Курс на Stepik
Обложка курса «Prompt Engineering: искусство работы с ИИ» на Stepik
5 990 ₽

Prompt Engineering: искусство работы с ИИ ★ 4.500

Открыть на
STEPIK.ORG

Prompt Engineering: искусство работы с ИИ — это практический курс о том, как эффективно общаться с ChatGPT и другими LLM. Вы научитесь превращать запросы в точные, структурированные промты и получать результат, который нужен именно вам — будь то код, аналитика, тексты или автоматизация рабочих процессов.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Prompt Engineering: искусство работы с ИИ»Учеников на курсе 31
Сертификаты, выданные на курсе «Prompt Engineering: искусство работы с ИИ»Сертификатов выдано 0
Отзывы о курсе «Prompt Engineering: искусство работы с ИИ»Отзывов получено 4
Рейтинг курса «Prompt Engineering: искусство работы с ИИ»Рейтинг курса 4.500
Уроки в курсе «Prompt Engineering: искусство работы с ИИ»Количество уроков 42
Тесты в курсе «Prompt Engineering: искусство работы с ИИ»Количество квизов 195
Время прохождения курса «Prompt Engineering: искусство работы с ИИ»Время прохождения курса —
Стоимость курса «Prompt Engineering: искусство работы с ИИ»Стоимость курса 5 990 ₽ —
Обновления курса «Prompt Engineering: искусство работы с ИИ»Обновления курса — —
Дата публикации курса «Prompt Engineering: искусство работы с ИИ»Дата публикации курса — ———
Последнее обновление курса «Prompt Engineering: искусство работы с ИИ»Последнее обновление — ———

Содержание курса

Разделы в курсе «Prompt Engineering: искусство работы с ИИ» 7 разделов Уроки в курсе «Prompt Engineering: искусство работы с ИИ» 42 урока Тесты в курсе «Prompt Engineering: искусство работы с ИИ» 195 тестов Время прохождения курса «Prompt Engineering: искусство работы с ИИ» 1 ч. Последнее обновление курса «Prompt Engineering: искусство работы с ИИ» обн. 1 год назад

Введение в Prompt Engineering

4 урока
1. Что такое промт и зачем он нужен ↗
2. Как работает LLM ↗
3. Основы хорошего промта ↗
4. Типы промтов ↗

Структура и дизайн промтов

6 уроков
1. Формулировка задачи ↗
2. Контекст и примеры ↗
3. Форматы вывода (JSON, таблицы, код) ↗
4. Управление тоном и стилем ↗
5. Многоуровневые промты ↗
6. Мини-шаблоны промтов ↗

Продвинутые техники

7 уроков
1. Chain-of-thought ↗
2. Self-consistency и уточнения ↗
3. Рефлексия и самопроверка модели ↗
4. Few-shot prompting и подбор примеров ↗
5. Многошаговые задачи ↗
6. Prompt chaining (цепочки промтов) ↗
7. Метапромты (промты для создания промтов) ↗

Работа с текстами

6 уроков
1. Переформулирование и сжатие текста ↗
2. Классификация (тональность, категории) ↗
3. Извлечение информации (NER, таблицы) ↗
4. Создание текстов (статьи, посты, креатив) ↗
5. Резюмирование (short/long summaries) ↗
6. Перевод и локализация ↗

Работа с кодом и данными

6 уроков
1. Генерация кода ↗
2. Отладка кода ↗
3. Анализ данных (таблицы, SQL) ↗
4. Генерация тестов и unit-тестирование ↗
5. Работа с API через промты ↗
6. Автоматизация простых рабочих задач ↗

Автоматизация и интеграции

7 уроков
1. Использование OpenAI API ↗
2. Настройка параметров генерации (temperature, top-p и др.) ↗
3. Скрипты и пайплайны (Python, Bash) ↗
4. Интеграции без кода (Zapier, Make, Sheets) ↗
5. Комбинирование нескольких моделей ↗
6. Инструменты для продвинутого промт-инжиниринга ↗
7. Автоматизация реальных задач (кейсы: маркетинг, образование, IT) ↗

Этические и практические аспекты

6 уроков
1. Этические вопросы и ограничения ↗
2. Риски: галлюцинации, искажения, доверие ↗
3. Работа с личными данными ↗
4. Выявление и фильтрация небезопасных промтов ↗
5. Карьера промт-инженера и смежные профессии ↗
6. Будущее LLM и роль человека ↗