Delivered at:: Department of Philology

Course type:: Elective course

When:: 1 year, 1 module

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс «Введение в промпт-инжиниринг» направлен на освоение студентами навыков эффективного взаимодействия с языковыми моделями (LLM) для решения широкого круга задач. Благодаря курсу студенты научатся: - понимать принципы работы языковых моделей и их ограничения; - формулировать точные и эффективные промпты для получения качественных ответов; - применять промпт-инжиниринг в различных областях: от генерации текста до анализа данных; - использовать современные промпт-стратегии, такие как цепочки мыслей (chain-of-thought) и few-shot learning. Курс сочетает теоретические основы с практическими заданиями, чтобы студенты могли применять их в реальных проектах.

Цель освоения дисциплины

Целями освоения дисциплины «Введение в промпт-инжиниринг» являются: − Знакомство студентов с историей возникновения и базовыми принципами работы больших языковых моделей (LLM) − Формирование у студентов системного представления об актуальных подходах к промпт-инжинирингу, применяемых при работе с LLM − Развитие у студентов навыков продвинутого взаимодействия с системами ИИ, проектирования промптов для решения комлпексных лингвистических задач в образовательных и бизнес-кейсах, интеграции LLM в свои программы с использованием API

Планируемые результаты обучения

Понимает принципы устройства LLM
Применяет техники zero-shot, few-shot, chain-of-thought prompting
− Проектирует промпты под задачи генерации и анализа текста, кода, документов
Использует API OpenAI, HTTP-методы и cURL для интеграции LLM в программный код на языке Python
Отличает возможности разных моделей и умеет их сравнивать
Владеет концепцией «meta prompting»
Пишет собственные микросервисы на базе LLM.уметь интегрировать LLM в собственные программы с использованием API

Содержание учебной дисциплины

История возникновения и развития LLM. Области применения промпт-инжиниринга
Основы написания промптов.
One-shot, Few-shot и Chain-of-Thought prompting
Сравнение языковых моделей и способы их развёртывания
Применение LLM для решения задач в области обработки естественного языка (NLP)
Неочевидные возможности LLM
Промпты для генерации визуального контента и его анализа с помощью VLM
Meta Prompting
Использование API языковых моделей и создание LLM-приложений
Безопасность, этика и защита от промпт-инъекций. Методы оценки LLM-систем
Концепция Retrieval-Augmented Generation и методы построения RAG-систем

Элементы контроля

Домашние задания
Домашние задания представляют собой небольшие практические задания, которые выполняются студентами вне аудитории.
Контрольная работа
Контрольная работа включает в себя письменное решение задач.
Экзамен
Экзамен проводится в письменной форме. Студенты должны решить десять задач в рамках полученного задания. За правильное решение каждой задачи студент получает максимум один был. Итоговая сумма за все выполненных студентом задачи соответствует 10 балльной шкале НИУ ВШЭ. В случае получения суммы с десятыми – округление происходит на основе математических принципов.

Промежуточная аттестация

2025/2026 1st module
0.4 * Домашние задания + 0.3 * Контрольная работа + 0.3 * Экзамен

Список литературы

Авторы

Афанасьева Анастасия Викторовна
Кессель Ксения Витальевна

Master’s Programme 'Language Technology in Business and Education'

Curriculum support office

Introduction to Prompt-Engineering

Программа дисциплины