Kerangka Materi

Pengenalan ke Sistem Agentic AI

  • Mendefinisikan Agentic AI dan kemampuannya
  • Perbedaan utama antara AI berbasis aturan dan AI otonom
  • Kasus penggunaan dan aplikasi industri

Merancang Sistem Agentic AI

  • Kerangka kerja dan alat untuk membangun AI otonom
  • Mendesain agen AI dengan kemampuan berorientasi tujuan
  • Mengimplementasikan memori, kesadaran konteks, dan adaptabilitas

Mengembangkan Agen AI dengan Python dan API

  • Membangun agen AI menggunakan OpenAI dan DeepSeek APIs
  • Mengintegrasikan model AI dengan sumber data eksternal
  • Menangani respons API dan meningkatkan interaksi agen

Mengoptimalkan Kolaborasi Multi-Agen

  • Mendesain agen AI untuk tugas kooperatif dan kompetitif
  • Mengelola komunikasi agen dan delegasi tugas
  • Menykalakan sistem multi-agen untuk aplikasi dunia nyata

Meningkatkan Pengambilan Keputusan dalam Agentic AI

  • Pembelajaran penguatan dan agen AI yang dapat meningkatkan diri
  • Perencanaan, penalaran, dan eksekusi tujuan jangka panjang
  • Menyeimbangkan otomatisasi dengan pengawasan manusia

Keamanan, Etika, dan Kepatuhan dalam Agentic AI

  • Menangani bias dan memastikan penyebaran AI yang bertanggung jawab
  • Tindakan keamanan untuk pengambilan keputusan berbasis AI
  • Pertimbangan regulasi untuk sistem AI otonom

Tren Masa Depan dalam Agentic AI

  • Kemajuan dalam autonomi AI dan sistem pembelajaran diri
  • Memperluas kemampuan agen AI dengan pembelajaran multimodal
  • Bersiap untuk generasi berikutnya dari AI otonom

Ringkasan dan Langkah Berikutnya

Persyaratan

  • Pemahaman dasar tentang konsep AI dan machine learning
  • Pengalaman dengan pemrograman Python
  • Kenalan dengan integrasi model AI berbasis API

Audience

  • Insinyur AI yang mengembangkan sistem AI otonom
  • Peneliti ML yang mengeksplorasi kerangka kerja AI multi-agen
  • Pengembang yang mengimplementasikan otomatisasi berbasis AI
 14 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (3)

Kursus Mendatang

Kategori Terkait