Prompt Engineering
Dapatkan hasil yang andal dari generative AI. Pelajari bagaimana large language models menghasilkan teks, lima prinsip di balik setiap prompt yang baik, few-shot dan structured output, function calling, retrieval-augmented generation, agents otonom, dan bagaimana model diffusion mengubah prompt menjadi gambar. Anda selesai dengan menghubungkan teks, gambar, dan agents menjadi satu aplikasi yang berfungsi.
11 pelajaran, berurutan
- 120 mnt
Apa Itu Prompt
Kamu mungkin pernah mengetik sesuatu di kotak chat: bertanya, mendapat jawaban, dan barangkali sempat kaget karena jawabannya ternyata bagus sekali...
What a prompt isWhat a large language model is, from the outsideThe completion, and why the same prompt can answer differentlyThe conversation: system, user and assistant turnsWhy a prompt is instructions rather than a search query - 230 mnt
Bagaimana Large Language Model Menghasilkan Teks
Sekarang kamu sudah tahu apa itu prompt dan completion, dan bahwa prompt yang sama bisa kembali dengan kata-kata yang berbeda setiap kali. Pelajaran...
Tokens and tokenizationNext-token predictionTemperature and top-p samplingContext windowWhy models hallucinate - 330 mnt
Lima Prinsip Prompting
Kamu sudah tahu apa itu prompt, apa itu completion, dan bahwa model menulis jawaban baru setiap kali, bukan membacakan sesuatu yang ia cari dari...
Giving directionSpecifying formatProviding examplesEvaluating qualityDividing labor - 435 mnt
Praktik Standar untuk Pembuatan Teks
Pelajaran dua dan tiga memberimu gambaran bagaimana model sebenarnya menghasilkan teks satu token demi satu token, plus lima prinsip untuk...
Prompt formatting and delimitersSystem, user, and assistant rolesFew-shot promptingParsing structured output like JSON - 535 mnt
Prompt Templates dan Function Calling
Di pelajaran empat kamu menyusun satu prompt dengan tangan: pembatas, peran, contoh few-shot. Cara itu jalan untuk satu prompt. Begitu kamu butuh...
Prompt templates with variablesSeparating template from dataFunction calling and tool schemasReading a tool call and returning a result - 640 mnt
Vector Database dan Retrieval-Augmented Generation
Di pelajaran 2 kamu sudah melihat kenapa model berhalusinasi: ia memprediksi token berikutnya yang paling mungkin, ia tidak mencari fakta, dan apa...
Embeddings and vector similarityChunking documentsVector databases and nearest-neighbor searchRetrieval-augmented generationGrounding answers with citations - 740 mnt
Autonomous Agents: Memory dan Tools
Di pelajaran 5 kamu memberi model sejumlah tool lewat function calling, dan di pelajaran 6 kamu memberinya memori jangka panjang lewat pengambilan...
The agent loop of reason, act, observeGiving an agent toolsShort-term and long-term memoryStopping conditions and guardrails - 830 mnt
Bagaimana Diffusion Models Menghasilkan Gambar
Sampai sekarang setiap prompt yang kamu tulis menghasilkan teks. Pelajaran ini membuka Bagian 3, di mana prompt yang sama menghasilkan gambar....
Diffusion as iterative denoisingText conditioning of the imageSeeds and reproducibilitySampling steps and guidance scale - 935 mnt
Praktik Standar untuk Generasi Gambar
Pelajaran sebelumnya memberimu gambaran bagaimana model diffusion mengubah prompt teks jadi gambar dengan cara denoising dari noise acak. Pelajaran...
Prompt structure of subject, medium, style, and lightingArt styles and artist or era modifiersComposition and camera modifiersNegative prompts and aspect ratio - 1035 mnt
Teknik Gambar Lanjutan: Inpainting, Outpainting, dan ControlNet
Di dua pelajaran terakhir kamu menghasilkan gambar utuh dari prompt teks dan belajar mengarahkannya lewat struktur, gaya, serta prompt negatif....
Image-to-image generationInpainting with masksOutpainting to extend a canvasControlNet for pose, depth, and edge guidance - 1140 mnt
Membangun Aplikasi Bertenaga AI
Ini proyek penutupnya. Setiap pelajaran sebelumnya mengajarkan satu jurus: menghasilkan teks, membentuk output terstruktur, memanggil function,...
Composing text, images, and agents into a workflowOrchestration and chaining stepsEvaluation and guardrailsCost, latency, and failure handling
Pelajari Prompt Engineering dalam bahasamu
Setiap pelajaran, kuis, dan balasan tutor tampil dalam bahasamu. Tutor AI menjawab dalam bahasa yang kamu pakai.