Цель и задачи курса:

• изучить работу механизма внимания, как основы LLM моделей
• иметь представление об архитектуре LLM моделей и технологии трансформер на уровне базовых блоков.
• освоить методы промпт-инжиниринга и технологию составления промптов применительно к рабочим задачам (RAG, CoT/ToT/GoT, ReAct/ART, Self-Refine и др.).
• реализовать практику применения методов промпт-инжиниринга для производственной деятельности (образование, экономика, психология, финансы, менеджмент и др.)

Тема 1. Механизм внимания. Архитектура LLM -модели. Принципы работы LLM -модели. 

Тема 2. Базовые методы промпт инжиниринга

Тема 3. Фактологическая достоверность и логическая согласованность ответов LLM – модели (методы ToT, S2A, Self-Con)

Тема 4. Оптимизация рассуждений LLM – модели и анализ результатов генерации ответов модели (методы CoT, Self-R, CoD)

Тема 5. Моделирование причинно-следственных связей и логических рассуждений с помощью LLM – модели (методы GoT,S2A, LoT )

Тема 6. Построение нарратива и интерпретация данных с использованием LLM-модели (методы CoT-Table, NoTб + R-CoT)

Тема 7 Автоматизация и адаптация промптов в LLM-моделях (методы Auto-CoT, Active-Prompt, Self-Refine)

Тема 8. Разбор кейсов слушателей. Ответы на вопросы

✅ вы поймёте, как «думают» LLM;

✅ научитесь писать эффективные промпты;

✅ соберёте собственную библиотеку шаблонов промптов;

✅ создадите мини-проект применения ИИ в своей сфере.

После этого курса вы перестанете «просто спрашивать» у моделей искусственного интеллекта — вы начнёте управлять его мышлением и действиями.