Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Bonnes pratiques et outils
Pièges courants et stratégies d'atténuation
Introduction à l'ingénierie des prompts
Raffinement des prompts et conception itérative
Prompts pour l'automatisation des tests et la génération SQL
Synthèse et prochaines étapes
Utilisation des prompts pour l'explication et le débogage de code
Rédaction de prompts pour la génération de code
- Éviter les codes hallucinés ou les vulnérabilités de sécurité
- Gérer les entrées incomplètes ou ambiguës
- Créer des prompts de repli et des garde-fous sécurisés
- Création de cas de test à partir des exigences ou du code
- Génération de requêtes SQL structurées à partir du langage naturel
- Formatage des sorties pour intégration dans des suites de tests
- Explication du code legacy ou inconnu
- Prompts pour des walkthroughs de logique ou l'analyse des cas limites
- Détection et explication des bugs ou des inefficacités
- Génération de code à partir de descriptions en langage courant
- Contrôle du format de sortie et du langage de programmation
- Travail avec des logiques complexes ou des fonctions multiples
- Amélioration des résultats via le chaînage des prompts et les boucles de rétroaction
- Récupération d'erreurs et stratégies de réglage des prompts
- Études de cas sur le raffinement pour les tâches techniques
- Bibliothèques de prompts et modèles de réutilisation
- Utilisation de modèles de prompts dans VS Code ou des flux de travail basés sur une API
- Évaluation de la qualité et des performances des prompts dans un usage en production
- Compréhension des prompts, du contexte, des jetons et des modèles
- Types de prompts : zero-shot, one-shot, few-shot
- Utilisation des instructions système versus utilisateur dans différentes APIs
Pré requis
Public cible
- Développeurs utilisant des LLM pour la génération ou l'analyse de code
- Chefs de projet techniques explorant les outils IA dans les flux de travail
- Professionnels du logiciel expérimentant avec des intégrations LLM
- Expérience en développement logiciel ou en script
- Familiarité avec les langages de programmation courants (par exemple, Python, JavaScript, SQL)
- Connaissance de base des grands modèles de langage et des outils IA tels que ChatGPT, Claude ou Copilot
7 Heures
Nos clients témoignent (1)
J'ai acquis des connaissances sur la bibliothèque Streamlit en Python et je vais certainement essayer de l'utiliser pour améliorer les applications de mon équipe qui sont actuellement développées avec R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Formation - GitHub Copilot for Developers
Traduction automatique