. Benutzeranweisungen in verschiedenen APIs
Voraussetzungen
Zielgruppe
- Entwickler, die LLMs bei der Codegenerierung oder Analyse verwenden
- Technische Leiter, die KI-Tools in ihren Workflows erkunden
- Softwarefachleute, die mit LLM-Integrationen experimentieren
- Erfahrung in der Softwareentwicklung oder Skripterstellung
- Kenntnisse in gängigen Programmiersprachen (z.B. Python, JavaScript, SQL)
- Grundlegendes Verständnis von Large Language Models und KI-Tools wie ChatGPT, Claude oder Copilot
7 Stunden
Erfahrungsberichte (1)
Ich habe Wissen über die Streamlit-Bibliothek von Python erworben und werde sie sicherlich verwenden, um Anwendungen in meinem Team zu verbessern, die mit R Shiny erstellt wurden.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maschinelle Übersetzung