吴恩达联手OpenAI上线免费课程：一个半小时学会ChatGPT Prompt工程

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

计算机视觉研究院专栏

作者：Edison_G

重要课程，吴恩达亲自授课。

转自《机器之心》

ChatGPT 来了，一切变化都快了起来，一些科技公司开始招募「prompt 工程师」。与写代码的传统计算机工程师不同，Prompt 工程师通过向 AI 询问一系列逻辑缜密的问题来测试系统是否存在不合理行为或问题。但具体应该怎么做，一直没有统一的规范，或是成体系的经验。

刚刚，吴恩达官宣了一个好消息：他和 OpenAI 一起制作了一节关于 ChatGPT Prompt Engineering 的新课，而且课程是免费的。

课程链接：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/

吴恩达说，现在市面上有太多关于如何写 prompt 的材料。但对于开发者来说，如何调用大模型 API 来构建应用软件才是更重要的，但这方面材料却很少。这就是他们这门课的价值所在。

该课程长度总共一个半小时左右，旨在帮助开发者们：

• 学习应用开发所需的 prompt engineering 最佳实践；

• 发现使用 LLM 的新方法，包括如何构建自己的自定义聊天机器人；

• 获得使用 OpenAI API 编写和迭代 prompt 的实践经验。

从实践层面来看，该课程将展示 LLM API 如何用于各种任务的应用，包括：

• 摘要（例如简化用户评论的摘要）

• 推理（例如情感分类、主题提取） 

• 转换文本（例如翻译、拼写和语法纠正）

• 扩展（例如自动撰写电子邮件） 

所有的概念都有众多的例子加以说明，开发者们可以在 Jupyter notebook 环境中直接进行互动实验，以获得 prompt engineering 的实际经验。

这门课程对初学者是非常友好的，只需要对 Python 有基本的了解。同时，对于希望接触 Prompt Engineering 和使用 LLM 的高级机器学习工程师来说，该课程也非常适合。

吴恩达说，到目前为止，对于希望使用 API 访问 LLM 来构建应用程序的开发者来说，关于最佳实践的材料相对较少（相对于如何 prompt Web UI）。他们很高兴能做出些改变。

主讲人介绍

Isa Fulford

Isa Fulford 是 OpenAI 的技术工程师。她在斯坦福大学拿到了学士和硕士学位，曾先后在亚马逊等机构工作，2022 年 11 月加入 OpenAI。

Isa Fulford 的教育经历。

Isa Fulford 的工作经历。

在进入 OpenAI 之前，她在一家名为 Mem.ai 的初创公司工作，该公司致力于将会议记录转化为有用且可操作的信息，其中便涉及对 OpenAI API 的调用。在 OpenAI 列出的 GPT-4 贡献者名单中，Isa Fulford 出现在了「Launch partners & product operations」一栏。

值得注意的是，Isa Fulford 是 ChatGPT Retrieval Plugin 的主要贡献者。该插件可以让用户以问答的方式轻松搜索和查找个人或工作文档，在 GitHub 上 star 量已经过万。此外，Isa Fulford 在教授如何将 LLM 用于产品方面也做了很多工作，是 OpenAI Cookbook（OpenAI API 的使用示例和指南）的主要贡献者之一。

项目链接：https://github.com/openai/chatgpt-retrieval-plugin

项目链接：https://github.com/openai/openai-cookbook

吴恩达

吴恩达是斯坦福大学计算机科学系和电气工程系的客座教授，曾任斯坦福人工智能实验室主任。此外，他还是 DeepLearning.AI 的创始人、Landing AI 的创始人兼首席执行官、AI Fund 的普通合伙人、Coursera 的主席和联合创始人。

作为机器学习和在线教育的先驱，吴恩达博士通过他在 AI 领域的工作改变了无数人的生活，并撰写或合著了 200 多篇机器学习、机器人和相关领域的研究论文。2013 年，他被列入《时代》杂志评选的全球最具影响力人物 100 人名单。

© THE END 

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

扫码关注

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

 往期推荐 

🔗

• 字节跳动新框架：图片中遮挡关系如何判断？新方法刷新SOTA（附源代码）
  

• Apple团队：轻量级、通用且移动友好的网络框架（附论文下载）
  

• 多目标检测：基于YoloV4优化的多目标检测（附论文下载）
  

• Fast YOLO：用于实时嵌入式目标检测（附论文下载）
  

• 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载）
  

• 多尺度深度特征（下）：多尺度特征学习才是目标检测精髓（论文免费下载）
  

• 多尺度深度特征（上）：多尺度特征学习才是目标检测精髓（干货满满，建议收藏）

• ICCV2021目标检测：用图特征金字塔提升精度（附论文下载）
  

• CVPR21小样本检测：蒸馏&上下文助力小样本检测（代码已开源）
  

• 半监督辅助目标检测：自训练+数据增强提升精度（附源码下载）
  

• 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载）
  

• 目标检测新框架CBNet | 多Backbone网络结构用于目标检测（附源码下载