Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Grundläggande kunskaper om Agentic AI
- Vad är en autonom agent: definitioner och taxonomi
- Agentloopen: cykeln för uppfattning, beslut, agerande och observation
- Designmönster för agentansvar och omfattning
Python-verktyg och agent-SDK:er
- Användning av LangChain och liknande SDK:er för att starta agenter
- Asynkron programmering, uppgiftsköer och hantering av delprocesser
- Programvarupackning, virtuella miljöer och reproducerbara utvecklingsflöden
Integrering av externa verktyg och API:er
- Design av gränssnitt för verktyg och säkra mönster för verktygsanrop
- Anslutning till web API:er, databaser och interna tjänster
- Hantering av inloggningsuppgifter, hemligheter och minsta privilegie-åtkomst
Minne, status och kontexthantering
- Korttidskontextfönster och tekniker för promptengineering
- Arkitekturer för långtidsminne: Redis, vektordatabaser, Retrieval-Augmented Generation (RAG)
- Konsistens, cachestrategier och minneshygien
Orkestrering, planering och flerstegsflöden
- Slänta av handlingar, underagenter och uppgiftsdecomposition
- Planeringsalgoritmer kontra heuristisk orkestrering
- Hantering av fel, nya försök och kompenserande åtgärder
Säkerhet, testning och observability
- Säkerhetsmodeller, red-teaming och sanitering av indata/utdata
- Enhetstestning, integrationstestning och end-to-end-testning för agenter
- Loggning, metriker, spårning och larmning för agentbeteende
Deployning, skalning och MLOps för agenter
- Containerisering, CI/CD-pipelines och rullningsstrategier
- Kostnadskontroll, rate limiting och resursoptimering
- Övervakning, styrning och operativa playbook:er
Sammanfattning och nästa steg
Krav
- Kunskaper om Python-programmering
- Erfarenhet av REST API:er och asynkron I/O
- Genomgång med maskininlärningskoncept och föruttränade LLM:er
Målgrupp
- ML-ingenjörer
- AI-utvecklare
- Programvaruingenjörer
21 Timmar
