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.
Durée 7 heures
Plan du cours
Meilleures pratiques et outils
Pièges courants et stratégies d'atténuation
Introduction au Prompt Engineering
Affinement des prompts et conception itérative
Prompting pour l'automatisation des tests et la génération SQL
Résumé et prochaines étapes
Utilisation des prompts pour l'explication et le débogage de code
Rédaction de prompts pour la génération de code
- Éviter le code halluciné ou les vulnérabilités de sécurité
- Gérer les entrées incomplètes ou ambiguës
- Créer des prompts de secours sûrs et des garde-fous
- Création de cas de test à partir de exigences ou de code
- Génération de requêtes SQL structurées à partir du langage naturel
- Formatage des sorties pour l'intégration dans des suites de tests
- Explication de code legacy ou peu familier
- Prompting pour des explications de logique ou l'analyse de cas limites
- Identification et explication des bogues ou des inefficacités
- Génération de code à partir de descriptions en langage clair
- Contrôle du format de sortie et du langage de programmation
- Travail avec des logiques complexes ou plusieurs fonctions
- Amélioration des résultats par l'enchaînement de prompts et les boucles de rétroaction
- Récupération d'erreurs et stratégies de réglage des prompts
- Études de cas sur l'affinement pour les tâches techniques
- Bibliothèques de prompts et motifs de réutilisation
- Utilisation de modèles de prompts dans VS Code ou des flux de travail basés sur API
- Évaluation de la qualité et des performances des prompts en usage en production
- Compréhension des prompts, du contexte, des jetons et des modèles
- Types de prompts : zéro-jeu, un-jeu, peu-jeu
- Utilisation des instructions système vs utilisateur dans différentes API
Pré requis
Public cible
- Développeurs utilisant des LLM pour la génération ou l'analyse de code
- Responsables techniques explorant les outils d'IA dans leurs flux de travail
- Professionnels du logiciel expérimentant les intégrations de LLM
- Expérience en développement logiciel ou en scripts
- Familiarité avec les langages de programmation courants (par ex. Python, JavaScript, SQL)
- Compréhension de base des grands modèles de langage et des outils d'IA tels que ChatGPT, Claude ou Copilot
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