Kerangka Materi

1. Pengantar Aplikasi LLM dan AutoGen v0.4

  • Ikhtisar Model Bahasa Besar (LLMs): Memahami kemampuan dan aplikasinya. 
  • Pengenalan ke AutoGen v0.4: Menjelajahi fitur, arsitektur, dan bagaimana cara mempermudah pengembangan sistem AI agen.

2. Konsep Inti dan Komponen AutoGen

  • Pemahaman tentang Kerangka Berlapis:
    • Lapisan Inti: Arsitektur berbasis peristiwa yang mendukung alur kerja dinamis.
    • AgentChat API: Membangun agen berbasis tugas dengan API tingkat tinggi.
    • Ekstensi: Mengintegrasikan agen kustom, alat, dan modul memori untuk fungsionalitas yang lebih baik.
  • Pesan Asinkron: Implementasi gaya interaksi berbasis peristiwa dan permintaan-tanggapan. 

3. Membuat Aplikasi Multi-Agen Pertama Anda

  • Mendefinisikan Agen: Menciptakan agen Asisten dan User Proxy.
  • Mendirikan Komunikasi Agen: Mengatur pesan asinkron antara agen. 
  • Implementasi Aplikasi Contoh: Mengembangkan sistem multi-agen sederhana untuk menyelesaikan tugas tertentu. 
  • Alat Observabilitas dan Penyembuhan Bug: Menggunakan pelacakan metrik bawaan dan pelacakan pesan untuk pemantauan real-time. 

4. Studi Kasus dan Praktik Terbaik

  • Aplikasi Nyata: Memeriksa implementasi sukses AutoGen di berbagai industri.
  • Praktik Terbaik: Panduan untuk merancang aplikasi LLM yang efisien dan skalabel menggunakan AutoGen.
  • Tantangan dan Solusi: Mengatasi tantangan umum yang dihadapi selama pengembangan dan solusinya.
  • Q&A

Pelatihan ini dimaksudkan untuk:

  • pengembang perangkat lunak
  • ilmuwan data
  • insinyur data
  • orang dengan latar belakang atau kecenderungan pemrograman yang ingin mempelajari pemrograman AI.

Persyaratan

Prasyarat - Pemrograman Python

 7 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (5)

Kursus Mendatang

Kategori Terkait