План на курса

Въведение в Агентната ИИ

  • Дефиниране на агентна ИИ и нейното отношение към традиционните системи на ИИ
  • Общ преглед на разсъждаването, паметта и архитектурата с целоръков подход
  • Ключови приложения и индустрийни области

Основни концепции и проектни патерни

  • Цикъл на агента: перцепция, разсъждаване и действие
  • Едноагентни против многоагентни системи
  • Взаимодействие с околната среда и извикване на инструменти

Основи на подтикването

  • Проектиране на ефективни подканвания за разсъждаване и декомпозиция на задачи
  • Използване на примери, ограничения и роли за по-добра контролируемост
  • Отстраняване на грешки и систематично подобряване на подканванията

Създаване на прости работни процеси на агенти

  • Имплементация на цикъл на агента в Python
  • Интеграция с API и прости инструменти
  • Управление на състоянието и паметта на агента

Отговорно проектиране и практики за безопасност

  • Етични разсъждения и отговорно използване на агенти
  • Преразпределение, прозрачност и отчетност в системите за ИИ
  • Управление на достъпа, защита на данни и сигурност на съдържанието

Практически проект: Проектиране на отговорен агент

  • Дефиниране на обхвата на проблема и цели
  • Разработка на подканването и логиката за контрол
  • Тестване, подобрение и оценка на поведението на агента

Резюме и следващи стъпки

Изисквания

  • Основно разбиране на концепции в ИИ или машинното учене
  • Запознаност с синтаксиса и скриптовете на Python
  • Опит в работата с данни или приложения базирани на API

Целева аудитория

  • Датови научни работници, които започват с разработване на агентна ИИ
  • Млади инженери по машинно учене, които изследват приложени архитектури на агенти
  • Технически мениджъри, които искат да разберат принципите за проектиране и безопасност на агенти
 14 часа

Брой участници


Цена за участник

Отзиви от потребители (3)

Предстоящи Курсове

Свързани Kатегории