دوره تسلط به مهندسی پرامپت چت جی پی تی

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

در این دوره، مهندسی پرامپت، قدرت هوش مصنوعی را با الگوهای اثبات شده، تکنیک ها و اپلیکیشن های دنیای واقعی آزاد کنید.

آنچه یاد خواهید گرفت:

تسلط به الگوهای پرامپت: با استفاده از الگوهای پرامپت قدرتمند برای تعاملات واضح و جذاب با هوش مصنوعی ارتباط موثر برقرار کنید.
ایجاد پروژه های هوش مصنوعی در دنیای واقعی: مهندسی پرامپت را برای بیش از 15 پروژه دنیای واقعی در تولید متن و تصویر اعمال کنید.
افزایش دقت با پرامپت ها: از الگوی Question Refinement برای ایجاد پرامپت های دقیق و مؤثر برای پاسخ‌ های هوش مصنوعی بهتر استفاده کنید.
تسلط به پرامپت نویسی Few-Shot: هوش مصنوعی را با حداقل داده با استفاده از مثال های چند نمونه یا Few-Shot و پرامپت نویسی Chain of Thought آموزش دهید.
ساخت اپلیکیشن های مبتنی بر هوش مصنوعی: اپلیکیشن های مبتنی بر پرامپت ایجاد کنید که مشکلات زندگی، کسب و کار یا تحصیل را حل می کند.
شغل خود را با هوش مصنوعی ارتقا دهید: از هوش مصنوعی برای آماده شدن برای مصاحبه ها، بهینه سازی رزومه و رشد شغلی خود استفاده کنید.
مقیاس‌ گذاری هوش مصنوعی در تولید: الگوها و ابزارهای پایتون را برای اجرای مطمئن و نگهداری مدل‌ های هوش مصنوعی در محیط تولید یاد بگیرید.
افزایش خلاقیت و بهره‌ وری: از هوش مصنوعی برای تبدیل ایده‌ ها به محتوا، دستیابی به مخاطبان جدید و مدیریت کارها به‌ صورت کارآمد استفاده کنید.
بررسی مدل‌ های هوش مصنوعی: نقاط قوت و ضعف ChatGPT، GitHub Copilot ،MidJourney و سایر مدل‌ ها را درک کنید.
تسلط به شهود پشت پرامپت ها: بینش‌ هایی در مورد ارتباط مؤثر با هوش مصنوعی از طریق شهود پرامپت بدست آورید.
مهارت های ارتباطی را تقویت کنید: از چت جی پی تی برای بازخورد شخصی برای بهبود مهارت های نرم مانند ارتباطات و رهبری استفاده کنید.
پاسخ‌ های هوش مصنوعی را شخصی‌ سازی کنید: از الگوی پرسونا برای تطبیق خروجی‌ های هوش مصنوعی با مخاطبان و کانتکس های خاص استفاده کنید.
تجربیات هوش مصنوعی تعاملی ایجاد کنید: الگوی بازی را برای مکالمات سرگرم کننده و تعاملی هوش مصنوعی بیاموزید.
دقت خروجی‌ های هوش مصنوعی را تضمین کنید: از الگوهایی مانند فهرست بررسی حقیقت و فیلتر سمانتیک یا معنایی برای حفظ دقت محتوا استفاده کنید.
و بسیار بیشتر: مجموعه‌ ای از تکنیک‌ ها و ابزارهای پیشرفته را کاوش کنید تا پتانسیل هوش مصنوعی را به‌ طور کامل شکوفا سازید.

توضیحات دوره

چه چیزی یاد خواهید گرفت؟

درک پرامپت ها: بیاموزید که چگونه پرامپت هایی ایجاد کنید که سیستم‌ های هوش مصنوعی را قادر می‌ سازد پاسخ‌ های دقیق و مرتبط ارائه کنند.
الگوهای پرامپت برای تعامل با هوش مصنوعی: الگوهای ضروری از جمله الگوی Persona، روت پرامپت ها، Question Refinement و Cognitive Verifier را کاوش کنید تا درخواست‌های ساختاریافته و مؤثری ایجاد کنید.
تکنیک‌ های پیشرفته: در استراتژی‌ های مهندسی پرامپت تخصصی، مانند پرامپت نویسی Chain of Thought و پرامپت نویسی ReAct، که برای تسک های پیچیده هوش مصنوعی و مکالمات تعاملی طراحی شده‌ اند، بپردازید.
آموزش Few-Shot: هنر فراهم آوردن حداقل داده برای هوش مصنوعی را یاد بگیرید در حالی که بیشترین تأثیر را داشته باشید و آن را برای انجام تسک ها به صورت مؤثر هدایت کنید.
پروژه های عملی: در اپلیکیشن های دنیای واقعی، مانند ساخت مولدهای پست وبلاگ، پاسخ‌ های خودکار ایمیل و حتی ایجاد بازی‌ های ساده با استفاده از چت جی پی تی مشارکت کنید.
بهره وری خود را با خودکار کردن تسک های تکراری افزایش دهید.
کیفیت کار را با استفاده از ابزارهای پیشرفته هوش مصنوعی افزایش دهید.
جایگاه خود را در بازار کار مبتنی بر هوش مصنوعی ایمن کنید.
فرآیندهای کسب و کار مانند تولید محتوا، تحقیقات بازار و خدمات مشتری را خودکار کنید.
در صنعت 1.5 تریلیون دلاری پیشرو باشید و پیشرفت‌های هوش مصنوعی را در حوزه خود هدایت کنید.
اصول مهندسی پرامپت و نحوه استفاده از آن با ابزارهای هوش مصنوعی مانند چت جی پی تی، گوگل بارد و میدجرنی
بهره وری مبتنی بر هوش مصنوعی برای تولید محتوا، بازاریابی، شبکه های اجتماعی و موارد دیگر.
تکنیک‌ های پرامپت پیشرفته، از جمله پرامپت های اشکال‌ زدایی، بهینه‌ سازی برای تسک های خاص و استفاده از پلاگین ها

