Kerangka Materi

Pengenalan kepada Agen AI Interaktif

  • Tinjauan kinerja interaktif AgentCore
  • Mengatur alur kerja kaya dengan memori dan alat
  • Kasus penggunaan dalam analitik, otomatisasi, dan dukungan

Bekerja dengan Memori AgentCore

  • Mengonfigurasi kekekalan sesi
  • Mengatur alur kerja berlangkah-multi, sadar konteks
  • Lab praktis: membangun agen analisis data yang memori-daya

Komputasi Dinamis dengan Interpretator Kode

  • Operasi yang didukung dan batasan keamanan
  • Mengeksekusi transformasi dan kalkulasi dengan aman
  • Lab praktis: mengaktifkan transformasi data real-time

Interaksi Real-Time dengan Alat Peramban

  • Mengatur alat peramban untuk alur kerja agen
  • Pengambilan data dan interaksi antarmuka pengguna
  • Lab praktis: membangun agen dengan kemampuan interaksi web

Menggabungkan Memori, Kode, dan Alat Peramban

  • Mengarahkan alur kerja di antara memori dan alat
  • Mengatur alur kerja interaktif, multi-modal
  • Lab praktis: membangun asisten dukungan pelanggan

Pengujian dan Observabilitas

  • Mengebug alur kerja interaktif
  • Mencatat dan memantau penggunaan alat
  • Lab praktis: dashboard observabilitas untuk agen interaktif

Best Practices untuk Deploymen Perusahaan

  • Membilangkan interaktivitas dengan keamanan dan pengawasan
  • Mengoptimalkan kinerja dan pengalaman pengguna
  • Kasus studi adopsi perusahaan

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengalaman dengan Python atau JavaScript untuk prototyping
  • Pemahaman tentang desain aplikasi yang dipimpin oleh LLM
  • Kenalan dengan alur kerja data berbasis cloud

Audience

  • Engineer ML
  • Ilmuwan data
  • Pengembang yang berfokus pada UX
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait