Návrh Školení

Úvod do Agentic AI systémů

  • Definice Agentic AI a jeho schopností
  • Klíčové rozdíly mezi pravidelným AI a autonomním AI
  • Případové studie a aplikace v průmyslu

Architektura Agentic AI systémů

  • Rámce a nástroje pro vytváření autonomního AI
  • Návrh AI agentů s cílově orientovanými schopnostmi
  • Implementace paměti, kontextové povědomí a pružnosti

Vývoj AI agentů pomocí Pythonu a API

  • Vytváření AI agentů pomocí OpenAI a DeepSeek API
  • Integrace AI modelů s externími zdroji dat
  • Zpracování odpovědí API a zlepšování interakcí agenta

Optimalizace spolupráce vícerobotních systémů

  • Návrh AI agentů pro spolupracující a konkurenční úkoly
  • Správa komunikace agenta a dělení úkolů
  • Rozšiřování vícerobotních systémů pro skutečné aplikace

Zlepšení rozhodovacích procesů v Agentic AI

  • Učení s reforcovanou vazbou a samoúpravující se AI agenti
  • Plánování, důvodné uvažování a realizace dlouhodobých cílů
  • Zohledňování rovnováhy mezi automatizací a lidským dozorem

Bezpečnost, etika a shoda s požadavky v Agentic AI

  • Řešení biasů a zajištění odpovědného nasazování AI
  • Bezpečnostní opatření pro AI podporované rozhodování
  • Právní aspekty autonomních AI systémů

Budoucí trendy v Agentic AI

  • Pokroky ve svobodně učících se AI systémech
  • Rozšíření schopností AI agentů pomocí multimodálního učení
  • Příprava na další generaci autonomního AI

Shrnutí a další kroky

Požadavky

  • Základní znalost konceptů umělé inteligence a strojového učení
  • Zkušenosti s programováním v Pythonu
  • Příznaky s integrací AI modelů na základě API

Cílová skupina

  • Inženýři AI, kteří vytvářejí autonomní systémy AI
  • Vědci v oblasti strojového učení zkoumající multi-agentní rámce AI
  • Vývojáři implementující automace podporované umělou inteligencí
 14 hodiny

Počet účastníků


Price per participant

Reference (1)

Upcoming Courses

Související kategorie