Prompt Engineering
Prompt engineering är konsten att kommunicera effektivt och kärnfullt med AI. Utvecklingen på AI-området går i rasande fart och användandet av artificiell intelligens blir alltmer integrerat i såväl privata som yrkesmässiga sammanhang. Men tyvärr är språkmodeller ofta programmerade att vara tillmötesgående och kan utan ordentligt genomtänkt promptdesign ge missvisande svar eller resonemang utan tillförlitlig grund. Förmågan att designa precisa och meningsfulla instruktioner är avgörande för att framgångsrikt bemästra tekniken och få värdefull och användbar output. I kursen utforskar du tekniker och verktyg för att formulera träffsäkra prompts och får praktiska exempel på hur det kan bli helt fel, men också hur det blir helt rätt. Efter kursen har du robust grundkunskap i kommunikation med AI.
Syfte
Kursen är tänkt att tillhandahålla de kunskaper som krävs för att med avancerad prompt engineering effektivt kommunicera med AI-språkmodeller och syftar till att överbrygga gapet mellan grundläggande AI-chattande och träffsäker interaktion, som skapar förutsättning att maximera potentialen i dessa kraftfulla verktyg.
Kursens uppbyggnad:
- Introduktion och begrepp (14 min)
- Hur LLMer fungerar och kontext (14 min)
- Bygga bra prompts (14 min)
- Hantera svagheter och hallucinationer (14 min)
- Avancerade tekniker och exempel (14 min)
- Verktyg, modeller och MCP (14 min)
- Säkerhet, etik och att ”hacka AI” (24 min)
- Sammanfattning och nästa steg (6 min)
Målgrupp
Denna kurs är utformad för ett brett spann yrkesverksamma som börjat utforska potentialen i AI-verktyg och språkmodeller, men som vill ta sin förmåga att interagera med dessa tekniker till en mer avancerad nivå. Du bör förstå grunderna i hur AI och LLM:s används och vilja förfina din förmåga att kommunicera med dem.
Kursen lämpar sig för en bred skala av yrkesverksamma såsom produktutvecklare, projektledare, systemarkitekter, affärsutvecklare, dataingenjörer, analytiker, skribenter, säljare, webbredaktörer, eller marknadsförare.
Kurslärare
Hannes Wideteg programmerade och publicerade sitt första program för spelutvecklare i 13-årsåldern. Sedan dess har han bland annat jobbat på Qlik där han spelat en central roll för Developer Experience, samt Qlik’s resa till molnet. Därtill har han på TIN Fonder utvecklat analysplattformen TIN Analytics, som använder AI och dataanalys för att plocka ut potentiella innehav. Nu driver han bl.a. företaget Asekio, med en tjänst som nyttjar generativ AI för att skapa hemsidor för småföretagare, och har flera uppdrag som CTO. Hannes är en mycket uppskattad kursledare med stort engagemang för AI-frågan och en bred kompetens på området.
