PROMPT:软件开发者的终身学习

PROMPT – 面向专业软件开发者的硕士课程

1. 引言

一个旧的大学学位就能提供整个职业生涯所需全部知识的时代已经过去。如今,终身学习对于雇主和雇员都至关重要。PROMPT项目是由瑞典知识基金会资助的一项倡议[2] ,旨在向专业软件开发人员和工程师提供最先进的软件工程知识,以增强瑞典工业界在全球市场上的竞争力。该项目始于2015年,将于2020年结束,并计划届时将PROMPT课程纳入参与高校的常规教学大纲中。

PROMPT项目由瑞典马尔达伦大学的嵌入式系统研究方向牵头,并与布来金厄理工学院、查尔姆斯理工大学、哥德堡大学、马尔达伦大学以及瑞典计算机科学研究院合作开展课程。

2. PROMPT理念

2.1 概述

20多门不同的PROMPT课程均属于硕士级别,这意味着PROMPT学员需要具备理学学士或同等学位才能符合课程申请资格,尽管通过其他途径获得的相应资质也可经过验证予以认可。这些课程涵盖介于2.5到7.5个大学学分之间,可以按任意顺序修读。所有课程均以英语授课。

由于这些课程包含在瑞典大学招生系统中,因此欧盟(EU)、欧洲经济区(EEA)和瑞士的所有公民均可免费参加。

2.2 课程开发

每门PROMPT课程都是在与瑞典工业界和行业协会(例如ABB公司、爱立信、萨博、瑞典软件协会和沃尔沃集团)密切合作下开发的。每门课程均由负责的教师/研究人员与至少五名行业代表共同参与,对现有的硕士级别课程进行升级,或开发出适合具有多年工作经验的专业软件开发人员和工程师的新课程。课程开发工作为教师/研究人员提供了来自工业界的宝贵输入,这些信息可用于他们的研究以及面向年轻学生的普通校园课程。

2.3 课程实施

所有PROMPT课程均面向全球范围内的全职工作者设计。这意味着所有的讲座、作业和考试均为在线形式,PROMPT学员可以在任何时间、任何地点观看讲座、完成作业或参加考试。部分课程还提供可选的校园日。课程材料采用“通勤友好型”格式,以短时课程为主,使学员能够在公交车或火车上学习PROMPT课程。

PROMPT教师可通过电子邮件、聊天、电话或其他通信方式与学生进行互动。考核主要通过个人或小组作业完成,且在多门课程中,学生可以将工作环境中的问题或案例带入课程。

通过PROMPT课程的学生将获得硕士级别的大学学分,即这些课程可计入获得硕士学位的学分要求。

3. PROMPT课程

3.1 软件开发主题

PROMPT课程涵盖了与软件开发和软件生命周期相关的不同领域。这包括以下领域:

  • 软件密集型系统的开发过程与方法(6门课程)
  • 软件测试(6门课程)
  • 可靠软件(4门课程)
  • 架构与设计(2门课程)
  • 大数据(2门课程)

3.2 PROMPT课程

有超过20个不同的PROMPT课程,涵盖各种软件工程主题。每个 PROMPT课程通常每年开设一次。与校园课程不同,学生可以在课程开始前甚至开始后申请PROMPT课程。

不同的PROMPT课程由布来金厄理工学院、哥德堡大学或马尔达伦大学提供。所有课程的详细信息均可在项目网站www.promptedu.se上找到,该网站还提供了有关录取程序的信息。

PROMPT课程 学分
自适应精益软件测试 7.5
高级软件架构 7.5
软件密集型产品的敏捷与精益开发产品 7.5
应用云计算与大数据 7.5
应用网络安全 5.0
行为软件工程 5.0
持续需求工程与产品管理 7.5
可靠且容错嵌入式系统设计系统 7.5
分布式开发与外包 2.5
基于证据的流程变革与改进 7.5
工业软件开发 7.5
大规模软件测试 2.5
大数据机器学习 7.5
基于模型的开发:理论与实践 7.5
质量保证——通过形式化验证捕捉缺陷 7.5
质量保证 – 安全关键的认证 (软件)系统 7.5
质量保证 – 基于模型的测试在实践中的应用 2.5
质量保证 – 回归测试和故障预测 2.5
质量保证 – 软件的应用科学测试 7.5
安全关键软件 6.0
科学、研究方法和科学论文,重点在计算机科学 7.5
可用性和用户体验 7.5

4. PROMPT结论

4.1 PROMPT与终身学习

终身学习对个人和工业界都变得至关重要。这一趋势得到了欧盟、各国政府、行业协会、工会及其他利益相关者的积极支持。目前发展最快的领域之一是软件,其推动力包括自动化程度的提高以及人工智能和大数据的快速引入。在自动驾驶汽车和物联网应用的开发中,对可靠且安全的软件的需求显而易见。因此,PROMPT项目的推出时机非常恰当,这一点从学生人数的迅速增长中可见一斑。

4.2 PROMPT统计信息

PROMPT课程的开发始于2015年,大多数课程在2017年完成并正式开设。在2017年秋季学期,平均每门课程有23.5名学生。

PROMPT学员的平均年龄为39岁,其中17%为女性。根据瑞典统计局[3]的数据,瑞典软件开发者的平均年龄为41岁,其中20%为女性,这表明PROMPT学员在很大程度上代表了该项目所面向的专业软件开发者群体。

2017年秋季的大多数PROMPT学员居住在瑞典,但也有学员居住在德国、希腊、挪威、英国和美国。

Prompt Learning详解 现阶段NLP最火的两个idea 一个是对比学习(contrastive learning) 另一个就是 prompt prompt 说简单也很简单 看了几篇论文之后发现其实就是构建一个语言模板 但是仔细想想又觉得复杂 总感觉里面还有很多细节 因此我想从头到尾梳理一下prompt 很多地方会把它翻译成[范式] 但是这个词本身不好理解 我个人更倾向于看作是模板 首先我们要知道预训练模型(Bert为首)到底做了什么? 我觉得是预训练模型提供了一个非常好的初始化参数 这组参数在预训练任务上的表现非常好(预训. 阅读详情

相关推荐

提示学习Prompt介绍

关于提示学习的简单介绍

Wwwwwww527的博客 1万+

学习笔记 | 基于大模型的优质 Prompt 开发课

学习笔记 | 基于大模型的优质 Prompt 开发课。课程内容涵盖优质 Prompt 构建方式、优化技巧、场景应用等全栈知识。该课程手把手教授如何构建高质量提示词,掌握大型模型对话技巧和高级用法,以便利用大型语言模型的生成能力。无需技术基础,仅需会打字即可。课程共四节课,包括基础构建方式、优化技巧和应用场景等实践知识。无论甚至没有计算机背景也可以在此课程中学习如何使用大型模型以提高生产效率。

叶庭云 成为自己的光 3198

优秀Prompt库大盘点:让你的Prompt更专业

​ Prompt Engineering作为推动AI技术落地的重要一环,正逐渐受到越来越多开发人员的关注和重视。通过合理利用顶级Prompt库资源,我们可以快速提升自己的Prompt Engineering技能水平,为项目开发和应用创新提供有力支持。

llm_way的博客 2616

Prompt learning 教学[基础篇]:prompt基本原则以及使用场景技巧助力你更好使用chatgpt,得到你想要的答案

Dyno Prompt Engineering IDE是一款基于人工智能技术的集成开发环境(IDE),它可以帮助开发者更快速、更高效地进行软件开发。Dyno Prompt Engineering IDE的主要特点包括以下几个方面:智能代码提示:Dyno Prompt Engineering IDE可以通过分析代码语法和上下文,智能地提供代码提示和自动补全功能,帮助开发者更快速地编写代码。

丨汀、的博客 1609

吴恩达+Open AI 《面向开发者的ChatGPT Prompt 工程》课程学习2——prompt指导原则1

吴恩达+Open AI 《面向开发者的ChatGPT Prompt 工程》课程学习2——prompt指导原则1

artistkeepmonkey的博客 1570

程序人生:以终身学习保障职业生涯持续发展

程序员的职业生涯,始终绕不开「技术焦虑」——今天学Vue3,明天要懂云原生,后天AI又成了必备技能。有人跟风刷题却越学越迷茫,有人埋头工作却被新技术甩在身后。其实,解决焦虑的核心不是「学更多」,而是「会学习」:建立一套可复制的终身学习体系,把「被动追赶」变成「主动成长」。本文结合我8年的开发经验(从Java后端到云原生架构师),分享程序员从入门到资深的学习框架、实操方法,以及如何在忙碌工作中保持学习状态。

