際際滷

際際滷Share a Scribd company logo

Prompting workshop generally to distinguish between analytical RAG and generative GPT models

David Pe邸ek
David Pe邸ek

an introductory nivelisation training to demonstrate the two main possibilities we have, the generative (GPT) and the analytical (RAG)

1 of 77
Prompting Workshop Inovan鱈 mana転er EDIH CTU, Ing. David Pe邸ek
Prompting workshop generally to distinguish between analytical RAG and generative GPT models
EDIHNETWORK.EU
EDIHNETWORK.EU
Prompting workshop generally to distinguish between analytical RAG and generative GPT models
Prompting workshop generally to distinguish between analytical RAG and generative GPT models
EDIHCTU.EU
eskomoravsk辿 centrum pr哲lomov箪ch 岳艶界鞄稼看鉛看乙庄鱈
Brain 4 Industry (B4I) Doln鱈 Be転any Technologie: AI, aditivn鱈 v箪roba 鱈dic鱈 partner: Fyzik叩ln鱈 炭stav AV R Region叩ln鱈 p哲sobnost: Stedn鱈 echy (a okoln鱈 regiony) EDIH Northern and Eastern Bohemia Liberec Technologie: AI, kyberbezpenost 鱈dic鱈 partner: Agentura pro region叩ln鱈 rozvoj Region叩ln鱈 p哲sobnost: Libereck箪 a Kr叩lov辿hradeck箪 kraj EDIH CTU Praha Technologie: AI 鱈dic鱈 partner: VUT v Praze Celorepublikov叩 p哲sobnost EDIH DIGIMAT Kuim Technologie: AI, robotika 鱈dic鱈 partner: Intemac Solutions, s.r.o. Region叩ln鱈 p哲sobnost: Jihomoravsk箪 kraj (a okoln鱈 regiony) Cybersecurity Innovation Hub Brno Technologie: kybernetick叩 bezpenost 鱈dic鱈 partner: CyberSecurity Hub, z.炭. Celorepublikov叩 p哲sobnost EDIH Ostrava Ostrava Technologie: HPC 鱈dic鱈 partner: VB-TUO Region叩ln鱈 p哲sobnost: Moravskoslezsk箪 kraj (a okoln鱈 regiony)
CREATION OF A TAXONOMY FOR THE EUROPEAN AI ECOSYSTEM, A report of the Cross-KIC Activity Innovation Impact Artificial Intelligence
GenAI MAP
Challenges Soci叩ln鱈 -> Trainings Ekonomick辿 -> Investment Assistance Struktur叩ln鱈 -> Innovation Ecosystem and Networking Technick辿 -> Test Before Invest
AI services Executive sections Supporting sections PERSONAL copilot Public information analytics Internal information analytics Classified information analytics FIREWALL
Prompting workshop generally to distinguish between analytical RAG and generative GPT models
PROMPTING BASICS WORKSHOP
EDIHCTU.EU TAK MI TEDA EKNT, CO TO J !!! (WHAT IS IT ANYWAY?) TAK MI TEDA EKNT, CO TO J !!!
GPT - Generative Pre-trained Transformer 1. Generativn鱈 GPT je schopn箪 generovat souvisl箪 a kontextov relevantn鱈 text. Na z叩klad zadan辿ho vstupu m哲転e pokraovat v psan鱈, vytv叩et odpovdi, sumarizovat informace a mnoho dal邸鱈ho. 2. Pedtr辿novan箪 Model je tr辿novan箪 na velk辿m mno転stv鱈 textov箪ch dat z internetu. Toto tr辿nov叩n鱈 mu umo転uje b箪t pou転iteln箪 v 邸irok辿m spektru t辿mat, jazyk哲 a kontext哲. F叩ze tr辿nov叩n鱈 zahrnuje zejm辿na uen鱈 se statistick箪m vlastnostem jazyka. 3. Transformer GPT je zalo転en箪 na architektue Transformeru, kter叩 byla pedstavena v roce 2017. Tato architektura se spol辿h叩 na mechanismy sebesoustedn鱈 (self-attention) k efektivn鱈mu zpracov叩n鱈 a generov叩n鱈 textu, co転 ji in鱈 velmi 炭innou pro 炭koly zahrnuj鱈c鱈 sekvenn鱈 data, jako je jazyk.
How GPT Works Zpracov叩n鱈 vstupu: Model pijme textov箪 vstup, zpracuje ho a porovn叩 kontext a s辿mantiku s tr辿ninkov箪mi daty. Mechanismus pozornosti: Pomoc鱈 mechanismu sebesoustedn鱈 (self-attention) uruje d哲le転itost ka転d辿ho slova v kontextu vstupu. Generov叩n鱈 textu: Na z叩klad sv箪ch algoritm哲 GPT generuje pokraov叩n鱈 textu nebo relevantn鱈 odpov.
Limitace / Omezen鱈 Pedsudky: GPT m哲転e nkdy generovat zaujat箪 nebo nevhodn箪 obsah, zp哲sobuj鱈 to pedsudky v tr辿ninkov箪ch datech. Pesnost: I kdy転 je model velmi v箪konn箪, m哲転e obas produkovat nespr叩vn辿 nebo nesmysln辿 v箪stupy. Omezen鱈 kontextu: Model m哲転e m鱈t probl辿my s porozumn鱈m a udr転ov叩n鱈m dlouhodob辿ho kontextu v dlouh箪ch konverzac鱈ch nebo dokumentech.
Tom叩邸 Mikolov m叩 v箪znamn箪 dopad na oblast zpracov叩n鱈 pirozen辿ho jazyka (NLP) a strojov辿ho uen鱈, co転 nep鱈mo pisplo k v箪voji model哲 jako GPT (Generative Pre-trained Transformer). Zde jsou nkter辿 kl鱈ov辿 body t箪kaj鱈c鱈 se jeho p鱈spvk哲 a jejich vlivu na GPT: Word2Vec: Mikolov je nejl辿pe zn叩m箪 pro v箪voj Word2Vec, sady model哲 pro mapov叩n鱈 slov z textu. Modely Word2Vec mapuj鱈 slova na vektory re叩ln箪ch 鱈sel ve v鱈cerozmrn辿m prostoru a zachycuj鱈 s辿mantick辿 vztahy mezi slovy. To byl velk箪 pr哲lom v NLP, proto転e umo転nil efektivnj邸鱈 a smysluplnj邸鱈 reprezentaci slov. Jazykov辿 modely zalo転en辿 na neuronov辿 s鱈ti: Mikolovova pr叩ce na jazykov箪ch modelech zalo転en箪ch na neuronov箪ch s鱈t鱈ch uk叩zala, 転e neuronov辿 s鱈t by mohly pekonat tradin鱈 statistick辿 metody v 炭loh叩ch jazykov辿ho modelov叩n鱈. Tato pr叩ce polo転ila z叩klady pro vyu転it鱈 hlubok辿ho uen鱈 v NLP. Rekurentn鱈 neuronov辿 s鱈t (RNN): Mikolov tak辿 pispl k v箪voji a aplikaci RNN pro jazykov辿 modelov叩n鱈. Jeho v箪zkum uk叩zal, 転e RNN a pozdji s鱈t Long Short-Term Memory (LSTM) dok叩転ou efektivn modelovat sekvence textu a udr転ovat kontext bhem del邸鱈ch pas叩転鱈.
Tom叩邸 Mikolov a jeho vliv na v箪voj GPT Techniky vkl叩d叩n鱈: Koncept vkl叩d叩n鱈 slov, popularizovan箪 Mikolovov箪m Word2Vec, je pro modely jako GPT z叩sadn鱈. Vlo転en鱈 slov umo転uje tmto model哲m kvantifikovat a generovat text se s辿mantick箪m v箪znamem. GPT pou転鱈v叩 pokroilej邸鱈 techniky, ale z叩kladn鱈 my邸lenky vych叩zej鱈 z Mikolovovy pr叩ce. Hlubok辿 uen鱈 v NLP: Mikolovova pr哲kopnick叩 pr叩ce v aplikaci neuronov箪ch s鱈t鱈 na jazykov辿 modelov叩n鱈 pipravila cestu pro pijet鱈 technik hlubok辿ho uen鱈 v NLP. spch tchto ran箪ch model哲 prok叩zal potenci叩l neuronov箪ch s鱈t鱈 ovlivuj鱈c鱈ch n叩sledn箪 v箪zkum a v箪voj, vetn architektury Transformer, kter叩 je z叩kladem GPT. Jazykov辿 modelov叩n鱈: Mikolovovy p鱈spvky k jazykov箪m model哲m zalo転en箪m na neuronov箪ch s鱈t鱈ch zd哲raznily efektivitu pou転it鱈 neuronov箪ch s鱈t鱈 pro predikci dal邸鱈ho slova v sekvenci, co転 je z叩kladn鱈 sou叩st funknosti GPT.
Pro pedstavu Um鱈te si pedstavit 365ti rozmrn箪 prostor? Modely GPT jsou navr転eny s mnoha vrstvami a ka転d叩 vrstva m叩 sv辿 vlastn鱈 v叩hy a parametry, kter辿 se u鱈 bhem tr辿nov叩n鱈 na rozs叩hl箪ch textov箪ch korpusech. Tento proces umo転uje modelu l辿pe rozumt a generovat lidsk箪 jazyk. Parametry (nebo v叩hy) jsou kl鱈ov箪m prvkem, kter箪 umo転uje modelu rozpozn叩vat vzory a generovat text. 鱈m v鱈ce parametr哲 model m叩, t鱈m v鱈ce informac鱈 m哲転e zpracovat a t鱈m pesnj邸鱈 a sofistikovanj邸鱈 m哲転e b箪t jeho v箪kon. 1. GPT-1: Poet parametr哲: 117 milion哲 2. GPT-2: Poet parametr哲: 1,5 miliardy 3. GPT-3: Poet parametr哲: 175 miliard
Tom叩邸 Mikolov Real Talk S Janem Romportlem u Dana Tr転ila v Proti proudu
RAG - generov叩n鱈 podpoen辿 vyhled叩v叩n鱈m technika v oblasti zpracov叩n鱈 pirozen辿ho jazyka, kter叩 kombinuje pednosti vyhled叩v叩n鱈 informac鱈 s generativn鱈mi modely. 1. Vyhled叩v叩n鱈 (Retrieval): V t辿to f叩zi vyhled叩vac鱈 model, asto zalo転en箪 na embeddingech nebo jin箪ch men鱈ch podobnosti, prohled叩v叩 velk箪 korpus dokument哲 nebo dat, aby na邸el relevantn鱈 informace na z叩klad dotazu u転ivatele. 2. Augmentace (Augmentation): Nalezen辿 informace jsou pot辿 pou転ity k augmentaci nebo informov叩n鱈 generativn鱈ho modelu. Tento krok zahrnuje integraci relevantn鱈ch informac鱈 do kontextu nebo promptu, kter箪 generativn鱈 model pou転ije k vytvoen鱈 sv辿 odpovdi. 3. Generov叩n鱈 (Generation): Nakonec generativn鱈 model, nap鱈klad GPT (Generative Pre- trained Transformer), generuje odpov, kter叩 je informov叩na nalezen箪mi informacemi. Tento p鱈stup vyu転鱈v叩 schopnosti modelu generovat text a z叩rove zakotvuje jeho v箪stup ve specifick箪ch a relevantn鱈ch informac鱈ch z鱈skan箪ch z korpusu. RAG je obzvl叩邸t u転iten箪 ve sc辿n叩鱈ch, kde generativn鱈 model s叩m o sob nemus鱈 m鱈t dostatek specifick箪ch znalost鱈 nebo aktu叩ln鱈ch informac鱈, co転 mu umo転uje vytv叩et pesnj邸鱈 a kontextov relevantn鱈 odpovdi.
P鱈klad Mjme definovanou sadu dokument哲, kter叩 je na邸鱈m Korpusem. M哲転e to b箪t libovoln叩 knihovna. Pedstavme si e-zakony. UI nastav鱈me pro u転ivatele tak, 転e vypad叩, jako gpt rozhran鱈. Parsovan箪 dotaz po邸leme hledat do korpusu. S Relevantn鱈mi informacemi z korpusu po邸leme vcnou 叩st v箪sledk哲 do komern鱈ho GPT, kter箪 dogeneruje v箪slednou odpov.
永艶壊岳叩厩一温
PROMPTING BASICS WORKSHOP Start your engines!
Kontext: Jsem jedinec, kter箪 hled叩 odpoinkovou dovolenou v Evrop bhem l辿ta. R叩d tr叩v鱈m as na pl叩転i, miluji dobr辿 j鱈dlo a zaj鱈m叩m se o m鱈stn鱈 kulturu. kol: Navrhni mi konkr辿tn鱈 m鱈sto na dovolenou, kter辿 spluje v箪邸e uveden辿 po転adavky. Role: Jsi odborn鱈k na cestovn鱈 ruch. T坦n: P叩telsk箪 a informativn鱈.
PROMPTING BASICS WORKSHOP
PROMPTING BASICS WORKSHOP
PROMPTING BASICS WORKSHOP
PROMPTING BASICS WORKSHOP
P鱈klad 1 po 稼温壊岳温厩艶稼鱈
Konverzan鱈 z叩klady
Pomocn辿 soubory https://bit.ly/3Vvzcta Pro tuto sekci: https://bit.ly/Prompting_1
Konverzan鱈 z叩klady Zajdi do obchodu a vem dva chleby, a kdyby mli rohl鱈ky, tak vem aspo deset. Ho to do praky na rychl箪 program. Poj na jedno.
KONTEXT Zajdi do obchodu a vem dva chleby, a kdyby mli rohl鱈ky, tak vem aspo deset. (rohl鱈k哲) Ho to do praky na rychl箪 program. (m叩邸 na sob umlinu, tak hlavn bez su邸en鱈) Poj na jedno. (potebuju si pokecat)
Z叩klady dotazov叩n鱈 ZERO SHOT ONE SHOT FEW SHOT ACTOR CRITIC
ZERO SHOT jak dos叩hnout dobr辿 odpovdi jedinou ot叩zkou?
Role kol Form叩t "Jako uitel vysvtli, co je fotosynt辿za, v kr叩tk辿m odstavci." "Jako historik popi邸 hlavn鱈 ud叩losti francouzsk辿 revoluce v kr叩tk辿m pehledu v bodech." "Jako marketingov箪 expert navrhni marketingovou strategii pro uveden鱈 nov辿ho produktu na trh. Vytvo podrobn箪 pl叩n, kter箪 zahrnuje jednotliv辿 kroky a oek叩van辿 v箪sledky."
kol Akce - C鱈l "Najdi m鱈sto pro dovolenou, kde bych mohl str叩vit t箪den na pl叩転i. Prove rychl辿 vyhled叩v叩n鱈 a navrhni destinaci." "Vyber vhodnou destinaci pro rodinnou dovolenou. Prozkoumej nkolik mo転nost鱈 a najdi m鱈sto, kter辿 nab鱈z鱈 aktivity pro dti a relaxaci pro dospl辿." "Doporu ide叩ln鱈 m鱈sto pro dovolenou na p鱈邸t鱈 l辿to. Analyzuj klimatick辿 podm鱈nky, ubytovac鱈 mo転nosti a m鱈stn鱈 atrakce. Poskytnte komplexn鱈 doporuen鱈, kter辿 zahrnuje nejlep邸鱈 obdob鱈 pro n叩v邸tvu, typy ubytov叩n鱈 a hlavn鱈 turistick辿 atrakce."
