Dalam kursus ini, Anda akan mempelajari prinsip, teknik, dan praktik terbaik untuk mendesain prompt yang efektif. Kursus ini memperkenalkan dasar rekayasa prompt dan berlanjut ke teknik prompt lanjutan. Anda juga akan mempelajari cara mencegah penyalahgunaan prompt dan cara mengurangi bias saat berinteraksi dengan FM.
- Tingkat kursus: Menengah
- Durasi: 4 jam
Catatan: Kursus ini memiliki transkrip/subtitle lokal. Narasi disampaikan dalam bahasa Inggris. Untuk menampilkan subtitle, klik tombol CC di sudut kanan bawah pemutar.
Aktivitas
Kursus ini mencakup interaksi eLearning.
Tujuan kursus
Dalam kursus ini, Anda akan belajar:
- Menentukan rekayasa petunjuk dan menerapkan praktik terbaik umum ketika berinteraksi dengan FM
- Mengidentifikasi jenis dasar teknik prompt, termasuk pembelajaran zero-shot dan few-shot
- Menerapkan teknik prompt lanjutan jika diperlukan untuk kasus penggunaan Anda
- Mengidentifikasi teknik prompt yang paling cocok untuk model tertentu
- Mengidentifikasi potensi penyalahgunaan prompt
- Menganalisis potensi bias dalam respons FM dan merancang prompt yang mengurangi bias tersebut
Target audiens
Kursus ini ditujukan untuk:
- Engineer prompt, data scientist, dan pengembang
Prasyarat
Kami menyarankan peserta kursus ini telah menyelesaikan kursus berikut:
- Introduction to Generative AI - Art of the Possible (1 jam, kursus digital)
- Planning a Generative AI Project (1 jam, kursus digital)
- Amazon Bedrock Getting Started (1 jam, kursus digital)
Skema kursus
Pengantar
- Pengantar
- Dasar-dasar tentang Model Dasar
- Dasar-dasar Rekayasa Prompt
Tipe dan Teknik Prompt
- Teknik Prompt Dasar
- Teknik Prompt Lanjutan
- Teknik Prompt Khusus Model
- Mengatasi Penyalahgunaan Prompt
- Memitigasi Bias
Kesimpulan
- Ringkasan Kursus
Deskripsi pelajaran
Pelajaran 1: Dasar-dasar Model Bahasa Besar
Dalam kursus ini, Anda akan mempelajari prinsip, teknik, dan praktik terbaik untuk mendesain prompt yang efektif. Kursus ini memperkenalkan dasar rekayasa prompt dan berlanjut ke teknik prompt lanjutan. Anda juga akan mempelajari cara mencegah penyalahgunaan prompt dan cara mengurangi bias saat berinteraksi dengan FM.
Pelajaran 2: Dasar-dasar Rekayasa Prompt
Dalam pelajaran ini Anda diperkenalkan dengan rekayasa prompt, yaitu rangkaian praktik yang fokus mengembangkan, merancang, dan mengoptimalkan prompt untuk meningkatkan output FM bagi kebutuhan bisnis Anda yang spesifik. Pelajaran pertama mendefinisikan rekayasa prompt dan menjelaskan konsep utama dan terminologi rekayasa prompt. Kemudian, pelajaran menggunakan contoh prompt untuk menampilkan berbagai elemen prompt. Terakhir, pelajaran memberikan daftar praktik terbaik umum untuk merancang prompt yang efektif.
Pelajaran 3: Teknik Prompt Dasar
Dalam pelajaran ini, Anda akan mempelajari tentang teknik rekayasa prompt dasar yang dapat membantu Anda menggunakan aplikasi AI generatif secara efektif untuk tujuan bisnis unik. Pertama, pelajaran mendefinisikan teknik prompt zero-shot dan few-shot. Kemudian, pelajaran ini mendefinisikan prompt chain-of-thought (CoT), yang merupakan landasan untuk beberapa teknik prompt lanjutan. Pelajaran ini memberikan tips dan contoh dari setiap tipe teknik prompt.
Pelajaran 4: Teknik Prompt Lanjutan
Dalam pelajaran ini, Anda akan diperkenalkan pada beberapa teknik lanjutan termasuk: Konsistensi Diri, Tree of Thoughts, Retrieval augmented generation (RAG), Automatic Reasoning and Tool-use (ART), dan Reasoning and Acting (ReAct). Contoh diberikan untuk menunjukkan praktik masing-masing teknik.
Pelajaran 5: Teknik Prompt Khusus Model
Dalam pelajaran ini, Anda akan mempelajari cara merekayasa prompt untuk beberapa FM paling populer, termasuk Amazon Titan, Anthropic Claude, dan AI21 Labs Jurassic-2. Anda akan mempelajari berbagai parameter yang dapat dikonfigurasi untuk mendapatkan hasil yang disesuaikan dari model. Berikutnya, Anda akan mempelajari praktik terbaik rekayasa prompt untuk setiap model.
Pelajaran 6: Mengatasi Penyalahgunaan Prompt
Dalam pelajaran ini, Anda akan diperkenalkan ke prompt yang berlawanan, atau prompt yang dimaksudkan untuk menyesatkan model dengan sengaja. Anda akan mempelajari injeksi prompt dan kebocoran prompt yang merupakan dua tipe prompt berlawanan. Anda akan diberikan contoh untuk masing-masing tipe.
Pelajaran 7: Memitigasi Bias
Dalam pelajaran ini, Anda akan mempelajari bagaimana bias diperkenalkan pada model selama tahap pelatihan dan bagaimana bias tersebut dapat direproduksi dalam respons yang dihasilkan oleh FM. Anda akan mempelajari bagaimana hasil yang bias dapat dimitigasi dengan memperbarui prompt, meningkatkan set data, dan menggunakan teknik pelatihan.