架构师的AI之路,分享AI应用开发架构的学习与实践。 897

探索大模型能力--prompt工程

LLM大语言模型终究也只是一个工具,我们不可能每个人都去训一个大模型,但是我们可以思考如何利用好大模型,让他提升我们的工作效率。

AAI666666的博客 2720

论文学习——A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT

这篇文章相当于Prompt工程的一个系统性的介绍文章,告诉你应该如何设计Prompt,以及如何评价对应的Prompt 。 通过这文章,大概知道关于Prompt的相关设计论文应该怎么写,有了一个大概的思路,同时也知道如何设计一个prompt,保证模型输出的是对应模板,然后提取其中的信息。后续其他的模式作用并不大, 暂时不准备继续往下看了。 后续会继续翻译,使用LLM进行文本分类的文章。

Blackoutdragon的博客 2004

从小处着眼,从大处着手:为终身机器人操作的原语提示学习

25年4月来自上海AI实验室、复旦大学、上海交大、浙大、西工大、中国电信和美国索菲亚大学的论文“Think Small, Act Big: Primitive Prompt Learning for Lifelong Robot Manipulation”。 构建一个可以有效利用先前知识进行持续技能获取的终身机器人,仍然具有重大挑战性。尽管经验重放和参数高效方法在缓解灾难性遗忘问题方面取得了成功,但单纯地应用这些方法会导致无法利用技能之间的共享原语。为了解决这些问题,提出原语提示学习(PPL),通过可重用

yorkhunter的博客 2157

PROMPT:面向软件开发者的硕士课程

PROMPT是由瑞典知识基金会资助的硕士级别课程项目,旨在为专业软件开发者提供终身学习机会。课程涵盖软件工程多个领域,与工业界合作开发,全在线授课,支持全球从业者修读并获得大学学分。

wdx0123456的博客 431

【VisionMaster】图像源模块之本地图像

图像采集之图像源

zhy29563 6956

小白学习大模型之prompt工程,什么是prompt?什么是prompt工程?

Prompt是一种基于人工智能(AI)指令的技术,通过明确而具体的指导语言模型的输出。在提示词工程中,Prompt的定义涵盖了任务、指令和角色三个主要元素,以确保模型生成符合用户需求的文本。Prompt明确而简洁地陈述了用户要求模型生成的内容。这包括在特定应用场景中,用户希望模型完成的任务或生成的文本类型。模型在生成文本时应遵循的指令是Prompt中的关键要素之一。这些指令具体规定了模型生成文本的方式,通过清晰的语言来引导模型以获得所需的输出。Prompt中还包括模型在生成文本时应扮演的角色。

HUANGXIN9898的博客 2257

【头歌实训:逆置顺序表】

根据提示,在右侧编辑器补充函数rev的代码,使用顺序表L的空间就地逆置L。},要求时间复杂度为O(n),空间复杂度为O(1)。第一行为顺序表逆置之前的元素。每个数据后一个空格。第二行为顺序表逆置之后的元素。每个数据后一个空格。本关任务:设计一个算法,将一个顺序表L的元素{a。第一行为顺序表中元素个数n。第二行为空格隔开的n个整数。开始你的任务吧,祝你成功!

guang_Lee的博客 997

大模型学习之prompt工程,什么是prompt?什么是prompt工程?

