Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Durata 7 ore
Schița de curs
Cele mai bune practici și instrumente
Capcane frecvente și strategii de atenuare
Introducere în Prompt Engineering
Rafinarea prompturilor și design iterativ
Prompting pentru automatizarea testelor și generarea SQL
Rezumat și pașii următori
Folosirea prompturilor pentru explicarea și depanarea codului
Scrierea prompturilor pentru generarea codului
- Evitarea codului halucinat sau a vulnerabilităților de securitate
- Gestionarea inputurilor incomplete sau ambigue
- Crearea de prompturi de siguranță și măsuri de protecție
- Crearea de cazuri de testare din cerințe sau din cod
- Generarea de interogări SQL structurate din limbaj natural
- Formatarea rezultatelor pentru integrarea în suite de testare
- Explicarea codului legacy sau nefamiliar
- Prompting pentru parcurgerea logicii sau analiza cazurilor limită
- Găsirea și explicarea bug-urilor sau a ineficiențelor
- Generarea de cod din descrieri în limbaj natural
- Controlul formatului de ieșire și al limbajului de programare
- Lucrul cu logică complexă sau funcții multiple
- Îmbunătățirea rezultatelor prin înlănțuirea prompturilor și bucle de feedback
- Strategii de recuperare a erorilor și de ajustare a prompturilor
- Studii de caz privind rafinarea pentru sarcini tehnice
- Biblioteci de prompturi și modele de reutilizare
- Folosirea template-urilor de prompturi în VS Code sau în fluxuri de lucru bazate pe API
- Evaluarea calității și a performanței prompturilor în utilizarea în producție
- Înțelegerea prompturilor, contextului, token-urilor și modelelor
- Tipuri de prompturi: zero-shot, one-shot, few-shot
- Folosirea instrucțiunilor de sistem vs. de utilizator în diferite API-uri
Cerințe
Public țintă
- Developeri care folosesc LLM-uri în generarea sau analiza codului
- Lideri tehnici care explorează instrumente AI în fluxurile de lucru
- Profesioniști software care experimentează integrări LLM
- Experiență în dezvoltare software sau scripting
- Familiaritate cu limbaje de programare uzuale (de exemplu, Python, JavaScript, SQL)
- Înțelegere de bază a modelelor de limbaj de mari dimensiuni și a instrumentelor AI precum ChatGPT, Claude sau Copilot
Mărturii (1)
Am dobândit cunoștințe despre biblioteca Streamlit din Python și cu siguranță voi încerca să o folosesc pentru a îmbunătăți aplicațiile din echipa mea, care sunt realizate în R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curs - GitHub Copilot for Developers
Tradus de catre o masina