Канал, посвященный анализу данных с помощью Python. Не столько про машинное обучение, сколько про подготовку/очистку/предобработку данных, использование Python для получения данных из API, парсинга веб-сайтов, автоматизации различной рутины
Тут у Леши Никушина (@analysts_hunter) подсмотрел в комментариях много полезного про prompt engineering и любопытных ссылок, чтобы лучше понять как устроены LLMs и как их встраивать в приложения
➡️ Роман Нестер (@radionester) рекомендует курс «Generative AI with Large Language Models» на Coursera. И это не просто про то как писать промпты, но в целом про устройство генеративных моделей, fine-tuning, reward models, архитектуру приложений с использованием LLM. То есть это такой углубленный курс про то как языковые модели создаются, донастраиваются под задачи, внедряются внутрь приложений
➡️ Татьяна Гороховская (@producthr) поделилась ссылками аж на 2 курса про LLMs, которые ведет Andrew Ng: «Building Systems with the ChatGPT API» и «LangChain for LLM Application Development». Залогинтесь, чтобы посмотреть. Первый курс про создание end-to-end приложений с помощью API OpenAI, тут и про chaining prompts и про то как проверять результаты вывода, построение процесс оценки вывода, в общем, как не просто написать промпт, а как использовать вывод LLM для построения системы, выдающей предсказуемый результат. Второй курс про использование библиотеки LangChain, которая предоставляет широкий набор методов для построения LLM-приложений, например, с помощью неё можно реализовать систему AI-ответов поверх собственной базы знаний
➡️ Константин Савенков (CEO https://inten.to/) поделился полезным гайдом Prompt Engineering 101 в блоге Xavier Amatriain. Рекомендую обратить внимание на несколько ссылок на полезные пейперы в конце гайда
➡️ Влад Куклев (@prod1337) советует ознакомиться с набором лучших практик, которые рекомендует OpenAI для того, чтобы получить наиболее класнные результаты от GPT4
- Также Влад делится хорошей статьей про разницу между «слепым промптингом» и «промпт-инжинирингом» (если коротко: тыкание наугад vs научный подход, в принципе похожие выводы описаны и в статье Why Johnny Can't Prompt)
- Ну и в завершение Влад скидывает большой гайд про промпт-инжиниринг (внимание, локализованный на русский!)
➡️ Доцент Школы управления Сколково Петр Паршаков рекомендует ещё один курс про ChatGPT от Andrew Ng — «ChatGPT Prompt Engineering for Developers»
➡️ Кирилл Маркин (CEO https://ozma.io/) советует глубже почитать промпты, которые пишут разработчики сервисов, в качестве примера приводит промпт Github Copilot из канала Бобука и промпт Gippr AI из канала «эйай ньюз»
AI Forge