این دوره برای چه کسانی مناسب است؟

صاحبان مشاغل و کارآفرینان
بازاریابان و تولیدکنندگان محتوا
دانشجویان و یادگیرندگان مادام العمر
توسعه دهندگان و متخصصان فناوری
فریلنسرها
محققان
حرفه ای های پر مشغله
مدرسان و والدین
علاقه مندان به هوش مصنوعی
هر کسی که به هوش مصنوعی علاقه دارد.
متخصصان داده یا فناوری
افرادی که آماده تحول در حوزه کاری خود هستند.

دوره تسلط به مهندسی پرامپت چت جی پی تی

فصل 1: مقدمه

مقدمه 03:24

فصل 2: شروع با چت جی پی تی: از مبانی تا اطلاعات پیشرفته

نوبیتا اولین مهندس پرامپت جهان می باشد 04:51
اصول ChatGPT: درک LLMs 05:11
MCQ - مدل های زبان بزرگ چیست؟ None
رمزگشایی تصادفی بودن در مکالمات چت جی پی تی (توهمات) 06:15
تصادفی بودن MCQ در خروجی None

فصل 3: تسلط به مهندسی پرامپت: تکنیک هایی برای مکالمات موثر هوش مصنوعی

درک پرامپت ها: پایه و اساس تعامل موثر هوش مصنوعی 06:18
MCQ - پرامپت چیست؟ None
پرامپت های پشت شهود: چگونه با هوش مصنوعی به طور موثر ارتباط برقرار کنیم؟ 08:51
الگوهای پرامپت ضروری برای ارتباطات هوش مصنوعی بهتر 12:09
برنامه نویسی پرامپت برای همه: آزادسازی قدرت مکالمات هوش مصنوعی 11:58
الگوی پرسونا در هوش مصنوعی: ایجاد کانتکس و کاراکتر برای پاسخ‌ های جذاب 08:11
الگوی MCQ The Persona None
تکلیف - الگوی Persona None
گنجاندن اطلاعات جدید در چت جی پی تی برای پردازش داده یا پاسخ های دقیق 04:56
روت پرامپت ها: ساخت بنیان برای تعاملات قدرتمند هوش مصنوعی 09:32
پرامپت های MCQ Root None

فصل 4: الگوهای پرامپت پیشرفته: اصلاح تعاملات هوش مصنوعی برای دقت و تعامل

الگوی Question Refinement: بهبود وضوح و دقت در پرامپت های هوش مصنوعی 06:42
الگوی MCQ Question Refinement None
الگوی Assignment Question Refinement None
الگوی Cognitive Verifier: اطمینان از پاسخ های دقیق هوش مصنوعی 06:28
الگوی MCQ Cognitive Verifier None
الگوی Assignment Cognitive Verifier None
الگوی Audience Persona: متناسب سازی پاسخ‌ های هوش مصنوعی برای کاربران خاص 08:46
الگوی MCQ Audience Persona None
تکلیف - الگوی Audience Persona None
الگوی Flipped Interaction: مشارکت با هوش مصنوعی از طریق معکوس کردن مکالمه 12:15
الگوی MCQ Flipped Interaction None
الگوی Assignment Flipped Interaction None

فصل 5: تسلط چند شات و پرامپت نویسی پیشرفته: بهینه سازی هوش مصنوعی برای تسک های پیچیده

نمونه های چند شات: آموزش هوش مصنوعی با حداقل داده برای حداکثر تأثیر 05:14
نمونه های چند شات برای اقدامات: راهنمایی هوش مصنوعی برای انجام موثر تسک ها 07:28
ساخت نمونه های چند شات با مراحل میانی برای راهنمایی واضح هوش مصنوعی 07:15
MCQ Few-Shot None
پرامپت نویسی Chain of Thought: استدلال گام به گام برای تسک های پیچیده هوش مصنوعی 06:54
پرامپت نویسی MCQ Chain of Thought None
پرامپت نویسی ReAct: ترکیب استدلال و عمل برای پاسخ های پویای هوش مصنوعی 14:27

فصل 6: الگوهای پرامپت خلاق: طراحی پاسخ های هوش مصنوعی تعاملی و ساختار یافته

الگوی Game Play: ایجاد تعاملات هوش مصنوعی سرگرم کننده و تعاملی 10:37
الگوی MCQ Game Play None
تکلیف - الگوی Game Play None
الگوی Recipe: دستورالعمل های گام به گام برای هدایت پاسخ های هوش مصنوعی 10:20
تکلیف - الگوی Recipe None
بررسی الگوی Alternative Approaches برای پاسخ های متنوع هوش مصنوعی 11:08
تکلیف - الگوی Alternative Approaches None
الگوی Template: ساختارسازی پرامپت های هوش مصنوعی برای خروجی های سازگار و قابل اعتماد 10:59
الگوی MCQ Template None
تکلیف - الگوی Template None
الگوی MCQ Meta Language Creation None
تکالیف الگوی Meta Language Creation None