IT
عناوین

مهندسی پرامپت برای سیستم های هوش مصنوعی

هدف مجتمع فنی تبریز برای دوره‌های آموزشی :

تربیت برنامه نویس Android
نام دوره آموزشیساعت شهریه (ریال)
مهندسی پرامپت برای سیستم های هوش مصنوعی30 ساعت (15 جلسه 1/5 ساعته) 55.000.000

رئوس مطالب

  1. شناسایی مدل های زبانی بزرگ و مهندسی پرامپت

دانش:

  • اصول مدل های زبانی بزرگ(LLMs )، ساختار و نحوه یادگیری آن ها
  • کاربردهای مختلف مدل های زبانی بزرگ
  • محدودیت ها و چالش های مدل های زبانی بزرگ
  • ملاحظات اخلاقی و امنیتی در استفاده از مدل های زبانی

مهارت:

  • نوشتن پرامپت های سنتی و مهندسی شده و تحلیل تفاوت های آن ها
  • طراحی و بهینه سازی پرامپت برای بهبود دقت مدل
  • ساخت پرامپت های چند مرحله ای برای دریافت پاسخ های دقیق تر
  • شناسایی توهم در خروجی مدل های زبانی
  • ارزیابی و اصلاح پرامپت ها برای کاهش سوگیری و بهبود خروجی

 

 

  1. شناسایی ساختار و اجزای پرامپت

دانش:

  • انواع پرامپت ها و اجزای کلیدی آن ها( مستقیم، چند مرحله ای، مبتنی بر زمینه، شرطی)
  • تأثیر فرمول بندی کلمات و ساختار جمله بر خروجی مدل
  • مدیریت سوگیری در پرامپت ها

مهارت:

  • طراحی و استفاده از انواع مختلف پرامپت ها
  • ساخت پرامپت های موثر و هدایت شده برای (تولید محتوا،تحلیل داده،حل مسئله)
  • تجزیه و تحلیل پرامپت های پیچیده و شناسایی نقاط ضعف و قوت آن ها
  • ارزیابی و اصلاح پرامپت های ضعیف ،مبهم ، ناموفق و بهینه سازی آن ها
  • آزمایش و مقایسه تأثیر ترتیب کلمات در پرامپت بر روی خروجی
  • پرامپت نویسی بین زبانی

 

 

  1. به کارگیری تکنیک های پیشرفته مهندسی پرامپت

دانش:

  • تکنیک های پیشرفته مانند چند مرحله ای، مثال ها و داده های آموزشی، با محدودیت، هدایت شده، مبتنی بر نقش یا پرسونا
  • مقایسه و توضیح تفاوت ها و نقاط قوت و ضعف هر تکنیک پیشرفته
  • نحوه ی ترکیب تکنیک های پیشرفته برای بهینه سازی خروجی مدل
  • مفاهیم اخلاقی نظیر سوگیری در مهندسی پرامپت

مهارت:

  • پیاده سازی و مقایسه تکنیک های پیشرفته در سناریوهای مختلف
  • طراحی پرامپت های ترکیبی برای افزایش دقت و قابلیت اطمینان
  • شناسایی و اصلاح پرامپت هایی که باعث سوگیری یا خروجی های نامناسب می شوند
  • بهینه سازی پرامپت ها برای مسائل خاص

 

 

  1. ارزیابی و بهبود پرامپت

دانش:

  • متریک های ارزیابی پرامپت(کمی وکیفی)
  • روش های بهبود پرامپت(بهینه سازی دستورالعمل ها، تنطیم پارامترها، استفاده از تکنیک های هدایت مدل)
  • فرآیند تکرار و بهبود پرامپت بر اساس داده ها
  • تحلیل تأثیر عوامل خارجی روی عملکرد پرامپت

مهارت:

  • ارزیابی عملکرد پرامپت ها با استفاده از متریک های مختلف با توضیح انتخاب آن ها
  • جمع آوری و تحلیل بازخورد کیفی و کمی کاربران
  • انجام A/B testing برای دو پرامپت متفاوت و تحلیل نتایج
  • ارائه گزارش تحلیل بازخورد کاربران و توضیح تغییرات اعمال شده بر اساس آن
  • طراحی و اجرای آزمایش های مختلف برای پرامپت های بهینه شده

