Schulungsübersicht

Einleitung zu Prompt Engineering

  • Was ist Souffleurtechnik?
  • Bedeutung des Prompt-Designs in LLMs
  • Vergleich von Null-Schuss-, Ein-Schuss- und Wenig-Schuss-Ansätzen

Gestaltung effektiver Prompts

  • Grundsätze für die Erstellung hochwertiger Prompts
  • Experimentieren mit Prompt-Variationen
  • Gemeinsame Herausforderungen bei der Gestaltung von Prompts

Few-Shot-Feinabstimmung

  • Überblick über das few-shot learning
  • Anwendungen in der aufgabenspezifischen LLM-Anpassung
  • Integration von few-shot Beispielen in Prompts

Praktische Übungen mit Prompt Engineering Tools

  • Verwendung der OpenAI API für Prompt-Experimente
  • Erforschung des Prompt-Designs mit Hugging Face Transformers
  • Evaluierung der Auswirkungen von Prompt-Variationen

Optimieren der LLM-Leistung

  • Auswertung von Ergebnissen und Verfeinerung von Prompts
  • Einbeziehung von Kontext für bessere Ergebnisse
  • Umgang mit Mehrdeutigkeiten und Verzerrungen in LLM-Antworten

Anwendungen von Prompt Engineering

  • Textgenerierung und -zusammenfassung
  • Analyse und Klassifizierung von Gefühlen
  • Kreatives Schreiben und Codegenerierung

Einsatz von Prompt-basierten Lösungen

  • Integration von Prompts in Anwendungen
  • Überwachung von Leistung und Skalierbarkeit
  • Fallstudien und Beispiele aus der Praxis

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse der Verarbeitung natürlicher Sprache (NLP)
  • Vertrautheit mit der Python-Programmierung
  • Erfahrung mit großen Sprachmodellen (LLMs) ist ein Plus

Zielgruppe

  • KI-Entwickler
  • NLP-Ingenieure
  • Praktiker des maschinellen Lernens
 14 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien