Chuyển sang chế độ ngoại tuyến với ứng dụng Player FM !
Qualität von und mit Prompt Engineering - David Faragó
Manage episode 367810324 series 3466870
"Ich habe dann aber noch nicht klassisch dieses eine Prompt verbessert, sondern bin dann übergegangen in eine Konversation. Es muss ja nicht bei einem einzelnen Prompt bleiben" - David Faragó
Als Deep-Learning-Enigneer erforscht David die Möglichkeiten zum Einsatz der KI. Es geht um seine Annäherung an KI-generierte Testfälle, die Grenzen und die Möglichkeiten. Außerdem haben wir über Prompt-Patterns gesprochen, was kleinste Veränderungen im Prompt bewirken und wie sie gestaltet werden können, um die Qualität der Antworten zu steigern. Zum Schluss schätzt David die Entwicklung der KI ein und hat interessante Tipps für Tester, die anfangen möchten, KI in ihren Workflow zu integrieren.
David ist Deep-Learning-Engineer bei der Firma mediform, die Kommunikationslösungen wie Telefon-Bots für Arztpraxen entwickelt. Er beschäftig sich dort u.a. mit Fine-tuning von Large-Language-Models, Prompt-Engineering und Data Science, aber auch mit Software-Engineering, z.B. Microservices, Kubernetes und Qualitätssicherung. Nebenher hat er noch seine Firma QPR Technologies, die Beratung und Entwicklungsdienstleistung zu innovativer Qualitätssicherung anbietet, z.B. mittels Statische-Code-Analyse oder KI. Diese hatte er mit Kollegen nach seiner Promotion zu Symbolic AI, Formalen Methoden und Modellbasiertem Testen gegründet. Er ist Mitglied des Leitungsgremiums der GI-Fachgruppe Test, Analyse und Verifikation.
Themen im Podcast:
- Wo die Unterstützung der KI vielversprechend ist
- David's Annäherung an KI-generierte Tests
- Prompt-Patterns zur Qualitätssteigerung
- Seine Einschätzung über die Entwicklung der KI
- David's Tipps für Tester
Kontakt zu David:
- LinkedIn: https://swt.fm/4d3o
Weitere Links:
Prompt-Patterns-Papier: https://swt.fm/uirg
Alle weiteren im Podcast erwähnten Links sind hier zu finden: https://swt.fm/hlpb
Website: https://www.software-testing.fm
YouTube: https://swt.fm/pyou
Danke an die Community-Partner des Podcasts:
- Alliance for Qualification: https://swt.fm/a4q
- ASQF: https://swt.fm/asqf
- Austrian Testing Board: https://swt.fm/atb
- dpunkt.verlag: https://swt.fm/dpv
- German Testing Board: https://swt.fm/gtb
- German Testing Day: https://swt.fm/gtd
- GI Fachgruppe TAV: https://swt.fm/tav
- HANSER Verlag: https://swt.fm/chv
- iSQI GmbH: https://swt.fm/isqi
- oop: https://swt.fm/oop
- QS-TAG: https://swt.fm/qst
- SIGS-DATACOM: https://swt.fm/sigs
- skillsclub: https://swt.fm/sc
- Swiss Testing Board: https://swt.fm/stb
Credits:
- Sound: https://swt.fm/krz
- Grafik: https://swt.fm/kdb
- Post-Produktion: https://swt.fm/nic
Chương
1. Willkommen (00:00:00)
2. Praktische Anwendung von GPT-3 für Commit-Nachrichten (00:03:34)
3. Testfallgenerierung mit Prompt Engineering (00:07:24)
4. Zukunft der KI-gestützten Testgenerierung (00:15:33)
5. Tipps für Tester im Umgang mit KI (00:21:57)
70 tập
Manage episode 367810324 series 3466870
"Ich habe dann aber noch nicht klassisch dieses eine Prompt verbessert, sondern bin dann übergegangen in eine Konversation. Es muss ja nicht bei einem einzelnen Prompt bleiben" - David Faragó
Als Deep-Learning-Enigneer erforscht David die Möglichkeiten zum Einsatz der KI. Es geht um seine Annäherung an KI-generierte Testfälle, die Grenzen und die Möglichkeiten. Außerdem haben wir über Prompt-Patterns gesprochen, was kleinste Veränderungen im Prompt bewirken und wie sie gestaltet werden können, um die Qualität der Antworten zu steigern. Zum Schluss schätzt David die Entwicklung der KI ein und hat interessante Tipps für Tester, die anfangen möchten, KI in ihren Workflow zu integrieren.
David ist Deep-Learning-Engineer bei der Firma mediform, die Kommunikationslösungen wie Telefon-Bots für Arztpraxen entwickelt. Er beschäftig sich dort u.a. mit Fine-tuning von Large-Language-Models, Prompt-Engineering und Data Science, aber auch mit Software-Engineering, z.B. Microservices, Kubernetes und Qualitätssicherung. Nebenher hat er noch seine Firma QPR Technologies, die Beratung und Entwicklungsdienstleistung zu innovativer Qualitätssicherung anbietet, z.B. mittels Statische-Code-Analyse oder KI. Diese hatte er mit Kollegen nach seiner Promotion zu Symbolic AI, Formalen Methoden und Modellbasiertem Testen gegründet. Er ist Mitglied des Leitungsgremiums der GI-Fachgruppe Test, Analyse und Verifikation.
Themen im Podcast:
- Wo die Unterstützung der KI vielversprechend ist
- David's Annäherung an KI-generierte Tests
- Prompt-Patterns zur Qualitätssteigerung
- Seine Einschätzung über die Entwicklung der KI
- David's Tipps für Tester
Kontakt zu David:
- LinkedIn: https://swt.fm/4d3o
Weitere Links:
Prompt-Patterns-Papier: https://swt.fm/uirg
Alle weiteren im Podcast erwähnten Links sind hier zu finden: https://swt.fm/hlpb
Website: https://www.software-testing.fm
YouTube: https://swt.fm/pyou
Danke an die Community-Partner des Podcasts:
- Alliance for Qualification: https://swt.fm/a4q
- ASQF: https://swt.fm/asqf
- Austrian Testing Board: https://swt.fm/atb
- dpunkt.verlag: https://swt.fm/dpv
- German Testing Board: https://swt.fm/gtb
- German Testing Day: https://swt.fm/gtd
- GI Fachgruppe TAV: https://swt.fm/tav
- HANSER Verlag: https://swt.fm/chv
- iSQI GmbH: https://swt.fm/isqi
- oop: https://swt.fm/oop
- QS-TAG: https://swt.fm/qst
- SIGS-DATACOM: https://swt.fm/sigs
- skillsclub: https://swt.fm/sc
- Swiss Testing Board: https://swt.fm/stb
Credits:
- Sound: https://swt.fm/krz
- Grafik: https://swt.fm/kdb
- Post-Produktion: https://swt.fm/nic
Chương
1. Willkommen (00:00:00)
2. Praktische Anwendung von GPT-3 für Commit-Nachrichten (00:03:34)
3. Testfallgenerierung mit Prompt Engineering (00:07:24)
4. Zukunft der KI-gestützten Testgenerierung (00:15:33)
5. Tipps für Tester im Umgang mit KI (00:21:57)
70 tập
Tất cả các tập
×Chào mừng bạn đến với Player FM!
Player FM đang quét trang web để tìm các podcast chất lượng cao cho bạn thưởng thức ngay bây giờ. Đây là ứng dụng podcast tốt nhất và hoạt động trên Android, iPhone và web. Đăng ký để đồng bộ các theo dõi trên tất cả thiết bị.