感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
Agentic AI简介
- 定义Agentic AI及其与传统AI系统的关系。
- 推理、记忆和目标驱动架构概述。
- 关键用例和行业应用。
核心概念与设计模式
- Agent循环:感知、推理和行动。
- 单Agent与多Agent系统。
- 环境交互与工具调用。
提示工程基础
- 设计有效的提示以实现推理和任务分解。
- 使用示例、约束和角色以获得更好的控制。
- 系统地调试和迭代提示。
构建简单的Agentic工作流程
- 在Python中实现Agent循环。
- 与API和简单工具集成。
- 管理Agent状态和记忆。
责任设计与安全实践
- Agent的伦理考虑与责任使用。
- AI系统中的偏见、透明度和问责制。
- 访问控制、数据保护和内容安全。
实践项目:设计一个责任Agent
- 定义问题范围与目标。
- 开发提示与控制逻辑。
- 测试、优化和评估Agent行为。
总结与下一步
要求
- 对AI或机器学习概念有基本了解。
- 熟悉Python语法和脚本编写。
- 有处理数据或基于API的应用程序的经验。
目标受众
- 刚接触Agentic AI开发的数据科学家。
- 探索应用Agent架构的初级机器学习工程师。
- 希望了解Agent设计和安全原则的技术经理。
14 小时
客户评论 (3)
知识与实践的良好结合
Ion Mironescu - Facultatea S.A.I.A.P.M.
课程 - Agentic AI for Enterprise Applications
机器翻译
理论与实践的结合,以及高层与底层视角的融合
Ion Mironescu - Facultatea S.A.I.A.P.M.
课程 - Autonomous Decision-Making with Agentic AI
机器翻译
实务练习
Daniel - Facultatea S.A.I.A.P.M.
课程 - Agentic AI in Multi-Agent Systems
机器翻译