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
Einführung in das Prompt-Engineering
- Was ist Prompt-Engineering?
- Bedeutung des Prompt-Designs für LLMs
- Vergleich zwischen zero-shot-, one-shot- und few-shot-Ansätzen
Entwicklung wirksamer Prompts
- Grundsätze für die Erstellung hochwertiger Prompts
- Experimente mit verschiedenen Prompt-Variationen
- Häufige Herausforderungen bei der Gestaltung von Prompts
Few-Shot-Fine-Tuning
- Überblick über das Few-Shot-Lernen
- Einsatzmöglichkeiten bei der anwendungsspezifischen Anpassung von LLMs
- Integration von Beispielen im Few-Shot-Verfahren in Prompts
Praktische Arbeit mit Tools für das Prompt-Engineering
- Nutzung der OpenAI-API zur Erprobung von Prompts
- Gestaltung von Prompts unter Verwendung der Hugging Face Transformers
- Bewertung der Auswirkungen unterschiedlicher Prompt-Variationen
Optimierung der Leistung von LLMs
- Auswertung generierter Ergebnisse sowie Verfeinerung der Prompts
- Einbindung von Kontextinformationen zur Verbesserung der Ergebnisse
- Umgang mit Mehrdeutigkeiten und Bias in den Antworten von LLMs
Anwendungsbereiche des Prompt-Engineerings
- Textgenerierung und Zusammenfassung
- Stimmungsanalyse sowie Klassifizierung von Inhalten
- Kreatives Schreiben sowie Erstellung von Quellcode
Implementierung prompt-basierter Lösungen
- Integration von Prompts in Anwendungen
- Überwachung der Leistungsfähigkeit und Skalierbarkeit
- Fallstudien sowie reale Beispiele aus der Praxis
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse in der natürlichen Sprachverarbeitung (NLP)
- Vertrautheit mit der Programmiersprache Python
- Erfahrung mit großen Sprachmodellen (LLMs) ist von Vorteil
Zielgruppe
- KI-Entwickler
- NLP-Ingenieure
- Fachleute aus dem Bereich maschinelles Lernen
14 Stunden
