Plan du cours
Meilleures Pratiques et Outils
Pièges Courants et Stratégies d'Atténuation
Introduction au Prompt Engineering
Raffinement de Prompts et Conception Itérative
Utilisation des Prompts pour l'Automatisation des Tests et la Génération SQL
Résumé et Étapes Suivantes
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 des entrées incomplètes ou ambiguës
- Créer des prompts de repli sûrs et des barrières de protection
- Création de cas de test à partir de spécifications ou de code
- Génération de requêtes SQL structurées à partir de langage naturel
- Formatage des sorties pour l'intégration dans les suites de tests
- Explication de code hérité ou inconnu
- Utilisation des prompts pour des parcours logiques ou des analyses de cas limites
- Trouver et expliquer des bugs ou des inefficacités
- Génération de code à partir de descriptions en langage naturel
- Contrôle du format de sortie et du langage de programmation
- Travail avec une logique complexe ou plusieurs fonctions
- Amélioration des résultats par le chaînage de prompts et les boucles de feedback
- Stratégies de récupération d'erreurs et d'ajustement de prompts
- Études de cas en raffinement pour des tâches techniques
- Bibliothèques de prompts et motifs de réutilisation
- Utilisation de modèles de prompts dans VS Code ou des workflows basés sur API
- Évaluation de la qualité et des performances des prompts en utilisation de production
- Comprendre les prompts, le contexte, les tokens et les modèles
- Types de prompts : zero-shot, one-shot, few-shot
- Utilisation des instructions système vs utilisateur dans différentes API
Pré requis
Public Cible
- Développeurs utilisant des LLMs pour la génération ou l'analyse de code
- Chefs de projet explorant les outils d'IA dans les workflows
- Professionnels du logiciel expérimentant des intégrations de LLMs
- Expérience en développement logiciel ou en scripting
- Connaissance des langages de programmation courants (par exemple, Python, JavaScript, SQL)
- Compréhension de base des grands modèles linguistiques et des outils d'IA comme ChatGPT, Claude ou Copilot
Nos clients témoignent (2)
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
Formateur capable d'ajuster le niveau du cours pendant la formation pour correspondre à notre niveau de compréhension sur le sujet, afin que nous puissions acquérir des connaissances plus utiles qui nous aideront davantage à maîtriser les outils dans notre travail quotidien.
Tatt Juen - ViTrox Technologies Sdn Bhd
Formation - Intermediate GitHub Copilot
Traduction automatique