 

 

  1. به کارگیری مهندسی پرامپت در تولید محتوای متنی

دانش:

  • انواع مدل های تولید متن
  • کاربردهای هوش مصنوعی مولد در تولید متن
  • تکنیک های مهندسی پرامپت در تولید انواع محتوای متنی
  • ملاحظات اخلاقی در تولید محتوا با هوش مصنوعی

مهارت:

  • تولید محتوای متنی با کیفیت بالا و بدون خطای گرامری و املایی
  • کنترل سبک نگارش و تن خروجی با تنظیم دقیق پرامپت برای ایجاد خروجی های رسمی، غیررسمی، طنز،فنی وعلمی
  • تولید انواع محتواهای متنی متنوع مانند: داستان کوتاه، مقاله، شعر، کد برنامه نویسی،سناریوهای بازاریابی
  • اصلاح و بهینه سازی پرامپت برای کنترل طول، جزئیات و ساختار متن
  • استفاده از پرامپت برای ترجمه متون طولانی با حفظ سبک و معنا

 

 

  1. به کارگیری مهندسی پرامپت در تولید عکس

دانش:

  • انواع مدل های تولید تصویر و نحوه عملکرد آن ها
  • روش های طراحی پرامپت در تولید تصویرشامل ساختار جملات، ترتیب کلمات، استفاده از توصیفات دقیق، و تأکید بر سبک و جزئیات
  • چگونگی تأثیر پارامترهای مختلف پرامپت بر روی کیفیت و سبک تصویر
  • نحوه ی تنظیمات و فیلترهای اضافی برای بهینه سازی تصاویر

مهارت:

  • تولید تصاویر با کیفیت بالا با استفاده از پرامپت های مهندسی شده
  • کنترل سبک هنری تصویر با تنظیم پرامپت برای تولید رئالیسم، سایبرپانک، فانتزی، انیمه، نقاشی رنگ روغن، آبرنگ، اسکچ و هنر دیجیتال
  • استفاده از Prompting Negative برای حذف عناصر ناخواسته و افزایش دقت در خروجی
  • اصلاح و بهینه سازی پرامپت بر اساس بازخورد و مشاهده ی خروجی های مدل

 

 

  1. به کارگیری مهندسی پرامپت در تولید ویدیو و انیمیشن

دانش:

  • انواع ابزارها و تکنیک های تولید ویدیو و انیمیشن با استفاده از پرامپت
  • تفاوت های مهندسی پرامپت در تولید ویدیو نسبت به تصویر
  • انواع تکنیک های ترکیبی برای بهبود خروجی ویدیو

مهارت:

  • تولید ویدیوها یا انیمیشن های کوتاه با استفاده از پرامپت های مهندسی
  • کنترل عناصر مختلف ویدیو (صحنه، شخصیت ها، حرکت، نورپردازی) با استفاده از پرامپت
  • استفاده از تکنیک های ترکیبی مانند Inpainting و ControlNet برای ویرایش و بهبود ویدیوهای تولیدشده

 

 

  1. به کارگیری مهندسی پرامپات در تولید محتوای صوتی

دانش:

  • انواع مدل های تبدیل متن به گفتار ((TTS
  • تکنیک های مهندسی پرامپت برای کنترل ویژگی های صوتی
  • نحوه تاثیر تنظیمات پرامپت بر کیفیت و طبیعی بودن صدای خروجی

مهارت:

  • تولید محتوای صوتی با کیفیت بالا و طبیعی با استفاده از پرامپت های مهندسی شده
  • کنترل ویژگی های صوتی (لحن، سرعت، احساسات) با استفاده از پرامپت ها
  • استفاده از تکنیک های ترکیبی برای بهبود کیفیت صوتی،
  • ایجاد تغییرات در پرامپت برای به دست آوردن خروجی های صوتی با سبک های مختلف