Ped Po Most "R叩d bych jel na dovolenou. Najdi mi vhodnou destinaci na dovolenou, abych ml vybran辿 m鱈sto, kam pojedu." "Pl叩nuji letn鱈 dovolenou s rodinou. Prozkoumej r哲zn辿 destinace a navrhni nkolik mo転nost鱈, kter辿 nab鱈zej鱈 aktivity pro dti a relaxaci pro dospl辿, abych ml seznam vhodn箪ch m鱈st, kam bychom mohli jet." "Hled叩m ide叩ln鱈 m鱈sto pro letn鱈 dovolenou. Analyzuj klimatick辿 podm鱈nky, ubytovac鱈 mo転nosti a m鱈stn鱈 atrakce a poskytnte komplexn鱈 doporuen鱈, kter辿 zahrnuje nejlep邸鱈 term鱈ny pro n叩v邸tvu, typy ubytov叩n鱈 a hlavn鱈 turistick辿 atrakce, abych ml podrobn辿 informace o tom, kam jet."
Role Vstup Kroky Oek叩v叩n鱈 "Jako cestovn鱈 poradce, najdi mi vhodnou destinaci na dovolenou na pl叩転i a doporu mi jedno m鱈sto." "Jako rodinn箪 pl叩nova dovolen辿, prozkoumej r哲zn辿 destinace, kter辿 nab鱈zej鱈 aktivity pro dti a relaxaci pro dospl辿. Zhodno泥 jejich nab鱈dku a vyber ti nejlep邸鱈 mo転nosti. U ka転d辿 destinace pipoj kr叩tk箪 popis." "Jako cestovn鱈 konzultant, analyzuj klimatick辿 podm鱈nky, m鱈stn鱈 atrakce a ubytovac鱈 mo転nosti v nkolika evropsk箪ch destinac鱈ch, kter辿 nab鱈zej鱈 bohatou kulturu, pl叩転e a dobr辿 j鱈dlo. Porovnej tyto destinace a poskytnte podrobn辿 doporuen鱈, kter辿 zahrnuje nejlep邸鱈 term鱈ny pro n叩v邸tvu, mo転nosti ubytov叩n鱈 a dostupn辿 aktivity."
ONE SHOT
Kontext Akce V箪sledek P鱈klad "Chci jet na dovolenou. Najdi mi destinaci, kam bych mohl jet. Chci m鱈t m鱈sto, kam jet na dovolenou, nap鱈klad pl叩転ovou destinaci." "Pl叩nuji letn鱈 dovolenou s rodinou. Prozkoumej r哲zn辿 destinace, kter辿 nab鱈zej鱈 aktivity pro dti a relaxaci pro dospl辿. Chci m鱈t seznam vhodn箪ch m鱈st pro rodinnou dovolenou, nap鱈klad destinace s vodn鱈mi parky a wellness centry." "Hled叩m ide叩ln鱈 m鱈sto pro letn鱈 dovolenou v Evrop. Analyzuj klimatick辿 podm鱈nky, ubytovac鱈 mo転nosti a m鱈stn鱈 atrakce ve v鱈ce destinac鱈ch. Chci m鱈t podrobn辿 doporuen鱈 pro dovolenou, kter辿 zahrnuje nejlep邸鱈 term鱈ny, mo転nosti ubytov叩n鱈 a dostupn辿 aktivity, nap鱈klad m鱈sta s bohatou kulturou, pl叩転emi a dobr箪m j鱈dlem.".
Dopady u転鱈v叩n鱈 Zvdomujeme si, jak mluv鱈me Zlep邸ov叩n鱈m komunikace s gpt zlep邸ujeme komunikaci mezi lidmi Vdom鱈m pokl叩d叩n鱈 ot叩zek se zlep邸uje i na邸e komunikace sama se sebou
FEW SHOT
Podklady https://bit.ly/Prompting_2
FEW SHOT :: V鱈c p鱈klad哲 = lep邸鱈 v箪sledky Uen鱈: Ot叩zka: Chci jet na dovolenou, kde bych mohl relaxovat na pl叩転i. Jakou destinaci mi doporu鱈te? Odpov: Doporuuji Cancun v Mexiku. M叩 kr叩sn辿 pl叩転e, tepl辿 poas鱈 a mnoho mo転nost鱈 pro relaxaci. Ot叩zka: Hled叩m m鱈sto na dovolenou, kde bych mohl str叩vit as v hor叩ch a u転鱈t si p鱈rodu. Jakou destinaci mi doporu鱈te? Odpov: Doporuuji Alpy v Evrop. Nab鱈zej鱈 n叩dhern辿 horsk辿 scen辿rie, mnoho turistick箪ch tras a skvlou p鱈le転itost pro relaxaci v p鱈rod. Ot叩zka: Chci jet na dovolenou, kde bych mohl relaxovat na pl叩転i. Jakou destinaci mi doporu鱈te?
閣箪噛厩霞
閣箪噛厩霞 Pereme se s biasem = rostouc鱈 / klesaj鱈c鱈 funkce Skupinov辿 chaty pravdpodobn sd鱈len辿 kontexty Dlouh辿 vl叩kno = recept na zapomenut鱈 prostedka Jednoduch叩 podm鱈nka na vstupu, p鱈padn nco mimo kontext (napl叩nuj mi dovolenou, m叩m r叩d ervenou barvu) m哲転e rozb鱈t odpov Prostedky text哲 to sp鱈邸 ignoruje (viz rann鱈 炭vod)
Akt辿r - Kritik
Akt辿r - Kritik Kontext: Pedstavme si, 転e se agent (uml叩 inteligence) u鱈 doporuovat nejlep邸鱈 destinace pro dovolenou na z叩klad preferenc鱈 u転ivatele. Agent iterativn optimalizuje sv辿 doporuen鱈 t鱈m, 転e kombinuje akce (v箪br destinace) a kritiky (hodnocen鱈 destinac鱈 na z叩klad u転ivatelsk辿 zptn辿 vazby). Actor (Akt辿r): 1.kol: Generuje doporuen鱈 destinac鱈 pro dovolenou. 2.Akce: Na z叩klad vstupn鱈ch preferenc鱈 u転ivatele (nap. pl叩転e, hory, kultura) vybere destinaci. Critic (Kritik): 1.kol: Hodnot鱈 doporuen鱈 akt辿ra. 2.Akce: Na z叩klad u転ivatelsk辿 zptn辿 vazby (nap. spokojenost s doporuenou destinac鱈) poskytuje hodnocen鱈 efektivity doporuen鱈.
Postup Initial Input (Po叩ten鱈 vstup): 1.U転ivatelsk辿 preference: pl叩転, relaxace, dobr辿 j鱈dlo. Actor (Akt辿r) Selection: 1.Akt辿r na z叩klad tchto preferenc鱈 vybere destinaci, nap. "Cancun, Mexiko". Critic (Kritik) Evaluation: 1.U転ivatel nav邸t鱈v鱈 Cancun a poskytne zptnou vazbu: "Destinace byla dobr叩, ale bylo p鱈li邸 mnoho turist哲." 2.Kritik hodnot鱈 doporuen鱈 akt辿ra a poskytuje sk坦re, nap. 7/10. Update Actor-Critic Model (Aktualizace modelu): 1.Akt辿r uprav鱈 sv辿 strategie na z叩klad hodnocen鱈 kritika. Nyn鱈 pi zohlednn鱈 zptn辿 vazby bude akt辿r preferovat destinace s m辿n turisty. Iteration (Iterace): 1.Proces se opakuje: Akt辿r navrhne novou destinaci, nap. "Koh Samui, Thajsko". 2.U転ivatel poskytne zptnou vazbu: "Kr叩sn辿 pl叩転e, ale cesta byla dlouh叩." 3.Kritik hodnot鱈 a poskytuje sk坦re, nap. 8/10. 4.Akt辿r opt uprav鱈 sv辿 strategie.
