Resultados de aprendizaje

• Definir los conceptos centrales, el alcance y la terminología involucrados en la ingeniería de prompts y los modelos de IA generativa.
• Explicar cómo los tokens, las ventanas de contexto, la temperatura y el top-p afectan los resultados y el comportamiento del modelo de lenguaje.
• Identificar casos de uso clave y limitaciones de la ingeniería de prompts en diversas industrias y dominios.
• Distinguir entre prompts de sistema, prompts de usuario y técnicas para establecer instrucciones claras de manera efectiva.
• Generar prompts con un tono, estilo y alineación de persona personalizados para satisfacer los diversos requisitos de la audiencia.
• Evaluar la ambigüedad, el presupuesto de tokens y las comprobaciones de validación para mejorar la fiabilidad y precisión de los prompts.
• Aplicar estrategias de cadena de pensamiento para diseñar prompts paso a paso que fomenten rutas de razonamiento transparentes.
• Comparar métodos para el seguimiento del estado del diálogo, el llenado de ranuras y el resumen de sesiones en diseños de múltiples turnos.
• Crear prompts programáticos utilizando variables de plantilla, lógica condicional y herramientas de automatización de manera eficiente.
• Evaluar el rendimiento de los prompts mediante pruebas A/B, optimización de costos e iteraciones de retroalimentación humana.
• Categorizar las aplicaciones de la ingeniería de prompts en la generación de contenido, tareas de datos y dominios especializados.
• Discutir las preocupaciones éticas, incluidos los sesgos, la privacidad, los derechos de autor y la gestión de alucinaciones en los sistemas de IA.