Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 7 heures
Plan du cours
Meilleures pratiques et outils
Écueils courants et stratégies d’atténuation
Introduction à la conception de prompts
Raffinement des prompts et conception itérative
Prompts pour l’automatisation des tests et la génération SQL
Résumé et prochaines étapes
Utilisation des prompts pour l’explication et le débogage du code
Rédaction de prompts pour la génération de code
- Éviter le code halluciné ou les vulnérabilités de sécurité
- Gérer les saisies incomplètes ou ambiguës
- Créer des prompts de secours sécurisés et des garde-fous
- Créer des cas de test à partir de spécifications ou de code
- Générer des requêtes SQL structurées à partir du langage naturel
- Formater les sorties pour intégration dans des suites de tests
- Expliquer le code legacy ou inconnu
- Demander des explications logiques ou des analyses de cas limites
- Détection et explication des bogues ou des inefficacités
- Générer du code à partir de descriptions en langage courant
- Contrôler le format de sortie et le langage de programmation
- Travailler avec des logiques complexes ou plusieurs fonctions
- Améliorer les résultats par enchaînement de prompts et boucles de rétroaction
- Récupération d’erreurs et stratégies d’ajustement des prompts
- Études de cas sur le raffinement pour les tâches techniques
- Bibliothèques de prompts et modèles de réutilisation
- Utilisation de modèles de prompts dans VS Code ou des flux de travail basés sur API
- Évaluation de la qualité et des performances des prompts en production
- Comprendre les prompts, le contexte, les jetons 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 LLM pour la génération ou l’analyse de code
- Responsables techniques explorant les outils d’IA dans leurs flux de travail
- Professionnels du logiciel expérimentant les intégrations de LLM
- Expérience en développement logiciel ou en script
- Connaissance des langages de programmation courants (par exemple, Python, JavaScript, SQL)
- Compréhension de base des grands modèles de langage et des outils d’IA tels que ChatGPT, Claude ou Copilot
Nos clients témoignent (1)
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