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 hilfreiche Werkzeuge
Häufige Fehlerquellen sowie Gegenmaßnahmen
Einführung in das Prompt-Engineering
Verfeinerung von Prompts und iteratives Gestalten
Erstellung von Prompts für Testautomatisierung sowie SQL-Abfragen
Zusammenfassung und Ausblick auf nächste Schritte
Nutzung von Prompts zur Code-Erklärung und Fehlerbehebung
Formulieren von Prompts für die Generierung von Quellcode
- Vermeidung von fehlerhaftem oder unsicherem Code durch Halluzinationen der KI
- Umgang mit unvollständigen oder mehrdeutigen Benutzereingaben
- Erstellung sicherer Standard-Prompts sowie zusätzlicher Schutzmechanismen
- Aus Anforderungen oder vorhandenem Code Testfälle erstellen
- Aus natürlicher Sprache strukturierte SQL-Abfragen erzeugen
- Ergebnisse so formatieren, dass sie direkt in Testpakete integriert werden können
- Erläuterung bisher unbekannter oder legacy-Codebestandteile
- Anweisungen zur logischen Analyse sowie Untersuchung möglicher Sonderfälle formulieren
- Identifizierung und Erklärung von Fehlern oder ineffizienten Programmabschnitten
- Aus textbasierten Beschreibungen Code generieren lassen
- Kontrolle über das gewünschte Ausgabeformat und die Programmiersprache sicherstellen
- Bearbeitung komplexer Logikstrukturen oder mehrerer Funktionen im selben Prompt
- Verbesserung der Resultate durch kombiniertes Anwenden mehrerer Prompts sowie Feedback-Schleifen
- Strategien zur Fehlerbehebung und Optimierung vorhandener Prompts erlernen
- Beispielhafte Fälle aus der Praxis zur kontinuierlichen Prompt-Optimierung betrachten
- Aufbau und Wiederverwendung von Prompt-Bibliotheken
- Integration von Vorlagen in VS Code oder API-gestützte Workflows erläutern
- Qualität sowie Leistungsfähigkeit eingesetzter Prompts im produktiven Umfeld bewerten
- Grundlagen zu Prompts, Kontextinformationen, Token-Begrenzungen und verwendeten Modellen kennenlernen
- Unterschiedliche Prompt-Typen: zero-shot, one-shot sowie few-shot-Anweisungen erklären
- Nutzung von System- und Benutzeranweisungen in verschiedenen API-Umgebungen praktisch umsetzen
Voraussetzungen
Zielgruppe
- Entwickler, die Large Language Models bei der Code-Generierung oder -Analyse nutzen
- Technische Leiter, die nach Möglichkeiten suchen, KI-Tools in bestehende Arbeitsabläufe einzubinden
- Software-Fachkräfte, die erste Erfahrungen mit der Integration von Large Language Models sammeln möchten
- Grundkenntnisse in der Softwareentwicklung oder im Skripting
- Vertrautheit mit gängigen Programmiersprachen wie Python, JavaScript und SQL
- Grundverständnis für Large Language Models sowie 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