Περιγραφή

Τίτλος	Prompt Engineering Specialist: Πρότυπες τεχνικές για επαγγελματική χρήση LLMs
Title	Prompt Engineering Specialist: Standard Techniques for Professional Use of LLMs
Περίοδος Υλοποίησης	Από 1/6/2026 έως 31/7/2026
Διάρκεια σε Μήνες & ECTS	2 Μήνες ECTS: 3	Ώρες Επιμόρφωσης	80 ώρες
Μέθοδος διδασκαλίας	Το πρόγραμμα πραγματοποιείται εξ αποστάσεως και ασύγχρονα, χωρίς την υποχρέωση παρακολούθησης διαλέξεων.
Δίδακτρα	250 ευρώ Ισχύουν 3 δόσεις και εκπτώσεις: Εφάπαξ πληρωμή διδάκτρων: έκπτωση 20%* Πρόωρη εγγραφή, δηλαδή πληρωμή τουλάχιστον της 1ης δόσης, έως και 1 μήνα πριν την έναρξη του προγράμματος: έκπτωση 20% Φοιτητές: έκπτωση 20% Άνεργοι: έκπτωση 20% Πολύτεκνοι: έκπτωση 20% Ευρωπαϊκή Κάρτα Νέων: έκπτωση 15% AMEA: έκπτωση 20%

Αντικείμενο & Σκοπός Προγράμματος

Το πρόγραμμα “Prompt Engineering Specialist: Πρότυπες τεχνικές για επαγγελματική χρήση LLMs” προσφέρει μια σφαιρική και εις βάθος εκπαίδευση στις τεχνικές καθοδήγησης των Μεγάλων Γλωσσικών Μοντέλων (LLMs) και τις πρακτικές τους εφαρμογές στην αγορά. Σκοπός του προγράμματος είναι να εφοδιάσει τους συμμετέχοντες με τα απαραίτητα θεωρητικά και πρακτικά εργαλεία, ώστε να μετατρέπουν την Τεχνητή Νοημοσύνη από μια απλή πηγή πληροφοριών σε έναν πανίσχυρο συνεργάτη, ικανό να επιλύει σύνθετα προβλήματα με ακρίβεια και ασφάλεια.

Το πρόγραμμα έχει σχεδιαστεί για ένα ευρύ φάσμα ενδιαφερομένων που επιθυμούν να εξειδικευτούν στον κλάδο:

Στελέχη Επιχειρήσεων & Αναλυτές: Που επιθυμούν να αυτοματοποιήσουν ροές εργασίας και να εξάγουν στρατηγικά συμπεράσματα.
Content Creators & Designers: Που θέλουν να εμβαθύνουν στη χρήση Multimodal AI για παραγωγή εικόνας και video.
Επαγγελματίες κάθε κλάδου: Που θέλουν να μάθουν τη δόμηση “Master Prompts” για εξειδικευμένες επιχειρησιακές ανάγκες.

Μαθησιακοί Στόχοι Προγράμματος

Με την ολοκλήρωση του προγράμματος, οι συμμετέχοντες θα είναι σε θέση να:

Κατανοούν πλήρως τις βασικές αρχές των LLMs και τη διαφορά του Prompt Engineering από τον παραδοσιακό προγραμματισμό.
Χειρίζονται με ασφάλεια προηγμένες τεχνικές όπως το Chain-of-Thought και το Role Prompting για τον περιορισμό των “παραισθήσεων”.
Αναλύουν και να Δομούν αποτελεσματικές προτροπές χρησιμοποιώντας τα τέσσερα βασικά συστατικά (Οδηγία, Πλαίσιο, Δεδομένα, Δείκτης Εξόδου).
Αξιολογούν διαφορετικά μοντέλα (ChatGPT, Gemini) και να προσαρμόζουν τη στρατηγική τους ανάλογα με την αρχιτεκτονική τους.
Εφαρμόζουν πρακτικές λύσεις Multimodal AI.
Σχεδιάζουν και να Παρουσιάζουν μια ολοκληρωμένη ανάλυση (Project) μέσω ενός Master Prompt που επιλύει ένα πραγματικό πρόβλημα.

ΚΑΘΗΓΗΤΕΣ

ΚΑΘΗΓ. ΣΠΥΡΟΣ ΚΟΚΟΛΑΚΗΣ

Ακαδημαϊκός και επιστημονικός υπεύθυνος των προγραμμάτων.

ΔΡ ΙΩΑΝΝΗΣ ΣΤΥΛΙΟΣ

BSc, MSc, MEd, PhD, PostDoc

Διδάσκων & συγγραφέας του εκπαιδευτικού υλικού των προγραμμάτων.

ΌΛΓΑ ΘΑΝΟΥ BSc., MSc., PhD(c)

Διδάσκουσα & συγγραφέας του εκπαιδευτικού υλικού.

Μεθοδολογία Υλοποίησης Προγράμματος

1.Διαδικασία υλοποίησης της επιμόρφωσης

Η εξ αποστάσεως ασύγχρονη ηλεκτρονική μάθηση (e-Learning), θα στηρίζεται σε μια σύγχρονη και ειδική διαδικτυακή πλατφόρμα (Moodle) όπου θα βρίσκεται διαθέσιμο για τους συμμετέχοντες το σύνολο του εκπαιδευτικού και του λοιπού υποστηρικτικού υλικού. Η πλατφόρμα αυτή θα μπορεί να υποστηρίζει και την επικοινωνία των εκπαιδευτών με τους εκπαιδευόμενους, την υποβολή των απαραίτητων ασκήσεων και εργασιών, τη συμπλήρωση των ερωτηματολογίων της αξιολόγησης κ.ά. Είναι αυτονόητο ότι τόσο το εκπαιδευτικό όσο και το λοιπό υποστηρικτικό υλικό είναι προσαρμοσμένο στις ανάγκες και στις ιδιαιτερότητες της ασύγχρονης εξ αποστάσεως εκπαίδευσης.

2. Μέθοδοι υλοποίησης της επιμόρφωσης

Το εκπαιδευτικό υλικό που χρησιμοποιείται για τη διδακτική υποστήριξη περιλαμβάνει κυρίως:

Πλήρες ηλεκτρονικό σύγγραμμα.
Παρουσιάσεις power point που θα κατευθύνουν τους φοιτητές και τις φοιτήτριες στη μελέτη και στην κατανόηση του εκπαιδευτικού υλικού.
Ασύγχρονη τηλεκπαίδευση με βιντεοδιαλέξεις.
Σύντομες ασκήσεις αυτοαξιολόγησης και εργασίες.
Η μέθοδος εκπαίδευσης είναι η ασύγχρονη τηλεκπαίδευση. Το εκπαιδευτικό υλικό θα διατίθεται σταδιακά, ανά εβδομάδα, ακολουθώντας τη ροή του μαθήματος.

3. Μέθοδοι Αξιολόγησης & Κριτήρια Απόδοσης Πιστοποιητικού Επιμόρφωσης

Η μέθοδος αξιολόγησης αποτελείται από τρία μέρη:

α) Αυτοαξιολόγηση: 5 ασκήσεις πολλαπλής επιλογής, σωστό-λάθος, αντιστοίχιση, κ.τ.λ.

β) Αξιολόγηση: 1 εργασία ανάπτυξης κάθε εβδομάδα.

γ) Τελική εργασία.

Ο τελικός βαθμός προκύπτει από το αποτέλεσμα των εβδομαδιαίων εργασιών και της τελικής εργασίας. Το πρόγραμμα δεν θα διατηρεί απουσιολόγιο.

Οδηγός Σπουδών

Περίγραμμα Προγράμματος

Ενότητα 1: Στρατηγικές Σχεδίασης Προτροπών

Στη διδακτική ενότητα 1 οι συμμετέχοντες θα κατανοήσουν πώς «σκέφτονται» τα μεγάλα γλωσσικά μοντέλα και θα εξοικειωθούν με τη βασική δομή επικοινωνίας.

Μάθημα 1: Εισαγωγή στα LLMs

- Ανάλυση της στατιστικής πρόβλεψης (Token Prediction) και της πιθανοτικής απεικόνισης.
- Η μετάβαση από την ενστικτώδη χρήση στη στρατηγική αλληλεπίδραση

Μάθημα 2: Αρχιτεκτονική Προτροπών
- Οι τρεις πυλώνες: Σαφήνεια, Συμφραζόμενα, Στόχευση.
- Δόμηση προτροπών με Οδηγία, Πλαίσιο, Δεδομένα και Δείκτη Εξόδου.

Μάθημα 3: Διαχείριση Αξιοπιστίας και “Παραισθήσεων”
- Αναγνώριση και αντιμετώπιση λογικών ασυνεπειών.
- Εισαγωγή στο Zero-shot και Few-shot Prompting.

Μάθημα 4: Τεχνικές Καθοδήγησης Εξόδου (Output Steering)
- Χρήση μορφοποίησης και αρνητικών περιορισμών (Constraints).
- Μετασχηματισμός γενικών ερωτήσεων σε δομημένα επιχειρησιακά σενάρια.

Ενότητα 2: Προηγμένες Τεχνικές και Επιχειρησιακή Εφαρμογή

Στη διδακτική ενότητα 2 οι συμμετέχοντες θα εμβαθύνουν σε τεχνικές βελτιστοποίησης των προτροπών, θα εξοικειωθούν με εργαλεία τεχνητής νοημοσύνης και θα ενσωματώσουν τις γνώσεις τους σε ένα ολοκληρωμένο, ρεαλιστικό project. Η ενότητα αυτή αναδεικνύει τη μετάβαση από τη μεμονωμένη χρήση εργαλείων σε μια συστηματική, επιχειρησιακά προσανατολισμένη αξιοποίησή τους, με έμφαση τόσο στην αποδοτικότητα όσο και στην υπεύθυνη χρήση.

Μάθημα 5: Prompt Optimization & Chain-of-Thought
- Αλγοριθμική έναντι χειροκίνητης βελτιστοποίησης.
- Εφαρμογή Αλυσίδας Σκέψης για διασφάλιση λογικής συνέπειας.

Μάθημα 6: Multimodal AI (Εικόνα & Video)
- Δημιουργία εικόνων.
- Παραγωγή video.
- Διαχείριση ορίων χρήσης (Quotas) και στρατηγική επιλογή εργαλείων.

Μάθημα 7: Responsible AI & Επιχειρησιακό Περιβάλλον
- Επαναληπτικός κύκλος ζωής (Design, Execution, Evaluation, Refinement).
- Περιορισμός αλγοριθμικών προκαταλήψεων και ηθική δεοντολογία.
- Advanced Data Analysis για επιχειρησιακά δεδομένα.