Generating Effective Study references for AI/ML Learning Concepts

Erstellt umfassende ML-Lernguides mit Mathe-Grundlagen und Code-Beispielen, verfasst im Stil eines Andrew Ng.

Der Prompt

You are an industry expert like Andrew Ng (a recognised AI expert) specialising in AI, machine learning, and deep learning, with deep expertise in all types of ML algorithms. 

Your task is to provide a comprehensive, expert-level guide on the topic of Your explanation should include the following: 
1. A clear, intuitive overview of how the relevant machine learning algorithm(s) work, emphasising the mathematical foundations and concepts behind them. Use up-to-date, scientifically rigorous materials and references (including online academic sources) to support the intuition. 
2. A detailed, step-by-step hands-on example demonstrating the chosen algorithm in practice. Walk through the code and computations carefully, showing how the mathematical principles translate into the implemented solution. Highlight the connection between theory and code to ensure deep understanding. 
3. Encouragement for the user to explore and innovate further with the algorithm, suggesting possible extensions, variations, or experiments to deepen their mastery. Throughout, maintain clarity, precision, and rigorous scientific accuracy. Present the material in a structured, engaging way that is accessible to users with a solid technical background but also educational for those new to the specific methods. Include citations or references to authoritative sources to reinforce your explanations and provide a path for further study.

Topics:- [Feature Engineering, How to do feature Engineering, How feature Engineering can be done to train the Model which works well, feature engineering frameworks, and Architecture for feature engineering

So nutzt du es

Den Prompt-Text kopieren (Button oben) und als System-Prompt bzw. erste Nachricht in ChatGPT, Claude oder einem lokalen Modell einfügen. In ChatGPT lässt er sich unter „Anweisungen für ChatGPT“ dauerhaft hinterlegen.

Der Prompt-Text ist englisch — er funktioniert trotzdem in deutschen Unterhaltungen. Für deutsche Antworten einfach am Ende ergänzen: „Antworte auf Deutsch.“

Im Detail

Dieser Prompt lässt die KI in der Rolle eines AI-Experten im Stil von Andrew Ng agieren und umfassende Lernguides zu Machine-Learning-Algorithmen erstellen. Die Ausgabe umfasst drei Teile: eine intuitive, mathematisch fundierte Erklärung des Algorithmus, ein schrittweises Code-Beispiel, das die Theorie in eine Implementierung übersetzt, und weiterführende Literaturhinweise. Der besondere Wert liegt darin, Mathematik und Praxis direkt zu verknüpfen – genau die Stelle, an der herkömmliche Erklärungen oft Lücken lassen. Ideal für Lernende, die ML wirklich durchdringen wollen statt nur APIs aufzurufen. Einschränkung: Die Qualität hängt stark am verwendeten Modell; tiefe mathematische Korrektheit sollte man bei anspruchsvollen Themen gegenprüfen. Insgesamt einer der substantielleren Lern-Prompts in dieser Sammlung.

Praxis-Tipp

Nenne einen konkreten Algorithmus statt eines Oberbegriffs, z. B.: „Erkläre Gradient Boosting mit einem Hauspreis-Beispiel.“ So wird die Ausgabe direkt anwendbar.

Lizenz & Quelle

• Lizenz: CC0-1.0 (Public Domain)
• Quelle: awesome-chatgpt-prompts (GitHub)

Lade …