聯繫我們

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

人數


每位參與者的報價

即將到來的課程

課程分類