永艶壊岳叩厩一温
Pr叩ce s texty https://bit.ly/Prompting_3
Pr叩ce s texty - zkracov叩n鱈 Zkra泥 n叩sleduj鱈c鱈 text na polovinu. "Slon je nejvt邸鱈 suchozemsk辿 zv鱈e na svt. M叩 charakteristick箪 chobot, kter箪 pou転鱈v叩 k d箪ch叩n鱈, uchopov叩n鱈 pedmt哲 a pit鱈 vody. Sloni 転ij鱈 ve st叩dech a jsou zn叩m鱈 svou inteligenc鱈 a soci叩ln鱈mi vazbami." Zkra泥 n叩sleduj鱈c鱈 text na nkolik vt, zachov叩vaj鱈c鱈 hlavn鱈 my邸lenky. "Slon je nejvt邸鱈 suchozemsk辿 zv鱈e na svt. M叩 charakteristick箪 chobot, kter箪 pou転鱈v叩 k d箪ch叩n鱈, uchopov叩n鱈 pedmt哲 a pit鱈 vody. Sloni 転ij鱈 ve st叩dech a jsou zn叩m鱈 svou inteligenc鱈 a soci叩ln鱈mi vazbami. Jsou schopni komunikovat pomoc鱈 r哲zn箪ch zvuk哲 a vibrac鱈. Sloni jsou tak辿 d哲le転it鱈 pro ekosyst辿my, ve kter箪ch 転ij鱈, proto転e pom叩haj鱈 udr転ovat rovnov叩hu prosted鱈." Zkra泥 n叩sleduj鱈c鱈 text na maxim叩ln ti vty, piem転 zachovej nejd哲le転itj邸鱈 informace. "Slon je nejvt邸鱈 suchozemsk辿 zv鱈e na svt. M叩 charakteristick箪 chobot, kter箪 pou転鱈v叩 k d箪ch叩n鱈, uchopov叩n鱈 pedmt哲 a pit鱈 vody. Sloni 転ij鱈 ve st叩dech a jsou zn叩m鱈 svou inteligenc鱈 a soci叩ln鱈mi vazbami. Jsou schopni komunikovat pomoc鱈 r哲zn箪ch zvuk哲 a vibrac鱈. Sloni jsou tak辿 d哲le転it鱈 pro ekosyst辿my, ve kter箪ch 転ij鱈, proto転e pom叩haj鱈 udr転ovat rovnov叩hu prosted鱈. Jejich p鱈tomnost m哲転e m鱈t pozitivn鱈 vliv na biodiverzitu a zdrav鱈 les哲 a savan."
Pr叩ce s texty - prodlu転ov叩n鱈 "Roz邸i n叩sleduj鱈c鱈 vtu na nkolik vt." "Koky jsou obl鱈ben鱈 dom叩c鱈 mazl鱈ci." "Roz邸i n叩sleduj鱈c鱈 odstavec, pid叩n鱈m detail哲 a p鱈klad哲." "ten鱈 knih je prosp邸n辿 pro rozvoj my邸len鱈." "Roz邸i n叩sleduj鱈c鱈 text na nkolik odstavc哲, zahrnuj鱈c鱈 v鱈ce podrobnost鱈, p鱈klad哲 a vysvtlen鱈." "Stromy jsou d哲le転it辿 pro 転ivotn鱈 prosted鱈."
Pr叩ce s texty - formalizace "Pepi邸 n叩sleduj鱈c鱈 vtu do form叩ln鱈ho stylu." "Hej k叩mo, m哲転e邸 mi poslat ty fotky z dovolen辿?" "Pepi邸 n叩sleduj鱈c鱈 odstavec do neform叩ln鱈ho stylu." "V叩転en箪 pane Nov叩ku, r叩d bych V叩m podkoval za Va邸i 炭ast na na邸鱈 konferenci. Va邸e prezentace byla velmi informativn鱈 a p鱈nosn叩 pro v邸echny z炭astnn辿." "Pepi邸 n叩sleduj鱈c鱈 form叩ln鱈 text do neform叩ln鱈ho stylu a naopak." "V叩転en箪 z叩kazn鱈ku, dkujeme V叩m za V叩邸 ned叩vn箪 n叩kup. Va邸e zptn叩 vazba je pro n叩s velmi d哲le転it叩 a t邸鱈me se na Va邸e dal邸鱈 objedn叩vky."
Pr叩ce s texty pomoc v nouzi Jsem na邸tvan箪 na kolegyni. Po叩d jen kouk叩 na Instagram m鱈sto aby vyizovala pracovn鱈 炭koly. Pepi邸 mi pros鱈m do slu邸n辿 kolegi叩ln鱈 formy n叩sleduj鱈c鱈 text do mailu tak, abych nemusel pou転鱈vat slova, kter叩 mne napadaj鱈: Aleno, m叩邸 v tasklistu deset dopis哲 pro z叩kazn鱈ky, nejpozdji do p叩tku je po邸li nebo mi dej vdt, 転e na to nem叩邸 a j叩 tu pr叩ci d叩m nkomu jin辿mu.
Shrnut鱈 ROLE, KONTEXT, KOL, FORMT, PKLAD, V箪sledky v転dy dvakr叩t zkontrolujte Pou転鱈vejte pozitivn鱈 zad叩n鱈, m鱈sto nechci peformulujte na chci Peliv pou転鱈vejte stedn鱈ky, 叩rky a teky. Nechte si poradit, jak m叩 dotaz vypadat Piznejte, 転e podporu pou転鱈v叩te.
永艶壊岳叩厩一温
Diskuse
PROMPTING BASICS WORKSHOP
PROMPTING BASICS WORKSHOP
PROMPTING BASICS WORKSHOP
LIVE DEMO
N叩vaznost na 叩st Ve dvojic鱈ch najdte 炭lohu Vyu転ijte znalosti z dopoledne
Sd鱈len鱈 v箪sledk哲 dvojic
Pr叩ce s pdf U PDF potebujeme vdt, 転e jsou r哲zn辿 intern鱈 form叩ty, i kdy転 hlavn鱈m 炭kolem PDF je na v邸ech za鱈zen鱈ch vypadat stejn. Zkuste si z wordu exportovat PDF a zak叩zat jeho tisk. Takov辿 pdf u GPT nepom哲転e.
Pr叩ce s 鱈sly Zejm辿na pro stedn pokroil辿 v excelu. Proto転e pro za叩ten鱈ky m哲転e b箪t pou転鱈v叩n鱈 GPT nebezpen辿. V転dy pou転鱈vejte KOPIE 転iv箪ch soubor哲!
Jak na python? Jen ve spolupr叩ci s oddlen鱈m IT. A泥 m叩te zaji邸tno, 転e si hrajete na bezpen箪ch p鱈skovi邸t鱈ch.
Jak d叩l na dobrou sadu RAG哲? Identifikovat ot叩zku. Naj鱈t k n鱈 vhodnou odpov. Zjistit, zda pro sestaven鱈 odpovdi jsou k dispozici data (鱈sla, texty). Zjistit, jak asto se data budou mnit, p鱈padn jak asto se do budouc鱈ho korpusu knihovny bude pid叩vat (ka転d辿 pid叩n鱈 nebo zmna bude vy転adovat petr辿nov叩n鱈 RAG modelu).
Evropsk辿 centrum pro digit叩ln鱈 inovace pi esk辿m vysok辿m uen鱈 technick辿m v Praze (EDIH CTU) Slu転by zdarma pro startupy AI technologie k vyzkou邸en鱈 :: Testbed pro Pr哲mysl 4.0, DataLab, NLP, ML, robotika, zpracov叩n鱈 obrazu, VR&AR, digit叩ln鱈 dvojata, robobar, detekce anom叩li鱈, prediktivn鱈 炭dr転ba, zpracov叩n鱈 dat a dal邸鱈 Konzultan鱈 slu転by, transfer 岳艶界鞄稼看鉛看乙庄鱈... Propojen鱈 na firmy hledaj鱈c鱈 obdobn辿 e邸en鱈, sd鱈len鱈 dobr辿 praxe (networking) i propojen鱈 na dal邸鱈 slu転by nap鱈 Evropou (edihnetwork.eu) Dal邸鱈 slu転by a kdo je m哲転e vyu転鱈t? Slu転by z 25 % hrazen辿 klienty Posouzen鱈 digit叩ln鱈 zralosti (DMA) - "Kde v叩s podle n叩s m哲転e p叩lit bota" Kurzy zamen辿 na AI v 炭zk辿 spolupr叩ci s prg.ai a celou AI s鱈t鱈 Investin鱈 poradenstv鱈 - "Jak se vyznat ve v箪zv叩ch a jak v nich uspt Kdo m哲転e slu転by vyu転鱈t Slu転bu m哲転e erpat MSP dle definice EU Max. 50 % ceny slu転by je vyk叩z叩na v registru de minimis. Obchodn鱈 podm鱈nky EDIH CTU Kontaktn鱈 炭daje: info@edihctu.eu Telefon: 224 354 149 Web: https://www.edihctu.eu/
EDIHCTU.EU
Kudy Kam D叩l https://www.edihctu.eu https://www.edihctu.eu/events/ https://www.edihctu.eu/sluzby/ https://www.edihctu.eu/realizace-sluzeb/ https://www.edihctu.eu/knihovna/
Kam Je邸t D叩l https://www.prg.ai https://www.aidetem.cz https://www.ceskodigital.cz https://www.poliruralplus.eu

More Related Content

Prompting workshop generally to distinguish between analytical RAG and generative GPT models

  • 1. Prompting Workshop Inovan鱈 mana転er EDIH CTU, Ing. David Pe邸ek
  • 8. eskomoravsk辿 centrum pr哲lomov箪ch 岳艶界鞄稼看鉛看乙庄鱈
  • 9. Brain 4 Industry (B4I) Doln鱈 Be転any Technologie: AI, aditivn鱈 v箪roba 鱈dic鱈 partner: Fyzik叩ln鱈 炭stav AV R Region叩ln鱈 p哲sobnost: Stedn鱈 echy (a okoln鱈 regiony) EDIH Northern and Eastern Bohemia Liberec Technologie: AI, kyberbezpenost 鱈dic鱈 partner: Agentura pro region叩ln鱈 rozvoj Region叩ln鱈 p哲sobnost: Libereck箪 a Kr叩lov辿hradeck箪 kraj EDIH CTU Praha Technologie: AI 鱈dic鱈 partner: VUT v Praze Celorepublikov叩 p哲sobnost EDIH DIGIMAT Kuim Technologie: AI, robotika 鱈dic鱈 partner: Intemac Solutions, s.r.o. Region叩ln鱈 p哲sobnost: Jihomoravsk箪 kraj (a okoln鱈 regiony) Cybersecurity Innovation Hub Brno Technologie: kybernetick叩 bezpenost 鱈dic鱈 partner: CyberSecurity Hub, z.炭. Celorepublikov叩 p哲sobnost EDIH Ostrava Ostrava Technologie: HPC 鱈dic鱈 partner: VB-TUO Region叩ln鱈 p哲sobnost: Moravskoslezsk箪 kraj (a okoln鱈 regiony)
  • 10. CREATION OF A TAXONOMY FOR THE EUROPEAN AI ECOSYSTEM, A report of the Cross-KIC Activity Innovation Impact Artificial Intelligence
  • 12. Challenges Soci叩ln鱈 -> Trainings Ekonomick辿 -> Investment Assistance Struktur叩ln鱈 -> Innovation Ecosystem and Networking Technick辿 -> Test Before Invest
  • 13. AI services Executive sections Supporting sections PERSONAL copilot Public information analytics Internal information analytics Classified information analytics FIREWALL
  • 16. EDIHCTU.EU TAK MI TEDA EKNT, CO TO J !!! (WHAT IS IT ANYWAY?) TAK MI TEDA EKNT, CO TO J !!!
  • 17. GPT - Generative Pre-trained Transformer 1. Generativn鱈 GPT je schopn箪 generovat souvisl箪 a kontextov relevantn鱈 text. Na z叩klad zadan辿ho vstupu m哲転e pokraovat v psan鱈, vytv叩et odpovdi, sumarizovat informace a mnoho dal邸鱈ho. 2. Pedtr辿novan箪 Model je tr辿novan箪 na velk辿m mno転stv鱈 textov箪ch dat z internetu. Toto tr辿nov叩n鱈 mu umo転uje b箪t pou転iteln箪 v 邸irok辿m spektru t辿mat, jazyk哲 a kontext哲. F叩ze tr辿nov叩n鱈 zahrnuje zejm辿na uen鱈 se statistick箪m vlastnostem jazyka. 3. Transformer GPT je zalo転en箪 na architektue Transformeru, kter叩 byla pedstavena v roce 2017. Tato architektura se spol辿h叩 na mechanismy sebesoustedn鱈 (self-attention) k efektivn鱈mu zpracov叩n鱈 a generov叩n鱈 textu, co転 ji in鱈 velmi 炭innou pro 炭koly zahrnuj鱈c鱈 sekvenn鱈 data, jako je jazyk.
  • 18. How GPT Works Zpracov叩n鱈 vstupu: Model pijme textov箪 vstup, zpracuje ho a porovn叩 kontext a s辿mantiku s tr辿ninkov箪mi daty. Mechanismus pozornosti: Pomoc鱈 mechanismu sebesoustedn鱈 (self-attention) uruje d哲le転itost ka転d辿ho slova v kontextu vstupu. Generov叩n鱈 textu: Na z叩klad sv箪ch algoritm哲 GPT generuje pokraov叩n鱈 textu nebo relevantn鱈 odpov.
  • 19. Limitace / Omezen鱈 Pedsudky: GPT m哲転e nkdy generovat zaujat箪 nebo nevhodn箪 obsah, zp哲sobuj鱈 to pedsudky v tr辿ninkov箪ch datech. Pesnost: I kdy転 je model velmi v箪konn箪, m哲転e obas produkovat nespr叩vn辿 nebo nesmysln辿 v箪stupy. Omezen鱈 kontextu: Model m哲転e m鱈t probl辿my s porozumn鱈m a udr転ov叩n鱈m dlouhodob辿ho kontextu v dlouh箪ch konverzac鱈ch nebo dokumentech.
  • 20. Tom叩邸 Mikolov m叩 v箪znamn箪 dopad na oblast zpracov叩n鱈 pirozen辿ho jazyka (NLP) a strojov辿ho uen鱈, co転 nep鱈mo pisplo k v箪voji model哲 jako GPT (Generative Pre-trained Transformer). Zde jsou nkter辿 kl鱈ov辿 body t箪kaj鱈c鱈 se jeho p鱈spvk哲 a jejich vlivu na GPT: Word2Vec: Mikolov je nejl辿pe zn叩m箪 pro v箪voj Word2Vec, sady model哲 pro mapov叩n鱈 slov z textu. Modely Word2Vec mapuj鱈 slova na vektory re叩ln箪ch 鱈sel ve v鱈cerozmrn辿m prostoru a zachycuj鱈 s辿mantick辿 vztahy mezi slovy. To byl velk箪 pr哲lom v NLP, proto転e umo転nil efektivnj邸鱈 a smysluplnj邸鱈 reprezentaci slov. Jazykov辿 modely zalo転en辿 na neuronov辿 s鱈ti: Mikolovova pr叩ce na jazykov箪ch modelech zalo転en箪ch na neuronov箪ch s鱈t鱈ch uk叩zala, 転e neuronov辿 s鱈t by mohly pekonat tradin鱈 statistick辿 metody v 炭loh叩ch jazykov辿ho modelov叩n鱈. Tato pr叩ce polo転ila z叩klady pro vyu転it鱈 hlubok辿ho uen鱈 v NLP. Rekurentn鱈 neuronov辿 s鱈t (RNN): Mikolov tak辿 pispl k v箪voji a aplikaci RNN pro jazykov辿 modelov叩n鱈. Jeho v箪zkum uk叩zal, 転e RNN a pozdji s鱈t Long Short-Term Memory (LSTM) dok叩転ou efektivn modelovat sekvence textu a udr転ovat kontext bhem del邸鱈ch pas叩転鱈.
