Kursplan

Fundament av Agentic AI

  • Vad är en autonom agent: definitioner och taxonomi
  • Agent-loopen: uppfattning, beslutsfattande, handling, observation cykel
  • Designmönster för agenans ansvarsområden och omfång

Python-verktyg och Agent SDK:er

  • Använda LangChain och liknande SDK:er för att snabbt skapa agenter
  • Asynkron programmering, uppgiftskön och subprocesshantering
  • Paketning, virtuella miljöer och reproducerbara utvecklingsarbetsflöden

Integrering av externa verktyg och API:er

  • Design av verktygssnitt och säkra anropsmönster för verktyg
  • Anslutning till webb-API:er, databaser och interna tjänster
  • Hantering av autentiseringsuppgifter, hemligheter och minsta privilegierad åtkomst

Minnes-, tillstånds- och kontexthantering

  • Korttidskontextfönster och prompt-engineering-tekniker
  • Långtidsminnesarkitekturer: Redis, vektorlagring, hämtningstillägg
  • Konsekvens, cachestrategier och minneshygien

Orchestration, planering och flerstegsarbetsflöden

  • Kedja av handlingar, underagenter och uppgiftsdeltagare
  • Planeringsalgoritmer vs heuristisk orchestration
  • Hantering av fel, återförsök och kompensatoriska handlingar

Säkerhet, testning och observabilitet

  • Hotmodeller, red-teaming och in- och utgående sanitizing
  • Enhets-, integrations- och slut-to-end-testning för agenter
  • Loggning, metrik, spårning och aviseringar för agentbeteende

Distribution, skalning och MLOps för agenter

  • Kontainerisering, CI/CD-pipeliner och rolloutstrategier
  • Kostnadskontroll, frekvensbegränsning och resursoptimering
  • Övervakning, styrning och operativa handböcker

Sammanfattning och nästa steg

Krav

  • Ett förstånd av Python-programmering
  • Erfarenhet av REST API:er och asynkron I/O
  • Förtrogenhet med maskininlärningskoncept och förtränade LLM:er

Målgrupp

  • ML-ingeniörer
  • AI-utvecklare
  • Mjukvaruutvecklare
 21 timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier