DESB80 Úvod do prompt engineeringu

Filozofická fakulta
jaro 2024
Rozsah
0/2/0. 3 kr. Ukončení: z.
Vyučující
Mgr. Josef Šlerka, PhD. (přednášející)
PhDr. Ladislava Zbiejczuk Suchá, Ph.D. (přednášející)
Mgr. Simona Kramosilová (cvičící)
Garance
PhDr. Ladislava Zbiejczuk Suchá, Ph.D.
Katedra informačních studií a knihovnictví – Filozofická fakulta
Kontaktní osoba: Mgr. Alice Lukavská
Dodavatelské pracoviště: Katedra informačních studií a knihovnictví – Filozofická fakulta
Rozvrh
Čt 29. 2. až Čt 23. 5. každý lichý čtvrtek 15:00–16:40 Virtuální místnost
Předpoklady
Žadné zvláštní předpoklady.
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.
Mateřské obory/plány
předmět má 11 mateřských oborů, zobrazit
Cíle předmětu
Studenti si osvojí klíčové koncepty a teorie stojící za vývojem a aplikací prompt engineeringu v kontextu generativní umělé inteligence a strojového učení. Kurz si klade za cíl vybavit účastníky praktickými dovednostmi v oblasti vytváření efektivních promptů pro různé typy AI modelů, s důrazem na generativní textové modely. Studenti se naučí, jak navrhovat, testovat a iterativně zlepšovat prompty pro konkrétní účely. Dále budou podněcováni k zamyšlení nad etickými, sociálními a právními důsledky používání technologií AI, s důrazem na to, jak mohou být prompty použity k mitigaci biasů a zvýšení transparentnosti a spravedlnosti. Předmět podporuje studenty v experimentování a inovaci v oblasti prompt engineering, s cílem rozvíjet nové metody a přístupy, které mohou vést k lepším výsledkům a efektivnějšímu využití AI. Studenti se naučí, jak kriticky analyzovat výstupy generované AI, hodnotit účinnost různých promptů a strategií, a identifikovat potenciální problémy a oblasti pro zlepše
Výstupy z učení
Po absolvování předmětu bude studující schopen:
  • Definovat a vysvětlit základní principy a koncepty prompt engineering, včetně historie, vývoje a současného stavu technologie v oblasti umělé inteligence a strojového učení.
  • Navrhovat, implementovat a testovat efektivní prompty pro specifické účely, včetně generování textu, automatizovaných odpovědí na otázky a dalších aplikací, s použitím aktuálních nástrojů a technologií.
  • Analyzovat a hodnotit výstupy AI modelů s ohledem na jejich kvalitu, relevanci a přesnost, a provádět iterativní zlepšování na základě zpětné vazby.
    • Osnova
    • Osnova předmětu
    • 1. Úvod do LLM a základy prompt Engineeringu
    • Jak funguje LLM (Large Language Models) a jejich význam
    • Základní principy Prompt Engineering: Co to je a proč je důležité
    • Přehled různých LLM (GPT-3.5/4, Mixtral, Gemini, atd.)
    • 2. Techniky a taktiky prompting
    • Taxonomie technik promptingu
    • Zero-shot a Few-shot, In-Context Learning
    • Zlepšení spolehlivosti a efektivity promptů
    • 3. Pokročilé techniky
    • Chain of Thought Prompting a Self-Reflection
    • ReAcT Prompting Framework
    • Retrieval Augmented Generation (RAG)
    • 4. Aplikace a Nástroje
    • Vytváření LLM-poháněných agentů a personalizovaných chatbotů
    • Funkční volání a použití nástrojů
    • 5. Bezpečnost a etika
    • AI bezpečnost
    • Adversarial attack, jailbreaking a prompt injection
    • přístupy k řešení etických dilemat a omezení
    • 6. Případové studie
    Výukové metody
    Interaktivní online výuka podpořená společnou prací na případových studiích ve skupinách.
    Metody hodnocení
    Skupinová práce na výzkumu současného stavu generativní AI jako například aplikace a porovnání výstupů z různých typů volně dostupných jazykových modelů. Výzkumy pak budou prezentovány na společné webové stránce.
    Další komentáře
    Studijní materiály
    Předmět je vyučován každoročně.
    • Statistika zápisu (nejnovější)
    • Permalink: https://is.muni.cz/predmet/phil/jaro2024/DESB80