  • 21. Tom叩邸 Mikolov a jeho vliv na v箪voj GPT Techniky vkl叩d叩n鱈: Koncept vkl叩d叩n鱈 slov, popularizovan箪 Mikolovov箪m Word2Vec, je pro modely jako GPT z叩sadn鱈. Vlo転en鱈 slov umo転uje tmto model哲m kvantifikovat a generovat text se s辿mantick箪m v箪znamem. GPT pou転鱈v叩 pokroilej邸鱈 techniky, ale z叩kladn鱈 my邸lenky vych叩zej鱈 z Mikolovovy pr叩ce. Hlubok辿 uen鱈 v NLP: Mikolovova pr哲kopnick叩 pr叩ce v aplikaci neuronov箪ch s鱈t鱈 na jazykov辿 modelov叩n鱈 pipravila cestu pro pijet鱈 technik hlubok辿ho uen鱈 v NLP. spch tchto ran箪ch model哲 prok叩zal potenci叩l neuronov箪ch s鱈t鱈 ovlivuj鱈c鱈ch n叩sledn箪 v箪zkum a v箪voj, vetn architektury Transformer, kter叩 je z叩kladem GPT. Jazykov辿 modelov叩n鱈: Mikolovovy p鱈spvky k jazykov箪m model哲m zalo転en箪m na neuronov箪ch s鱈t鱈ch zd哲raznily efektivitu pou転it鱈 neuronov箪ch s鱈t鱈 pro predikci dal邸鱈ho slova v sekvenci, co転 je z叩kladn鱈 sou叩st funknosti GPT.
  • 22. Pro pedstavu Um鱈te si pedstavit 365ti rozmrn箪 prostor? Modely GPT jsou navr転eny s mnoha vrstvami a ka転d叩 vrstva m叩 sv辿 vlastn鱈 v叩hy a parametry, kter辿 se u鱈 bhem tr辿nov叩n鱈 na rozs叩hl箪ch textov箪ch korpusech. Tento proces umo転uje modelu l辿pe rozumt a generovat lidsk箪 jazyk. Parametry (nebo v叩hy) jsou kl鱈ov箪m prvkem, kter箪 umo転uje modelu rozpozn叩vat vzory a generovat text. 鱈m v鱈ce parametr哲 model m叩, t鱈m v鱈ce informac鱈 m哲転e zpracovat a t鱈m pesnj邸鱈 a sofistikovanj邸鱈 m哲転e b箪t jeho v箪kon. 1. GPT-1: Poet parametr哲: 117 milion哲 2. GPT-2: Poet parametr哲: 1,5 miliardy 3. GPT-3: Poet parametr哲: 175 miliard
  • 23. Tom叩邸 Mikolov Real Talk S Janem Romportlem u Dana Tr転ila v Proti proudu
  • 24. RAG - generov叩n鱈 podpoen辿 vyhled叩v叩n鱈m technika v oblasti zpracov叩n鱈 pirozen辿ho jazyka, kter叩 kombinuje pednosti vyhled叩v叩n鱈 informac鱈 s generativn鱈mi modely. 1. Vyhled叩v叩n鱈 (Retrieval): V t辿to f叩zi vyhled叩vac鱈 model, asto zalo転en箪 na embeddingech nebo jin箪ch men鱈ch podobnosti, prohled叩v叩 velk箪 korpus dokument哲 nebo dat, aby na邸el relevantn鱈 informace na z叩klad dotazu u転ivatele. 2. Augmentace (Augmentation): Nalezen辿 informace jsou pot辿 pou転ity k augmentaci nebo informov叩n鱈 generativn鱈ho modelu. Tento krok zahrnuje integraci relevantn鱈ch informac鱈 do kontextu nebo promptu, kter箪 generativn鱈 model pou転ije k vytvoen鱈 sv辿 odpovdi. 3. Generov叩n鱈 (Generation): Nakonec generativn鱈 model, nap鱈klad GPT (Generative Pre- trained Transformer), generuje odpov, kter叩 je informov叩na nalezen箪mi informacemi. Tento p鱈stup vyu転鱈v叩 schopnosti modelu generovat text a z叩rove zakotvuje jeho v箪stup ve specifick箪ch a relevantn鱈ch informac鱈ch z鱈skan箪ch z korpusu. RAG je obzvl叩邸t u転iten箪 ve sc辿n叩鱈ch, kde generativn鱈 model s叩m o sob nemus鱈 m鱈t dostatek specifick箪ch znalost鱈 nebo aktu叩ln鱈ch informac鱈, co転 mu umo転uje vytv叩et pesnj邸鱈 a kontextov relevantn鱈 odpovdi.
  • 25. P鱈klad Mjme definovanou sadu dokument哲, kter叩 je na邸鱈m Korpusem. M哲転e to b箪t libovoln叩 knihovna. Pedstavme si e-zakony. UI nastav鱈me pro u転ivatele tak, 転e vypad叩, jako gpt rozhran鱈. Parsovan箪 dotaz po邸leme hledat do korpusu. S Relevantn鱈mi informacemi z korpusu po邸leme vcnou 叩st v箪sledk哲 do komern鱈ho GPT, kter箪 dogeneruje v箪slednou odpov.
  • 28. Kontext: Jsem jedinec, kter箪 hled叩 odpoinkovou dovolenou v Evrop bhem l辿ta. R叩d tr叩v鱈m as na pl叩転i, miluji dobr辿 j鱈dlo a zaj鱈m叩m se o m鱈stn鱈 kulturu. kol: Navrhni mi konkr辿tn鱈 m鱈sto na dovolenou, kter辿 spluje v箪邸e uveden辿 po転adavky. Role: Jsi odborn鱈k na cestovn鱈 ruch. T坦n: P叩telsk箪 a informativn鱈.
  • 33. P鱈klad 1 po 稼温壊岳温厩艶稼鱈
  • 35. Pomocn辿 soubory https://bit.ly/3Vvzcta Pro tuto sekci: https://bit.ly/Prompting_1
  • 36. Konverzan鱈 z叩klady Zajdi do obchodu a vem dva chleby, a kdyby mli rohl鱈ky, tak vem aspo deset. Ho to do praky na rychl箪 program. Poj na jedno.
  • 37. KONTEXT Zajdi do obchodu a vem dva chleby, a kdyby mli rohl鱈ky, tak vem aspo deset. (rohl鱈k哲) Ho to do praky na rychl箪 program. (m叩邸 na sob umlinu, tak hlavn bez su邸en鱈) Poj na jedno. (potebuju si pokecat)
  • 38. Z叩klady dotazov叩n鱈 ZERO SHOT ONE SHOT FEW SHOT ACTOR CRITIC
  • 39. ZERO SHOT jak dos叩hnout dobr辿 odpovdi jedinou ot叩zkou?
  • 40. Role kol Form叩t "Jako uitel vysvtli, co je fotosynt辿za, v kr叩tk辿m odstavci." "Jako historik popi邸 hlavn鱈 ud叩losti francouzsk辿 revoluce v kr叩tk辿m pehledu v bodech." "Jako marketingov箪 expert navrhni marketingovou strategii pro uveden鱈 nov辿ho produktu na trh. Vytvo podrobn箪 pl叩n, kter箪 zahrnuje jednotliv辿 kroky a oek叩van辿 v箪sledky."
  • 41. kol Akce - C鱈l "Najdi m鱈sto pro dovolenou, kde bych mohl str叩vit t箪den na pl叩転i. Prove rychl辿 vyhled叩v叩n鱈 a navrhni destinaci." "Vyber vhodnou destinaci pro rodinnou dovolenou. Prozkoumej nkolik mo転nost鱈 a najdi m鱈sto, kter辿 nab鱈z鱈 aktivity pro dti a relaxaci pro dospl辿." "Doporu ide叩ln鱈 m鱈sto pro dovolenou na p鱈邸t鱈 l辿to. Analyzuj klimatick辿 podm鱈nky, ubytovac鱈 mo転nosti a m鱈stn鱈 atrakce. Poskytnte komplexn鱈 doporuen鱈, kter辿 zahrnuje nejlep邸鱈 obdob鱈 pro n叩v邸tvu, typy ubytov叩n鱈 a hlavn鱈 turistick辿 atrakce."
  • 42. Ped Po Most "R叩d bych jel na dovolenou. Najdi mi vhodnou destinaci na dovolenou, abych ml vybran辿 m鱈sto, kam pojedu." "Pl叩nuji letn鱈 dovolenou s rodinou. Prozkoumej r哲zn辿 destinace a navrhni nkolik mo転nost鱈, kter辿 nab鱈zej鱈 aktivity pro dti a relaxaci pro dospl辿, abych ml seznam vhodn箪ch m鱈st, kam bychom mohli jet." "Hled叩m ide叩ln鱈 m鱈sto pro letn鱈 dovolenou. Analyzuj klimatick辿 podm鱈nky, ubytovac鱈 mo転nosti a m鱈stn鱈 atrakce a poskytnte komplexn鱈 doporuen鱈, kter辿 zahrnuje nejlep邸鱈 term鱈ny pro n叩v邸tvu, typy ubytov叩n鱈 a hlavn鱈 turistick辿 atrakce, abych ml podrobn辿 informace o tom, kam jet."
  • 43. Role Vstup Kroky Oek叩v叩n鱈 "Jako cestovn鱈 poradce, najdi mi vhodnou destinaci na dovolenou na pl叩転i a doporu mi jedno m鱈sto." "Jako rodinn箪 pl叩nova dovolen辿, prozkoumej r哲zn辿 destinace, kter辿 nab鱈zej鱈 aktivity pro dti a relaxaci pro dospl辿. Zhodno泥 jejich nab鱈dku a vyber ti nejlep邸鱈 mo転nosti. U ka転d辿 destinace pipoj kr叩tk箪 popis." "Jako cestovn鱈 konzultant, analyzuj klimatick辿 podm鱈nky, m鱈stn鱈 atrakce a ubytovac鱈 mo転nosti v nkolika evropsk箪ch destinac鱈ch, kter辿 nab鱈zej鱈 bohatou kulturu, pl叩転e a dobr辿 j鱈dlo. Porovnej tyto destinace a poskytnte podrobn辿 doporuen鱈, kter辿 zahrnuje nejlep邸鱈 term鱈ny pro n叩v邸tvu, mo転nosti ubytov叩n鱈 a dostupn辿 aktivity."
  • 45. Kontext Akce V箪sledek P鱈klad "Chci jet na dovolenou. Najdi mi destinaci, kam bych mohl jet. Chci m鱈t m鱈sto, kam jet na dovolenou, nap鱈klad pl叩転ovou destinaci." "Pl叩nuji letn鱈 dovolenou s rodinou. Prozkoumej r哲zn辿 destinace, kter辿 nab鱈zej鱈 aktivity pro dti a relaxaci pro dospl辿. Chci m鱈t seznam vhodn箪ch m鱈st pro rodinnou dovolenou, nap鱈klad destinace s vodn鱈mi parky a wellness centry." "Hled叩m ide叩ln鱈 m鱈sto pro letn鱈 dovolenou v Evrop. Analyzuj klimatick辿 podm鱈nky, ubytovac鱈 mo転nosti a m鱈stn鱈 atrakce ve v鱈ce destinac鱈ch. Chci m鱈t podrobn辿 doporuen鱈 pro dovolenou, kter辿 zahrnuje nejlep邸鱈 term鱈ny, mo転nosti ubytov叩n鱈 a dostupn辿 aktivity, nap鱈klad m鱈sta s bohatou kulturou, pl叩転emi a dobr箪m j鱈dlem.".
  • 46. Dopady u転鱈v叩n鱈 Zvdomujeme si, jak mluv鱈me Zlep邸ov叩n鱈m komunikace s gpt zlep邸ujeme komunikaci mezi lidmi Vdom鱈m pokl叩d叩n鱈 ot叩zek se zlep邸uje i na邸e komunikace sama se sebou
  • 49. FEW SHOT :: V鱈c p鱈klad哲 = lep邸鱈 v箪sledky Uen鱈: Ot叩zka: Chci jet na dovolenou, kde bych mohl relaxovat na pl叩転i. Jakou destinaci mi doporu鱈te? Odpov: Doporuuji Cancun v Mexiku. M叩 kr叩sn辿 pl叩転e, tepl辿 poas鱈 a mnoho mo転nost鱈 pro relaxaci. Ot叩zka: Hled叩m m鱈sto na dovolenou, kde bych mohl str叩vit as v hor叩ch a u転鱈t si p鱈rodu. Jakou destinaci mi doporu鱈te? Odpov: Doporuuji Alpy v Evrop. Nab鱈zej鱈 n叩dhern辿 horsk辿 scen辿rie, mnoho turistick箪ch tras a skvlou p鱈le転itost pro relaxaci v p鱈rod. Ot叩zka: Chci jet na dovolenou, kde bych mohl relaxovat na pl叩転i. Jakou destinaci mi doporu鱈te?
  • 51. 閣箪噛厩霞 Pereme se s biasem = rostouc鱈 / klesaj鱈c鱈 funkce Skupinov辿 chaty pravdpodobn sd鱈len辿 kontexty Dlouh辿 vl叩kno = recept na zapomenut鱈 prostedka Jednoduch叩 podm鱈nka na vstupu, p鱈padn nco mimo kontext (napl叩nuj mi dovolenou, m叩m r叩d ervenou barvu) m哲転e rozb鱈t odpov Prostedky text哲 to sp鱈邸 ignoruje (viz rann鱈 炭vod)
  • 53. Akt辿r - Kritik Kontext: Pedstavme si, 転e se agent (uml叩 inteligence) u鱈 doporuovat nejlep邸鱈 destinace pro dovolenou na z叩klad preferenc鱈 u転ivatele. Agent iterativn optimalizuje sv辿 doporuen鱈 t鱈m, 転e kombinuje akce (v箪br destinace) a kritiky (hodnocen鱈 destinac鱈 na z叩klad u転ivatelsk辿 zptn辿 vazby). Actor (Akt辿r): 1.kol: Generuje doporuen鱈 destinac鱈 pro dovolenou. 2.Akce: Na z叩klad vstupn鱈ch preferenc鱈 u転ivatele (nap. pl叩転e, hory, kultura) vybere destinaci. Critic (Kritik): 1.kol: Hodnot鱈 doporuen鱈 akt辿ra. 2.Akce: Na z叩klad u転ivatelsk辿 zptn辿 vazby (nap. spokojenost s doporuenou destinac鱈) poskytuje hodnocen鱈 efektivity doporuen鱈.
  • 54. Postup Initial Input (Po叩ten鱈 vstup): 1.U転ivatelsk辿 preference: pl叩転, relaxace, dobr辿 j鱈dlo. Actor (Akt辿r) Selection: 1.Akt辿r na z叩klad tchto preferenc鱈 vybere destinaci, nap. "Cancun, Mexiko". Critic (Kritik) Evaluation: 1.U転ivatel nav邸t鱈v鱈 Cancun a poskytne zptnou vazbu: "Destinace byla dobr叩, ale bylo p鱈li邸 mnoho turist哲." 2.Kritik hodnot鱈 doporuen鱈 akt辿ra a poskytuje sk坦re, nap. 7/10. Update Actor-Critic Model (Aktualizace modelu): 1.Akt辿r uprav鱈 sv辿 strategie na z叩klad hodnocen鱈 kritika. Nyn鱈 pi zohlednn鱈 zptn辿 vazby bude akt辿r preferovat destinace s m辿n turisty. Iteration (Iterace): 1.Proces se opakuje: Akt辿r navrhne novou destinaci, nap. "Koh Samui, Thajsko". 2.U転ivatel poskytne zptnou vazbu: "Kr叩sn辿 pl叩転e, ale cesta byla dlouh叩." 3.Kritik hodnot鱈 a poskytuje sk坦re, nap. 8/10. 4.Akt辿r opt uprav鱈 sv辿 strategie.
