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.
Dauer 7 Stunden
Schulungsübersicht
Best Practices und Tools
Häufige Fehler und Gegenstrategien
Einführung in das Prompt Engineering
Prompt-Verfeinerung und iteratives Design
Prompting für Testautomatisierung und SQL-Generierung
Zusammenfassung und nächste Schritte
Verwendung von Prompts zur Codeerklärung und Fehlersuche
Schreiben von Prompts für die Codegenerierung
- Vermeidung halluzinierter Codes oder Sicherheitslücken
- Bearbeitung unvollständiger oder mehrdeutiger Eingaben
- Erstellung sicherer Fallback-Prompts und Schutzmaßnahmen (Guardrails)
- Erstellung von Testfällen aus Anforderungen oder Code
- Generierung strukturierter SQL-Abfragen aus natürlicher Sprache
- Formatierung der Ausgaben zur Integration in Testsuiten
- Erklärung von Legacy- oder unbekannten Code
- Prompting für Logik-Erläuterungen oder Analyse von Grenzfall-Szenarien
- Auffinden und Erklären von Fehlern oder Ineffizienzen
- Generierung von Code aus beschreibenden Texten
- Kontrolle des Ausgabeformats und der Programmiersprache
- Arbeiten mit komplexer Logik oder mehreren Funktionen
- Verbesserung der Ergebnisse durch Prompt Chaining und Feedback-Schleifen
- Fehlererholung und Strategien zur Prompt-Anpassung
- Fallstudien zur Verfeinerung für technische Aufgaben
- Prompt-Bibliotheken und Wiederverwendungs-Muster
- Verwendung von Prompt-Vorlagen in VS Code oder API-basierten Workflows
- Bewertung der Prompt-Qualität und Leistung im Produktivbetrieb
- Verstehen von Prompts, Kontext, Tokens und Modellen
- Prompt-Typen: Zero-Shot, One-Shot, Few-Shot
- Nutzung von System- vs. User-Anweisungen in verschiedenen APIs
Voraussetzungen
Zielgruppe
- Entwickler, die LLMs in der Codegenerierung oder -analyse einsetzen
- Technische Leiter, die KI-Tools in Workflows erkunden
- Softwareprofis, die mit LLM-Integrationen experimentieren
- Erfahrung in der Softwareentwicklung oder Scripting
- Vertrautheit mit gängigen Programmiersprachen (z. B. Python, JavaScript, SQL)
- Grundlegendes Verständnis von Large Language Models und KI-Tools wie ChatGPT, Claude oder Copilot
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