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
Übliche Fallstricke und Milderungsstrategien
Einführung in das Prompt Engineering
Verfeinerung und iterativer Entwurf von Prompts
Erstellen von Testautomatisierung und SQL-Generierung mit Prompts
Zusammenfassung und nächste Schritte
Verwendung von Prompts zur Codeerklärung und -fehleranalyse
Erstellen von Prompts für Codierungsaufgaben
- Halluzinierten Code oder Sicherheitslücken vermeiden.
- Unvollständige oder ambiguous Eingaben behandeln.
- Sichere Fallback-Prompts und Schutzvorkehrungen erstellen.
- Testfälle aus Anforderungen oder Code erstellen.
- Strukturierte SQL-Abfragen aus natürlicher Sprache generieren.
- Ausgaben formatieren, um sie in Test Suites zu integrieren.
- Legacy- oder unbekannten Code erklären.
- Prompts für Logikdurchgänge oder Randfallanalyse erstellen.
- Fehler oder Ineffizienzen finden und erklären.
- Code aus einfachen Sprachbeschreibungen generieren.
- Ausgabeformat und Programmiersprache steuern.
- Mit komplexer Logik oder mehreren Funktionen arbeiten.
- Ergebnisse durch Prompt-Ketten und Feedback-Schleifen verbessern.
- Fehlerbehebung und Feinabstimmung von Prompts.
- Fallstudien zur Verfeinerung für technische Aufgaben.
- Prompt-Bibliotheken und Reuse-Muster verwenden.
- Prompt-Vorlagen in VS Code oder API-basierten Workflows nutzen.
- Qualitäts- und Leistungsbewertung von Prompts im produktiven Einsatz.
- Prompts, Kontext, Tokens und Modelle verstehen.
- Prompt-Typen: zero-shot, one-shot, few-shot.
- System- vs. Benutzeranweisungen in verschiedenen APIs verwenden.
Voraussetzungen
Zielgruppe
- Entwickler, die LLMs zur Codierung oder Analyse verwenden.
- Technische Leiter, die AI-Tools in Workflows erkunden.
- Softwareprofis, die Experimente mit LLM-Integrationen durchführen.
- Erfahrung im Softwareentwicklung oder Skripting.
- Kenntnisse in gängigen Programmiersprachen (z. B. Python, JavaScript, SQL).
- Grundlegendes Verständnis von großen Sprachmodellen und AI-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