Kursplan

Introduktion till Agentic AI-system

  • Definition av Agentic AI och dess förmågor
  • Nyckel skillnader mellan regelbaserad AI och autonom AI
  • Användningsfall och branschtillämpningar

Arkitektur för Agentic AI-system

  • Ramverk och verktyg för att bygga autonom AI
  • Utformning av AI-agenter med målrikt beteende
  • Implementering av minne, kontextmedvetenhet och anpassningsbarhet

Utveckling av AI-agenter med Python och API:er

  • Bygga AI-agenter med hjälp av OpenAI och DeepSeek API:er
  • Integrering av AI-modeller med externa datakällor
  • Hantering av API-svar och förbättring av agentinteraktioner

Optimering av fleragentcollaboration

  • Utformning av AI-agenter för kooperativa och konkurrensuppgifter
  • Hantering av agentkommunikation och uppgiftsdelegering
  • Skalning av fleragentsystem för praktiska tillämpningar

Förbättring av beslutsfattande i Agentic AI

  • Reinforcement learning och självförbättrade AI-agenter
  • Planering, resonemang och långsiktig målexekvering
  • Balansering av automatisering med människlig övervakning

Säkerhet, etik och compliance i Agentic AI

  • Hantering av fördomar och säkrande av ansvarsfull AI-distribution
  • Säkerhetsåtgärder för AI-drivet beslutsfattande
  • Regulatoriska överväganden för autonom AI-system

Framtidstrender i Agentic AI

  • Utvecklingar inom AI-autonomi och självlärande system
  • Utvidgning av AI-agents förmågor med multimodal lärande
  • Förberedelser för nästa generation autonom AI

Sammanfattning och nästa steg

Krav

  • Grundläggande kunskap om AI och maskininlärningskoncept
  • Erfarenhet av Python-programmering
  • Bekantskap med API-baserad AI-modellintegration

Målgrupp

  • AI-ingenjörer som utvecklar autonomiska AI-system
  • ML-forskare som utforskar fleragent AI-ramar
  • Utvecklare som implementerar AI-drivna automatisering
 14 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (3)

Kommande Kurser

Relaterade Kategorier