  • 57. Pr叩ce s texty - zkracov叩n鱈 Zkra泥 n叩sleduj鱈c鱈 text na polovinu. "Slon je nejvt邸鱈 suchozemsk辿 zv鱈e na svt. M叩 charakteristick箪 chobot, kter箪 pou転鱈v叩 k d箪ch叩n鱈, uchopov叩n鱈 pedmt哲 a pit鱈 vody. Sloni 転ij鱈 ve st叩dech a jsou zn叩m鱈 svou inteligenc鱈 a soci叩ln鱈mi vazbami." Zkra泥 n叩sleduj鱈c鱈 text na nkolik vt, zachov叩vaj鱈c鱈 hlavn鱈 my邸lenky. "Slon je nejvt邸鱈 suchozemsk辿 zv鱈e na svt. M叩 charakteristick箪 chobot, kter箪 pou転鱈v叩 k d箪ch叩n鱈, uchopov叩n鱈 pedmt哲 a pit鱈 vody. Sloni 転ij鱈 ve st叩dech a jsou zn叩m鱈 svou inteligenc鱈 a soci叩ln鱈mi vazbami. Jsou schopni komunikovat pomoc鱈 r哲zn箪ch zvuk哲 a vibrac鱈. Sloni jsou tak辿 d哲le転it鱈 pro ekosyst辿my, ve kter箪ch 転ij鱈, proto転e pom叩haj鱈 udr転ovat rovnov叩hu prosted鱈." Zkra泥 n叩sleduj鱈c鱈 text na maxim叩ln ti vty, piem転 zachovej nejd哲le転itj邸鱈 informace. "Slon je nejvt邸鱈 suchozemsk辿 zv鱈e na svt. M叩 charakteristick箪 chobot, kter箪 pou転鱈v叩 k d箪ch叩n鱈, uchopov叩n鱈 pedmt哲 a pit鱈 vody. Sloni 転ij鱈 ve st叩dech a jsou zn叩m鱈 svou inteligenc鱈 a soci叩ln鱈mi vazbami. Jsou schopni komunikovat pomoc鱈 r哲zn箪ch zvuk哲 a vibrac鱈. Sloni jsou tak辿 d哲le転it鱈 pro ekosyst辿my, ve kter箪ch 転ij鱈, proto転e pom叩haj鱈 udr転ovat rovnov叩hu prosted鱈. Jejich p鱈tomnost m哲転e m鱈t pozitivn鱈 vliv na biodiverzitu a zdrav鱈 les哲 a savan."
  • 58. Pr叩ce s texty - prodlu転ov叩n鱈 "Roz邸i n叩sleduj鱈c鱈 vtu na nkolik vt." "Koky jsou obl鱈ben鱈 dom叩c鱈 mazl鱈ci." "Roz邸i n叩sleduj鱈c鱈 odstavec, pid叩n鱈m detail哲 a p鱈klad哲." "ten鱈 knih je prosp邸n辿 pro rozvoj my邸len鱈." "Roz邸i n叩sleduj鱈c鱈 text na nkolik odstavc哲, zahrnuj鱈c鱈 v鱈ce podrobnost鱈, p鱈klad哲 a vysvtlen鱈." "Stromy jsou d哲le転it辿 pro 転ivotn鱈 prosted鱈."
  • 59. Pr叩ce s texty - formalizace "Pepi邸 n叩sleduj鱈c鱈 vtu do form叩ln鱈ho stylu." "Hej k叩mo, m哲転e邸 mi poslat ty fotky z dovolen辿?" "Pepi邸 n叩sleduj鱈c鱈 odstavec do neform叩ln鱈ho stylu." "V叩転en箪 pane Nov叩ku, r叩d bych V叩m podkoval za Va邸i 炭ast na na邸鱈 konferenci. Va邸e prezentace byla velmi informativn鱈 a p鱈nosn叩 pro v邸echny z炭astnn辿." "Pepi邸 n叩sleduj鱈c鱈 form叩ln鱈 text do neform叩ln鱈ho stylu a naopak." "V叩転en箪 z叩kazn鱈ku, dkujeme V叩m za V叩邸 ned叩vn箪 n叩kup. Va邸e zptn叩 vazba je pro n叩s velmi d哲le転it叩 a t邸鱈me se na Va邸e dal邸鱈 objedn叩vky."
  • 60. Pr叩ce s texty pomoc v nouzi Jsem na邸tvan箪 na kolegyni. Po叩d jen kouk叩 na Instagram m鱈sto aby vyizovala pracovn鱈 炭koly. Pepi邸 mi pros鱈m do slu邸n辿 kolegi叩ln鱈 formy n叩sleduj鱈c鱈 text do mailu tak, abych nemusel pou転鱈vat slova, kter叩 mne napadaj鱈: Aleno, m叩邸 v tasklistu deset dopis哲 pro z叩kazn鱈ky, nejpozdji do p叩tku je po邸li nebo mi dej vdt, 転e na to nem叩邸 a j叩 tu pr叩ci d叩m nkomu jin辿mu.
  • 61. Shrnut鱈 ROLE, KONTEXT, KOL, FORMT, PKLAD, V箪sledky v転dy dvakr叩t zkontrolujte Pou転鱈vejte pozitivn鱈 zad叩n鱈, m鱈sto nechci peformulujte na chci Peliv pou転鱈vejte stedn鱈ky, 叩rky a teky. Nechte si poradit, jak m叩 dotaz vypadat Piznejte, 転e podporu pou転鱈v叩te.
  • 68. N叩vaznost na 叩st Ve dvojic鱈ch najdte 炭lohu Vyu転ijte znalosti z dopoledne
  • 70. Pr叩ce s pdf U PDF potebujeme vdt, 転e jsou r哲zn辿 intern鱈 form叩ty, i kdy転 hlavn鱈m 炭kolem PDF je na v邸ech za鱈zen鱈ch vypadat stejn. Zkuste si z wordu exportovat PDF a zak叩zat jeho tisk. Takov辿 pdf u GPT nepom哲転e.
  • 71. Pr叩ce s 鱈sly Zejm辿na pro stedn pokroil辿 v excelu. Proto転e pro za叩ten鱈ky m哲転e b箪t pou転鱈v叩n鱈 GPT nebezpen辿. V転dy pou転鱈vejte KOPIE 転iv箪ch soubor哲!
  • 72. Jak na python? Jen ve spolupr叩ci s oddlen鱈m IT. A泥 m叩te zaji邸tno, 転e si hrajete na bezpen箪ch p鱈skovi邸t鱈ch.
  • 73. Jak d叩l na dobrou sadu RAG哲? Identifikovat ot叩zku. Naj鱈t k n鱈 vhodnou odpov. Zjistit, zda pro sestaven鱈 odpovdi jsou k dispozici data (鱈sla, texty). Zjistit, jak asto se data budou mnit, p鱈padn jak asto se do budouc鱈ho korpusu knihovny bude pid叩vat (ka転d辿 pid叩n鱈 nebo zmna bude vy転adovat petr辿nov叩n鱈 RAG modelu).
  • 74. Evropsk辿 centrum pro digit叩ln鱈 inovace pi esk辿m vysok辿m uen鱈 technick辿m v Praze (EDIH CTU) Slu転by zdarma pro startupy AI technologie k vyzkou邸en鱈 :: Testbed pro Pr哲mysl 4.0, DataLab, NLP, ML, robotika, zpracov叩n鱈 obrazu, VR&AR, digit叩ln鱈 dvojata, robobar, detekce anom叩li鱈, prediktivn鱈 炭dr転ba, zpracov叩n鱈 dat a dal邸鱈 Konzultan鱈 slu転by, transfer 岳艶界鞄稼看鉛看乙庄鱈... Propojen鱈 na firmy hledaj鱈c鱈 obdobn辿 e邸en鱈, sd鱈len鱈 dobr辿 praxe (networking) i propojen鱈 na dal邸鱈 slu転by nap鱈 Evropou (edihnetwork.eu) Dal邸鱈 slu転by a kdo je m哲転e vyu転鱈t? Slu転by z 25 % hrazen辿 klienty Posouzen鱈 digit叩ln鱈 zralosti (DMA) - "Kde v叩s podle n叩s m哲転e p叩lit bota" Kurzy zamen辿 na AI v 炭zk辿 spolupr叩ci s prg.ai a celou AI s鱈t鱈 Investin鱈 poradenstv鱈 - "Jak se vyznat ve v箪zv叩ch a jak v nich uspt Kdo m哲転e slu転by vyu転鱈t Slu転bu m哲転e erpat MSP dle definice EU Max. 50 % ceny slu転by je vyk叩z叩na v registru de minimis. Obchodn鱈 podm鱈nky EDIH CTU Kontaktn鱈 炭daje: info@edihctu.eu Telefon: 224 354 149 Web: https://www.edihctu.eu/