مهندسی پرامپت برای سیستم های هوش مصنوعی
هدف مجتمع فنی تبریز برای دورههای آموزشی :
نام دوره آموزشی | ساعت | شهریه (ریال) |
---|---|---|
مهندسی پرامپت برای سیستم های هوش مصنوعی | 30 ساعت (15 جلسه 1/5 ساعته) | 55.000.000 |
رئوس مطالب
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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