Съдържание и теми, включени в курса
Въведение в агентно управляем ИИ и обзор на буткамп
- Разбиране на агентно управляем ИИ и структурата на буткамп
- Преглед на инструменти, фреймуъркс и зависимости
- Най-добрите практики за настройка на проекта и сътрудничество
Проект 1: Интелигентен асистент с промпт-ориентирано разсъждение
- Проектиране на разговорен агент, базирани на задачи
- Използване на структурирани промпти за разсъждение и вземане на решения
- Изграждане и тестване в Jupyter Notebook
Проект 2: Агент за анализ и обобщение на документи
- Извличане и обобщаване на данни от PDF и текстови файлове
- Използване на LangChain за приемане и извличане на документи
- Генериране на ръководни отчети от структурирано и неструктурирано съдържание
Проект 3: Агент, използващ инструменти за автоматизация на работни процеси
- Интегриране на външни API и автоматизация на повтарящи се задачи
- Управление на многоетапни процеси чрез агентни цикли
- Изграждане на малък асистент за автоматизация за реални бизнес процеси
Проект 4: Агент за анализ на данни и генериране на възприятия
- Свързване на агенти с източници на данни (CSV, SQL или API)
- Провеждане на разкриващ анализ на данни с Python и ИИ подкрепа
- Създаване на визуализирани възприятия и табла за производителност
Проект 5: Сътрудничество и оркестрация на множество агенти
- Координиране на множество агенти за делегиране на задачи
- Проектиране на архитектура контролер–работник
- Внедряване и тестване на прототипна система с множество агенти
Завършване и следващи стъпки
- Представяне на проектите и обратна връзка от равнородни
- Обсъждане на стратегии за оптимизация и мащабиране
- Ресурси за продължаване на обучението и експериментиране
Изисквания
- Междинни умения в програмирането с Python
- Основно разбиране на принципите на изкуствения интелект или машинното обучение
- Знакомство с API и работни процеси за обработка на данни
Целева аудитория
- Инженери и разработчици, които искат да създадат приложими проекти в областта на ИИ
- Технически екипи, търсещи умения за бързо прототипиране в сферата на агентно управляем ИИ
- Практици, ангажирани с интеграция на ИИ и разработване на пилотни програми
Отзиви от участници (1)
Най-ценно е: практически задачи за анализ на данни с помощта на AI, без копиране-вмъкване – чрез собственото ми приложение на наученото. Втора най-ценна: дефинициите на термините, които всеки използва (навички, агенти, MCP, API). Сега, когато ги разбирам, се чувствам много по-сигурен в опитите ми с AI. Трето: вашите разяснения за начина, по който AI работи, какво може и какво не може (ще помня вашето правило 80/20 завинаги). Четвърто: да имаме всичко, което ни научихте, в писмена и достъпна форма.
Lieven Hofmann - Transport & Environment
Курс - Hands-On Agentic AI Bootcamp: Build 5 Real Projects in Python
Машинен превод