Kursplan
Introduktion till agentic AI och översikt över bootcampa
- Förståelse av agentic AI och bootcampstrukturen
- Genomgång av verktyg, ramverk och beroenden
- Bästa praxis för projektuppsättning och samarbete
Projekt 1: Intelligent assistent med promptorienterad resonemangsförmåga
- Design av en uppgiftsbaserad konversationsagent
- Användning av strukturerade prompts för resonemang och beslutsfattande
- Bygg och test i Jupyter Notebook
Projekt 2: Agent för dokumentanalys och sammanfattning
- Extrahering och sammanfattning av data från PDF:er och textfiler
- Användning av LangChain för intagning och hämtning av dokument
- Generering av executive reports från strukturerat och ostructurerat innehåll
Projekt 3: Verktyganvändande agent för automatisering av flöden
- Integrering av externa API:er och automatisering av upprepade uppgifter
- Hantering av flerstegsprocesser genom agentic-lopp
- Bygg en liten automatiseringsassistent för verkliga affärsflöden
Projekt 4: Agent för dataanalys och insiktsgenerering
- Anslutning av agenter till datakällor (CSV, SQL eller API)
- Utförande av explorativ dataanalys med Python och AI-stöd
- Skapande av visuella insikter och prestandadashboards
Projekt 5: Multi-agent-samarbete och orkestrering
- Samordnande av flera agenter för uppgiftsdelegering
- Design av en kontrollerare-arbetsarkitektur (controller–worker)
- Distribution och testning av ett prototypsystem med multi-agent
Avslutning och nästa steg
- Projektpresentationer och feedback från kollegor
- Diskussion om optimering och skalningsstrategier
- Resurser för fortsatt lärande och experiment
Krav
- Medelkunskaper i Python-programmering
- Grundläggande förståelse för AI- eller maskininlärningsprinciper
- Kunskap om API:er och dataprocesseringarflöden
Målgrupp
- Ingenjörer och utvecklare som vill bygga tillämpade AI-projekt
- Tekniska team som söker snabba prototyputvecklingskunskaper inom agentic AI
- Praktiker som är inblandade i AI-integration och utveckling av pilotprogram
Vittnesmål (1)
Framför allt värdefullt: Praktiska uppgifter inom dataanalys med hjälp av AI utan att bara kopiera och klistra in – genom att själv tillämpa det jag lärt mig. Nästa värdefullaste: Definitionen av termer som alla använder (färdigheter, agenter, MCP, API). Nu när jag förstår dem känner jag mig mycket mer trygg i att prova AI. Tredje: Dina insikter kring hur AI fungerar, vad den kan och vad den inte kan (jag kommer att minnas din 80/20-regel för alltid). Fjärde: Att allt vi lärt oss av dig finns tillgängligt i skriftlig och lättillgänglig form.
Lieven Hofmann - Transport & Environment
Kurs - Hands-On Agentic AI Bootcamp: Build 5 Real Projects in Python
Maskintolkat