Курс за обучение по Проектиране на многоагентни работни потоци с AutoGen Studio

AutoGen е open-source рамка от Microsoft за изграждане на многоагентни приложения, които използват LLM, инструменти, памет и потребителско взаимодействие.

Това обучение с инструктор на живо (онлайн или на място) е насочено към разработчици и архитекти на напреднало ниво, които желаят да проектират и внедрят дълбоко персонализирани агенти, използвайки Python-базираните API на AutoGen, възможностите за извикване на функции и модулните вериги от инструменти.

До края на това обучение участниците ще могат да:

• Разработват персонализирани агенти с ролево-специфична логика и маршрутизиране на инструменти.
• Изграждат динамични работни потоци, използвайки напреднало извикване на функции и превключване на контекст.
• Внедряват модули за памет и рамки за планиране в екипи от агенти.
• Справят се със състояния на грешка при много агенти и адаптивни механизми за повторен опит.

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практическо изпълнение в среда на живо в лаборатория.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля свържете се с нас за уговорка.

AutoGen за корпоративна AI автоматизация е практически курс, фокусиран върху внедряването на мащабируеми системи с интелигентни агенти за автоматизиране на сложни бизнес операции с помощта на рамката AutoGen.

Това обучение с инструктор на живо (онлайн или на място) е предназначено за AI специалисти от средно до напреднало ниво, които искат да внедрят архитектури с множество агенти в корпоративни платформи и процеси, използвайки рамката AutoGen.

До края на това обучение участниците ще могат да:

• Проектират и автоматизират корпоративни работни потоци с помощта на AutoGen и LLM агенти.
• Интегрират AutoGen с LangChain за усъвършенствана оркестрация и управление на контекста.
• Изграждат RAG конвейри и свързват корпоративни данни за контекстуална автоматизация.
• Свързват агенти с корпоративни платформи като Slack, Jira и SharePoint.
• Мащабират и наблюдават внедрявания на AutoGen в продукционни среди.

Формат на курса

• Интерактивна лекция и дискусия.
• Множество упражнения и практически занимания.
• Практическа реализация в среда с лаборатория на живо.

Опции за персонализиране на курса

• За да поискате персонализирано обучение за този курс, моля, свържете се с нас за уговорка.

Изграждане на LLM агентни системи с AutoGen е практически курс, фокусиран върху разработването на мултиагентни системи с помощта на рамката AutoGen на Microsoft за големи езикови модели (LLM).

Това обучение, водено от инструктор на живо (онлайн или на място), е предназначено за професионалисти в областта на изкуствения интелект и автоматизацията на средно ниво, които желаят да проектират, внедряват и оркестрират мултиагентни системи, използвайки AutoGen с Python и LLM.

До края на това обучение участниците ще могат да:

• Проектират мултиагентни архитектури с помощта на рамката AutoGen.
• Конфигурират роли на агенти, способности и координационно поведение.
• Използват извикване на функции и управление на паметта за взаимодействия между агенти.
• Изграждат и тестват работни потоци на LLM агенти, базирани на Python, за реални случаи на употреба.

Формат на курса

• Интерактивна лекция и дискусия.
• Множество упражнения и практика.
• Практическа реализация в среда на живо.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас, за да уговорим.

Този еднодневен уъркшоп, предназначен за разработчици, специалисти по данни и AI ентусиасти, ще ви помогне да разберете и овладеете силата на агентните AI системи, използвайки AutoGen v0.4.

Чрез комбинация от практически упражнения и демонстрации ще научите как да изграждате, управлявате и внедрявате многоагентни приложения, задвижвани от големи езикови модели (LLM).

До края на курса ще придобиете солидна основа в слоестата архитектура на AutoGen, ще овладеете асинхронната комуникация между агенти и ще разгледате реални приложения и най-добри практики за разработване на мащабируеми и интелигентни LLM-базирани приложения.