在与大模型进行交流的过程中,由于用户经验不足、模型差异性会出现Prompt指令不当的问题,因此需要通过Prompt工程,使用户能够控制模型的输出,使其生成相关、准确且高质量的文本。这与机器学习的过程类似,需要进行迭代。举一个实际的例子:假设我们的目标是让模型生成关于科技新闻的文章。初始时,我们可能给出一个简单的Prompt:“生成一篇关于最新科技进展的文章。然而,模型可能会输出一些泛泛的信息,不够深入或专业。通过Prompt工程的迭代过程,我们会逐步优化Prompt。

2401_85373691的博客 1973

IT资产管理(三)之GLPI资产录入

glpi 在 10 版本之后已经有自带的 glpi-agent 代理程序可自动获取服务器、电脑等的信息并进行自动录入和更新,不再依赖 10 版本之前的 fusioninventory 插件或者第三方资产统计平台 OCS Inventory 等

予挚之的博客 2981

Python 映射函数map()详解

Python 映射函数map()详解

分享我的点点滴滴,在成长路上与你同行! 2139

什么是 prompt learning?简单直观理解 prompt learning

prompt learning 有可能会成为下一代预训练语言模型,所以本博客在此简单直观的介绍一下何为 prompt learning。

LiQZ的博客 1万+

ESP32 DW1000 UWB 室内定位系统

详细介绍ESP32 DW1000 UWB 室内定位系统的设计演示demo。

DT程序员的博客 1662

提示学习(Prompt-learning)

该阶段需要大量任务相关的训练数据,通过特征工程和算法,比较有代表的算法是朴素贝叶斯Naïve Bayes、支持向量机SVM、逻辑回归LR等;模板(Template)的功能是在原有输入文本上增加提示语句,从而将原任务转化为MLM 任务,可以分为离散型和连续型两种。模板由不同字段构成,可任意组合。每个字段中的关键字定义了数据文本或者提示文本,即 input_ids,属性可定义该字段是否可截断,以及对应的 position_ids,token_type_ids 等。什么是MLM 任务?

weixin_42424479的博客 8561

银行监管报送系统系列介绍(二十一):银行监管报送系统总览

为保护法院案件当事人、利害关系人的合法权益,全面落实《最高人民法院、中国银行业监督管理委员会关于人民法院与银行业金融机构开展网络执行查控和联合信用惩戒工作的意见》(法【2014】266号),最高人民法院和银监会联合下发了《人民法院、银行业金融机构网络执行查控工作规范》(法【2015】321号),要求银行金融机构配合最高人民法院开展 “总对总”网络执行查控工作,并建立相应的业务系统,实现与法院的网络对接,协助法院完成对被执行人银行账户存款及其他金融资金的网络查询、冻结与扣划工作。

银行信息系统应用架构详解 2863

微信小程序 - 实现人脸识别对比+人脸相似度数据,用户从相册选择或拍照上传两张图片进行人脸对比得到人脸相似度及判断是否是同一个人,微信小程序检测人脸相似度(免费纯前端方案+调用第三方API接口方案)

微信小程序实现人脸识别对比,微信小程序人脸对比 人脸对比识别 人脸对比相似度,实现获取手机摄像头权限,调用相机拍照实现人脸识别相似度对比,小程序人脸相似度对比,快速识别两张照片的相似程度(用百分比)图片相似度对比在线测试,图片相似度对比,微信小程序人脸相似度对比分析,计算两张人脸的相似度,从而判断是否同一个人,并给出相似度评分。小程序如何实现人脸相似度比对,小程序纯前端怎么对比两张图片的相似度,计算两幅图像的相似度,图像相似度对比方法,调用百度AI的人脸识别,微信小程序中实现人脸识别认证,实现人脸检测、人脸

🏆 前端领域优质创作者 4862

prompt-engineering-note:让开发者掌握ChatGPT提示工程的利器

prompt-engineering-note:让开发者掌握ChatGPT提示工程的利器 项目介绍 在现代人工智能领域,大型语言模型(LLM)的应用日益广泛,而如何高效利用这些模型构建功能强大的应用程序,成为了开发者关注的焦点。prompt-engineering-note 是一个开源学习项目,旨在帮助开发者深入理解并掌握ChatGPT提示工程的最佳实践。这个项目整理了面向开发者的ChatGPT提...

gitblog_00107的博客 737

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

上一篇: 低功耗共源放大器温度补偿设计
下一篇: 1、探索 SAP 软件:从起源到现代应用
lambda
博客等级 码龄23年 49粉丝 1303原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值