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
Meilleures pratiques et outils
Pièges courants et stratégies d'atténuation
Introduction à l'ingénierie des prompts
Raffinement des prompts et conception itérative
Utilisation des prompts pour l'automatisation des tests et la génération de SQL
Résumé et prochaines étapes
Utilisation des prompts pour l'explication et le débogage du 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 sûrs et des garde-fous
- Créer des cas de test à partir de spécifications ou de code
- Générer des requêtes SQL structurées à partir du langage naturel
- Formater les sorties pour l'intégration dans les suites de tests
- Expliquer un code legacy ou inconnu
- Demander des parcours de logique ou l'analyse de cas limites
- Identifier et expliquer les bugs ou les inefficacités
- Générer du code à partir de descriptions en langage courant
- Contrôler le format de sortie et le langage de programmation
- Travailler avec une logique complexe ou plusieurs fonctions
- Améliorer les résultats grâce à l'enchaînement des prompts et aux boucles de rétroaction
- Stratégies de récupération d'erreurs et d'ajustement des prompts
- Études de cas sur le raffinement pour les tâches techniques
- Bibliothèques de prompts et schémas de réutilisation
- Utiliser des modèles de prompts dans VS Code ou les flux de travail basés sur une API
- Évaluer la qualité et la performance des prompts dans un usage en production
- Comprendre les prompts, le contexte, les jetons et les modèles
- Types de prompts : zéro-shot, one-shot, few-shot
- Utilisation des instructions système vs utilisateur dans différentes API
Pré requis
Audience
- Développeurs utilisant des LLM pour la génération ou l'analyse de code
- Chefs techniques explorant des outils d'IA dans les flux de travail
- Professionnels du logiciel expérimentant avec des intégrations LLM
- Expérience en développement logiciel ou en scriptage
- 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
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