دوره آموزشی تمرین عملی Prompt Flow
50 دقیقهعمومی2024-09-12
مدرسین

Morten Rand-Hendriksen
Senior Staff Instructor, Speaker, Web Designer, and Software Developer
جزئیات دوره
در این دوره، مربی ارشد مورتن راند-هنریکسن شما را در تمرین عملی ایجاد، تحلیل و ارزیابی جریانهای کاری (Workflow) که مدلهای زبانی بزرگ (LLM)، پرامپتها و کد پایتون را به هم پیوند میدهند، راهنمایی میکند. با استفاده از مثالهای واقعی و بینشهای کاربردی، مورتن به شما کمک میکند تا مهارتهای طراحی پرامپت (Prompt Engineering) را بهدست آورید، فرایند توسعه را سادهسازی کنید و پروژههای پیشرفته هوش مصنوعی را سازماندهی کنید.
در این دوره، شما با ابزارهای لازم برای ساخت و ارزیابی جریانهای کاری پیچیده آشنا خواهید شد. مورتن از روشهای پیشرفته طراحی پرامپت استفاده میکند و نحوه ادغام ابزارهای مختلف با کد پایتون و مدلهای LLM را بهطور عملی آموزش میدهد. در پایان دوره، شما قادر خواهید بود جریانهای کاری سفارشی با استفاده از تکنیکهای مهندسی پرامپت و ابزارهای یکپارچه بسازید و آنها را برای کارایی، عملکرد و مقاومت ارزیابی کنید.
در این دوره، شما با ابزارهای لازم برای ساخت و ارزیابی جریانهای کاری پیچیده آشنا خواهید شد. مورتن از روشهای پیشرفته طراحی پرامپت استفاده میکند و نحوه ادغام ابزارهای مختلف با کد پایتون و مدلهای LLM را بهطور عملی آموزش میدهد. در پایان دوره، شما قادر خواهید بود جریانهای کاری سفارشی با استفاده از تکنیکهای مهندسی پرامپت و ابزارهای یکپارچه بسازید و آنها را برای کارایی، عملکرد و مقاومت ارزیابی کنید.
مهارت ها
Azure AI ServicesProgramming FoundationsGenerative AIArtificial Intelligence FoundationsSoftware Development ToolsArtificial Intelligence (AI)MicrosoftSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - جریان سریع - یک مثال عملی
1. ساختن یک برنامه با Prompt Flow
- 02 - ایده - یک برنامه بحث مقاله برای بچهها بسازید
- 03 - ایجاد یک Prompt Flow جدید از ابتدا
- 04 - ایجاد اتصال برای دسترسی به خدمات هوش مصنوعی
- 05 - آزمایش جریان
- 06 - افزودن پایتون سفارشی به جریان
- 07 - آزمایش افزایشی مداوم
- 08 - افزودن ابزارهای LLM به جریان
- 09 - افزودن فیلدهای ورودی جدید به ابزارهای LLM
- 10 - اشکال زدایی جریان
- 11 - ایجاد الگوهای جریان مشروط
- 12 - اضافه کردن وابستگیهای مورد نیاز پایتون قبل از استقرار
- 13 - ساخت جریان با استفاده از داکر
- 14 - یک تصویر داکر برای یک جریان ایجاد کنید
- 15 - تصویر Docker را اجرا کنید
- 16 - پاداش - Mistral AI را به عنوان یک اتصال سفارشی اضافه کنید
2. نتیجه گیری
- 17 - با Prompt Flow جلوتر بروید
دوره های مرتبط
- دوره آموزشی ساخت عوامل با استفاده از سرویس Azure AI Foundry Agent
- دوره آموزشی ساخت اپلیکیشنها با هوش مصنوعی زبان Azure و پایتون
- دوره آموزشی آمادگی برای آزمون گواهینامه Microsoft Azure AI Fundamentals (AI-900)
- دوره آموزشی هوش مصنوعی آزور برای توسعهدهندگان: ایمنی محتوا و هوش مصنوعی مسئولانه
- دوره آموزشی هوش مصنوعی آزور برای توسعهدهندگان: استفاده از کاتالوگ مدلهای هوش مصنوعی آزور
- دوره آموزشی هوش مصنوعی آژور برای توسعهدهندهها: پردازش تصاویر با Azure AI
- دوره آموزشی هوش مصنوعی آژور برای توسعهدهندهها: سرویس گفتار Azure AI
- دوره آموزشی هوش مصنوعی آژور برای توسعهدهندهها: مدلهای زبانی بزرگ (LLM) و مدلهای کوچک (SLM)