Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Best Practices und Tools
Häufige Fallstricke und Minderungsstrategien
Einführung in Prompt Engineering
Prompt-Verfeinerung und iteratives Design
Prompting für Testautomatisierung und SQL-Generierung
Zusammenfassung und nächste Schritte
Prompts zur Code-Erklärung und Fehlersuche nutzen
Prompts für die Codegenerierung schreiben
- Halluzinierten Code oder Sicherheitslücken vermeiden
- Mit unvollständigen oder mehrdeutigen Eingaben umgehen
- Sichere Fallback-Prompts und Guardrails erstellen
- Testfälle aus Anforderungen oder Code erstellen
- Strukturierte SQL-Abfragen aus natürlicher Sprache generieren
- Ausgaben für die Integration in Testsuites formatieren
- Altlasten oder unbekannten Code erklären
- Prompts für Logik-Durchläufe oder Grenzfalldanalysen verwenden
- Fehler oder Ineffizienzen finden und erklären
- Code aus Textbeschreibungen generieren
- Ausgabeformat und Programmiersprache steuern
- Mit komplexer Logik oder mehreren Funktionen arbeiten
- Ergebnisse durch Prompt-Chaining und Feedbackschleifen verbessern
- Strategien zur Fehlerkorrektur und Prompt-Tuning
- Fallstudien zur Verfeinerung für technische Aufgaben
- Prompt-Bibliotheken und Wiederverwendungsmuster
- Prompt-Vorlagen in VS Code oder API-basierten Workflows nutzen
- Prompt-Qualität und Leistung im Produktivbetrieb bewerten
- Prompts, Kontext, Tokens und Modelle verstehen
- Prompt-Typen: Zero-Shot, One-Shot, Few-Shot
- System- vs. Benutzeranweisungen in verschiedenen APIs nutzen
Voraussetzungen
Zielgruppe
- Entwickler, die LLMs bei der Codegenerierung oder -analyse einsetzen
- Technische Teamleiter, die AI-Tools in Workflows erkunden
- Softwarefachleute, die mit LLM-Integrationen experimentieren
- Erfahrung in der Softwareentwicklung oder Skripting
- Vertrautheit mit gängigen Programmiersprachen (z. B. Python, JavaScript, SQL)
- Grundlegendes Verständnis von Large Language Models und KI-Tools wie ChatGPT, Claude oder Copilot
7 Stunden
Erfahrungsberichte (1)
Ich habe Wissen über die Streamlit-Bibliothek von Python erworben und werde sie sicherlich verwenden, um Anwendungen in meinem Team zu verbessern, die mit R Shiny erstellt wurden.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maschinelle Übersetzung