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.
Dauer 7 Stunden
Schulungsübersicht
Best Practices und Tools
Häufige Fehler und Strategien zur Minderung
Einführung in das Prompt Engineering
Verfeinerung von Prompts und iteratives Design
Prompting für Testautomatisierung und SQL-Generierung
Zusammenfassung und nächste Schritte
Verwendung von Prompts zur Code-Erklärung und Fehlerbehebung
Verfassen von Prompts für die Codegenerierung
- Vermeidung halluzinierter Codes oder Sicherheitslücken
- Bearbeitung unvollständiger oder mehrdeutiger Eingaben
- Erstellen sicherer Fallback-Prompts und Schutzmechanismen
- Erstellen von Testfällen aus Anforderungen oder Code
- Generieren strukturierter SQL-Abfragen aus natürlicher Sprache
- Formatisieren der Ausgaben zur Integration in Testsuiten
- Erklären von Legacy- oder unbekanntem Code
- Prompting für Logik-Erklärungen oder Edge-Case-Analysen
- Finden und Erklären von Fehlern oder Ineffizienzen
- Generieren von Code aus Beschreibungen in natürlicher Sprache
- Steuerung des Ausgabeformats und der Programmiersprache
- Arbeiten mit komplexer Logik oder mehreren Funktionen
- Verbessern der Ergebnisse durch Prompt Chaining und Feedback-Schleifen
- Fehlerbehebung und Strategien zur Anpassung von Prompts
- Fallstudien zur Verfeinerung für technische Aufgaben
- Prompt-Bibliotheken und Wiederverwendungs-Muster
- Einsatz von Prompt-Vorlagen in VS Code oder API-basierten Arbeitsabläufen
- Bewertung der Prompt-Qualität und Leistung im Produktiveinsatz
- Verstehen von Prompts, Kontext, Tokens und Modellen
- Typen von Prompts: Zero-Shot, One-Shot, Few-Shot
- Nutzung von System- vs. Benutzernweisungen in verschiedenen APIs
Voraussetzungen
Zielgruppe
- Entwickler, die LLMs für die Codegenerierung oder -analyse einsetzen
- Technische Leiter, die KI-Tools in Arbeitsabläufen untersuchen
- Softwareprofis, die mit der Integration von LLMs experimentieren
- Erfahrung in der Softwareentwicklung oder Skripterstellung
- Vertrautheit mit gängigen Programmiersprachen (z. B. Python, JavaScript, SQL)
- Grundlegendes Verständnis grosser Sprachmodelle und KI-Tools wie ChatGPT, Claude oder Copilot
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