感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
提示工程簡介
- 什麼是提示工程？
- 提示設計在 LLM 中的重要性
- 零樣本、單一樣本與少樣本方法之比較
設計有效提示
- 打造高品質提示的原則
- 嘗試不同的提示變體
- 提示設計中的常見挑戰
少樣本微調
- 少樣本學習概覽
- 在任務特定 LLM 適應中的應用
- 將少樣本範例整合至提示中
實作提示工程工具
- 使用 OpenAI API 進行提示實驗
- 探索 Hugging Face Transformers 中的提示設計
- 評估提示變體的影響力
優化 LLM 效能
- 評估輸出結果並精進提示
- 融入上下文資訊以獲取更佳成果
- 處理 LLM 回應中的歧義與偏見
提示工程的應用
- 文本生成與摘要
- 情感分析與分類
- 創意寫作與程式碼生成
部署基於提示的解決方案
- 將提示整合至應用程式中
- 監控效能與可擴展性
- 案例研究與實際範例
總結與下一步行動
最低要求
- 具備自然語言處理 (NLP) 的基本理解
- 熟悉 Python 程式設計
- 擁有大型語言模型 (LLM) 經驗者佳
受眾對象
- AI 開發人員
- NLP 工程師
- 機器學習從業者
14 小時
