Kursplan

Introduktion till fleragentsystem

  • Definiera fleragentsystem och deras tillämpningar
  • Agentic AI:s roll i autonom agentinteraktion
  • Utmaningar inom fleragentkoordination

Utveckla Agentic AI för fleragentmiljöer

  • Utforma autonoma AI-agenter
  • Agentkommunikation och beslutsfattandestrategier
  • Simuleringsmiljöer för fleragent-AI

Reinforcement learning för Agentic AI

  • Använda reinforcement learning i fleragentsystem
  • Träna autonoma agenter för anpassat beteende
  • Balansera utforskning och utnyttjande i beslutsfattandet

Samarbete och konkurrens i fleragentsystem

  • Strategier för kooperativa AI-agenter
  • Konkurrerande och antagonistiska AI-interaktioner
  • Emergent beteende i fleragentmiljöer

Agentic AI inom robotik och automatisering

  • Fleragentsamarbete inom robotik
  • Swarmintelligence och centraliserat beslutsfattande
  • Fallstudier i AI-applikationer för robotar

Agentic AI inom spelutveckling

  • Utforma AI-drivna NPCs i fleragentsimuleringar
  • Betesmodellering för interaktiva AI-agenter
  • Real-tids AI-beslutsfattande i dynamiska miljöer

Skalning av fleragents-AI-system

  • Prestandaoptimering för storskaligt AI-interaktioner
  • Hantera agent-hierarkier och rollbaserat beslutsfattande
  • Integrera AI-agenter med molnbaserade miljöer

Framtiden för fleragentsystem med Agentic AI

  • Kommande trender inom autonomt AI-samarbete
  • Utöka fleragents-AI-förmågor med djupinlärning
  • Etiska och regelverkanskrav för fleragentsystem med AI

Sammanfattning och nästa steg

Krav

  • Erfarenhet av utveckling av AI-modeller
  • Förståelse för fleragentsystemkoncept
  • Bekantskap med reinforcement learning och AI-driven automatisering

Målgrupp

  • AI-forskare som studerar autonom agentinteraktion
  • Robotikingenjörer som utformar fleragentsamarbete
  • Spelutvecklare som implementerar AI-drivna NPC-beteenden
 14 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier