chatgpt promt engineer for developer

Chatgpt Prompt Engineering untuk pengembang

Repositori ini mendokumentasikan kemajuan dan pembelajaran saya dari kursus 'ChatGPT Prompt Engineering for Developer' dengan deeplearning.ai. Kursus ini mencakup teknik -teknik penting untuk menciptakan petunjuk yang efektif untuk chatgpt, berfokus pada berbagai aspek seperti meringkas, menyimpulkan, mengubah, dan banyak lagi.

Ringkasan

Di ChatGPT Prompt Engineering untuk pengembang, Anda akan belajar cara menggunakan Model Bahasa Besar (LLM) untuk dengan cepat membangun aplikasi baru dan kuat. Menggunakan API OpenAI, Anda dapat dengan cepat membangun kemampuan yang belajar berinovasi dan menciptakan nilai dengan cara yang mahal, sangat teknis, atau tidak mungkin sebelum sekarang. This short course taught by Isa Fulford (OpenAI) and Andrew Ng (DeepLearning.AI) will describe how LLMs work, provide best practices for prompt engineering, and show how LLM APIs can be used in applications for a variety of tasks, including:

• Meringkas (misalnya, merangkum ulasan pengguna untuk singkatnya)
• Menyimpulkan (misalnya, klasifikasi sentimen, ekstraksi topik)
• Transforming Text (misalnya, terjemahan, pengejaan & koreksi tata bahasa)
• Memperluas (misalnya, secara otomatis menulis email)

Selain itu, Anda akan mempelajari dua prinsip utama untuk menulis permintaan yang efektif, bagaimana cara merekayasa petunjuk yang baik secara sistematis, dan juga belajar membangun chatbot khusus. Semua konsep diilustrasikan dengan banyak contoh, yang dapat Anda mainkan secara langsung di lingkungan notebook Jupyter kami untuk mendapatkan pengalaman langsung dengan rekayasa cepat.

Kursus ini menggunakan aplikasi pihak ketiga, ChatGPT Prompt Engineering untuk pengembang, untuk meningkatkan pengalaman belajar Anda. Aplikasi ini akan merujuk informasi dasar seperti nama Anda, email, dan ID Coursera.

Daftar isi

1. Perkenalan
2. Pedoman
3. Berulang
4. Meringkas
5. Menyimpulkan
6. Transformasi
7. Memperluas
8. Chatbot
9. Kesimpulan

Contoh

Anda dapat menemukan contoh dan latihan praktis untuk setiap bagian dengan menemukan & mengeksekusi kode Python dalam kode atau bermain dengan jupyter notebook di direktori notebook.

Cara menjalankan contoh

1. Pasang Python dan Pip
2. Instal Jupyter Notebook:
   • Versi notebook baru: pip install notebook
   • Notebook Lama: pip install jupyterlab
3. Jalankan Jupyter Notebook: Buka & Ubah Direktori ke Repositori ini kemudian Jalankan jupyter lab
4. Akses Jupyter Notebook Web UI di localhost:8888 | http: // localhost: 8888/lab/pohon/notebook/
5. Di bilah sisi kiri, buka browser file (Ctrl/Command + Shift + F), lalu buka notebook untuk bagian yang sesuai
6. Arahkan ke setiap blok kode, lalu klik [Jalankan] pada toolbar atau tekan [Shift + Enter]

Sumber daya tambahan

Lihatlah sumber daya tambahan untuk lebih banyak bahan bacaan dan alat yang terkait dengan rekayasa cepat.

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT - lihat file lisensi untuk detailnya.

Berkontribusi

Kontribusi dipersilakan! Harap buka masalah atau kirimkan permintaan tarik untuk perbaikan atau saran.

Kontak

Jika Anda memiliki pertanyaan, jangan ragu untuk menjangkau melalui masalah GitHub.