دوره آموزشی کاوش در برنامهنویسی LLM قطعی
1 ساعت 1 دقیقهمبتدی2025-10-15
مدرسین

Pragmatic AI Labs
جزئیات دوره
مدلهای بزرگ زبان (LLMs) معمولاً به عنوان سیستمهای خلاق و احتمالاتی شناخته میشن، ولی میتونن طوری برنامهریزی بشن که رفتار پیشبینیپذیر و قابل تکرار داشته باشن. توی این دوره یاد میگیرید چطور پرامپتها، جریانهای کاری و الگوهای ادغام رو طراحی کنید تا تصادفی بودن خروجیها به حداقل برسه و نتایج به شکل مداوم و قابل اعتماد تولید بشن. این مهارت به شما کمک میکنه تا سیستمهای مبتنی بر LLM بسازید که هم خلاق باشن و هم عملکرد پایدار و قابل اتکا داشته باشن.
اهداف یادگیری
طراحی پرامپتهای مؤثر برای کاهش خروجیهای تصادفی
ایجاد جریانهای کاری که نتایج مدلهای بزرگ زبان رو پایدار و قابل پیشبینی میکنه
استفاده از الگوهای ادغام برای تولید خروجیهای مداوم و قابل اعتماد
کسب مهارت لازم برای ساخت سیستمهای LLM با عملکرد پایدار و قابل پیشبینی
اهداف یادگیری
طراحی پرامپتهای مؤثر برای کاهش خروجیهای تصادفی
ایجاد جریانهای کاری که نتایج مدلهای بزرگ زبان رو پایدار و قابل پیشبینی میکنه
استفاده از الگوهای ادغام برای تولید خروجیهای مداوم و قابل اعتماد
کسب مهارت لازم برای ساخت سیستمهای LLM با عملکرد پایدار و قابل پیشبینی
سرفصل ها
مقدمه
- معرفی دوره
فونداسیون
- استراتژیهای گرم کردن
- قانون آمدال و عوامل کدگذاری
- پارادوکس جوونز
- چارچوب جدول امتیازات جامع عاملها (HAL) دانشگاه پرینستون
- سیستم رتبهبندی ELO
- سؤالات رتبه بندی ELO
- اتوماسیون توسعهدهندهی افسانهای
کنترل پیشرفته
- توهم عوامل کنترل
- افزایش جبرگرایی در بافت عمیق
- درک کدگذاری عاملی AST
- درک پیچیدگی
- درک آنتروپی
- درک ریزش کد
- اسپرینتهای نقشه راه و بدهی فنی
- SATD بدهی فنی را پیشبینی میکند
- امتیاز اثباتپذیری
پیادهسازی
- نسخه آزمایشی PMAT و مراحل بعدی
دوره های مرتبط
- دوره آموزشی کاوش در عکاسی: یافتن لنز پرتره عالی
- دوره آموزشی بررسی عملکرد و مقیاس با گزینه های داده در Azure
- دوره آموزشی کاوش در کتابخانه های زبان C
- دوره آموزشی کاوش در عکاسی: یافتن سبک خود
- دوره آموزشی کاوش در عکاسی: تعادل رنگ سفید و دمای رنگ
- دوره آموزشی کاوش در عکاسی: نور پس زمینه
- دوره آموزشی عکاسی 101: عکاسی در نور کم
- دوره آموزشی کاوش در عکاسی: ماکرو لنز معکوس