Kontakt aufnehmen

Schulungsübersicht

Einführung in das Prompt Engineering

  • Was ist Prompt Engineering?
  • Bedeutung des Prompt-Designs für LLMs
  • Vergleich von Zero-Shot-, One-Shot- und Few-Shot-Ansätzen

Entwicklung effektiver Prompts

  • Grundsätze zur Erstellung hochwertiger Prompts
  • Experimentieren mit Prompt-Varianten
  • Häufige Herausforderungen im Prompt-Design

Few-Shot-Fine-Tuning

  • Überblick über Few-Shot-Learning
  • Anwendungen bei der aufgabenspezifischen Anpassung von LLMs
  • Einbindung von Few-Shot-Beispielen in Prompts

Praxis mit Prompt-Engineering-Tools

  • Nutzung der OpenAI-API zur Experimentierung mit Prompts
  • Erforschung des Prompt-Designs mit Hugging Face Transformers
  • Bewertung der Auswirkungen von Prompt-Varianten

Optimierung der LLM-Leistung

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

Anwendungsgebiete des Prompt Engineering

  • Textgenerierung und Zusammenfassung
  • Stimmungsanalyse und Klassifikation
  • Kreatives Schreiben und Code-Generierung

Bereitstellung promptbasierter Lösungen

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

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis von Natural Language Processing (NLP)
  • Kenntnisse in der Programmierung mit Python
  • Erfahrung mit großen Sprachmodellen (LLMs) ist von Vorteil

Zielgruppe

  • KI-Entwickler
  • NLP-Ingenieure
  • Machine-Learning-Praktiker
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien