Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Best Practice e Strumenti
Pitfall Comuni e Strategie di Mitigazione
Introduzione all'Ingegneria dei Prompt
Raffinamento dei Prompt e Design Iterativo
Utilizzo dei Prompt per l'Automazione dei Test e la Generazione SQL
Riepilogo e Passi Successivi
Utilizzo dei Prompt per Spiegazioni e Debugging del Codice
Scrittura di Prompt per la Generazione del Codice
- Evitare codice immaginato o vulnerabilità di sicurezza
- Gestire input incompleti o ambigui
- Creare prompt di fallback sicuri e guardrails
- Creazione di casi di test a partire da requisiti o codice
- Generazione di query SQL strutturate dal linguaggio naturale
- Formattare gli output per l'integrazione nei set di test
- Spiegazione del codice legacy o sconosciuto
- Utilizzo dei prompt per walkthrough logici o analisi di casi limite
- Individuare e spiegare bug o inefficienze
- Generazione di codice da descrizioni in linguaggio naturale
- Controllo del formato dell'output e del linguaggio di programmazione
- Lavoro con logica complessa o funzioni multiple
- Migliorare i risultati attraverso concatenazione dei prompt e cicli di feedback
- Strategie di ripristino degli errori e tuning dei prompt
- Case study in raffinamento per compiti tecnici
- Biblioteche di prompt e pattern di riutilizzo
- Utilizzo di template di prompt in VS Code o flussi di lavoro basati su API
- Valutazione della qualità e delle prestazioni dei prompt nell'uso produttivo
- Comprensione dei prompt, del contesto, dei token e dei modelli
- Tipi di prompt: zero-shot, one-shot, few-shot
- Utilizzo di istruzioni di sistema vs. utente in diverse API
Requisiti
Pubblico di Riferimento
- Sviluppatori che utilizzano LLM nella generazione o nell'analisi del codice
- Responsabili tecnici che esplorano strumenti AI nei flussi di lavoro
- Professionisti software che sperimentano integrazioni LLM
- Esperienza nello sviluppo software o in scripting
- Familiarità con linguaggi di programmazione comuni (ad esempio, Python, JavaScript, SQL)
- Comprensione basilare dei modelli linguistici grandi e degli strumenti AI come ChatGPT, Claude o Copilot
7 ore
Recensioni (1)
Ho acquisito una conoscenza riguardante la libreria Streamlit di Python e sicuramente cercherò di utilizzarla per migliorare le applicazioni del mio team, che sono sviluppate con R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Corso - GitHub Copilot for Developers
Traduzione automatica