Syllabus del Corso di Prompt Engineering & AI
Obiettivi del Corso:
- Comprendere i concetti fondamentali e le tecniche avanzate del Prompt Engineering applicati all'intelligenza artificiale.
- Applicare tecniche di Prompt Engineering per migliorare l'efficacia dei Large Language Models (LLM).
- Sviluppare competenze pratiche nell'uso di diversi tipi di prompt e nel loro adattamento a vari casi d'uso.
- Progettare e implementare un progetto finale che dimostri l'applicazione pratica delle tecniche apprese.
Durata del Corso: 30 ore, suddivise in 20 lezioni da 1 ora e 30 minuti ciascuna.
________________________
Lezione 1: Introduzione a Prompt Engineering & AI
- Panoramica del corso
- Definizione di Prompt Engineering
- Panoramica sui Large Language Models (LLM)
Lezione 2: Impostazioni LLM
- Configurazione e ottimizzazione di base per LLM
- Scelta del modello giusto per il task specifico
Lezione 3: I fondamentali del Prompt
- Struttura e elementi essenziali di un prompt efficace
- Analisi di esempi base
Lezione 4: Elementi di un Prompt
- Componenti critici di un prompt
- Linguaggio e tono
Lezione 5: Suggerimenti generali per la progettazione di Prompt
- Best practices e strategie comuni
- Evitare ambiguità e migliorare la precisione
Lezione 6: Esempi di Prompt
- Analisi e discussione di casi studio
- Esercizi pratici
Lezione 7: Tecniche Avanzate di Prompt Engineering - Parte 1
- Prompt Zero-shot e Few-shot
- Chain-of-Thought e Self-Consistency
Lezione 8: Tecniche Avanzate di Prompt Engineering - Parte 2
- Generate Knowledge e Prompt Chaining
- Tree of Thoughts e Retrieval Augmented Generation
Lezione 9: Tecniche Innovative nel Prompt Engineering
- Automatic Reasoning and Tool-use
- Program-Aided Language Models e ReAct
Lezione 10: Approcci Avanzati e Multimodali
- Reflexion, Multimodal CoT, e Graph Prompt
- Analisi di casi pratici
Lezione 11: Applicazioni del Prompt Engineering - Parte 1
- Generazione di dati e codice
- Applicazioni nel machine learning e nella classificazione
Lezione 12: Applicazioni del Prompt Engineering - Parte 2
- Funzioni avanzate di prompt: Function Calling, synthetic_rag
- Creatività e interdisciplinarità
Lezione 13: Valutazione e Estrazione di Informazioni
- Metodi di valutazione per i prompt
- Estrazione di informazioni specifiche
Lezione 14: Generazione di Immagini e Applicazioni Matematiche
- Tecniche di generazione di immagini tramite prompt
- Applicazioni nel question answering e nel reasoning
Lezione 15: Riassunto di Testi e Verità
- Tecniche di text summarization
- Identificazione di verità e gestione delle allucinazioni
Lezione 16: Sicurezza e Etica nel Prompt Engineering
- Identificazione e mitigazione di prompt conflittuali e pregiudizi
- Discussione su articoli scientifici e ricerca su LLM
Lezione 17: Panoramica sui Modelli di LLM
- Caratteristiche e differenze tra Flan, ChatGPT, LLaMA, GPT-4, e altri
- Scelta del modello giusto per il proprio progetto
Lezione 18: Strumenti e Risorse per il Prompt Engineering
- Uso di notebook, dataset, e letture selezionate
- Creazione di un ambiente di sviluppo efficace
Lezione 19: Laboratorio e Workshop su Progetti di Prompt Engineering
- Sviluppo guidato di progetti individuali o di gruppo
- Supporto, Q&A, e sessioni interattive
Lezione 20: Presentazione del Progetto Finale e Revisione
- Presentazione dei progetti finali degli studenti
- Feedback collettivo e individuale, discussione dei risultati
________________________
Metodologia Didattica:
- Lezioni interattive con dimostrazioni pratiche
- Esercizi pratici per consolidare le conoscenze
- Utilizzo di quiz e test per la valutazione dell'apprendimento
- Forum di discussione per il supporto tra pari e il chiarimento dei dubbi
Materiale Fornito:
- Slide delle lezioni
- Video tutorial
- Guide e risorse online selezionate
Valutazione:
- Compiti pratici per ogni modulo
- Partecipazione ai forum di discussione
- Progetto finale per valutare il raggiungimento degli obiettivi di apprendimento
