chatgpt promt engineer for developer

Chatgpt ingénierie rapide pour les développeurs

Ce référentiel documente mes progrès et mes apprentissages du cours «Chatgpt Invite Engineering pour les développeurs de Deeplearning.ai. Le cours couvre les techniques essentielles pour créer des invites efficaces pour Chatgpt, en se concentrant sur différents aspects tels que le résumé, la déduction, la transformation, etc.

Aperçu

Dans Chatgpt Invite Engineering pour les développeurs, vous apprendrez à utiliser un modèle grand langage (LLM) pour créer rapidement des applications nouvelles et puissantes. En utilisant l'API OpenAI, vous pourrez créer rapidement des capacités qui apprennent à innover et à créer de la valeur de manière prohibitive, hautement technique ou tout simplement impossible avant maintenant. Ce court cours enseigné par Isa Fulford (OpenAI) et Andrew Ng (Deeplearning.ai) décrira comment les LLM fonctionnent, offrent les meilleures pratiques pour l'ingénierie rapide et montrent comment les API LLM peuvent être utilisées dans des applications pour une variété de tâches, notamment:

• Résumer (par exemple, résumer les avis des utilisateurs pour la concision)
• Inférer (par exemple, classification des sentiments, extraction du sujet)
• Texte transformateur (par exemple, traduction, orthographe et correction de grammaire)
• Expansion (par exemple, écrire automatiquement des e-mails)

De plus, vous apprendrez deux principes clés pour rédiger des invites efficaces, comment concevoir systématiquement de bonnes invites et apprendre également à créer un chatbot personnalisé. Tous les concepts sont illustrés par de nombreux exemples, avec lesquels vous pouvez jouer directement dans notre environnement de cahier Jupyter pour acquérir une expérience pratique avec l'ingénierie rapide.

Ce cours utilise une application tierce, ChatGpt Inside Engineering pour les développeurs, pour améliorer votre expérience d'apprentissage. L'application fait référence aux informations de base comme votre nom, e-mail et ID Coursera.

Table des matières

1. Introduction
2. Lignes directrices
3. Itératif
4. Résumant
5. Déduisant
6. Transformant
7. Expansion
8. Chatbot
9. Conclusion

Exemples

Vous pouvez trouver des exemples et des exercices pratiques pour chaque section en trouvant et en exécutant le code Python dans le code ou en jouant avec Jupyter Notebook dans les répertoires de cahier.

Comment exécuter des exemples

1. Installez Python et Pip
2. Installer Jupyter Notebook:
   • Nouveau ordinateur portable Version: pip install notebook
   • Old Notebook: pip install jupyterlab
3. Exécutez Jupyter Notebook: Open & Changer le répertoire dans ce référentiel puis exécutez jupyter lab
4. Accédez à l'interface utilisateur de Jupyter Notebook à localhost:8888 | http: // localhost: 8888 / lab / arbre / cahier /
5. Dans la barre gauche, ouvrez le navigateur de fichiers (Ctrl / Commande + Shift + F), puis ouvrez le cahier pour la section correspondante
6. Pointez à chaque bloc de code, puis cliquez sur [EXECUTE] dans la barre d'outils ou appuyez sur [Shift + Enter]

Ressources supplémentaires

Consultez les ressources supplémentaires pour plus de matériaux de lecture et d'outils liés à l'ingénierie rapide.

Licence

Ce projet est autorisé en vertu de la licence MIT - voir le fichier de licence pour plus de détails.

Contributif

Les contributions sont les bienvenues! Veuillez ouvrir un problème ou soumettre une demande de traction pour toute amélioration ou suggestion.

Contact

Si vous avez des questions, n'hésitez pas à tendre la main via les problèmes de Github.