Kerangka Materi

Pendahuluan Agent Builder dan RAG

  • Ringkasan kemampuan Agent Builder
  • Dasar-dasar RAG dan kapan menggunakan mereka
  • Kasus penggunaan dan kisah sukses

Menyiapkan Lingkungan

  • Mengonfigurasi workspace Vertex AI
  • Menghubungkan search dan vector stores
  • Lab praktik: persiapan lingkungan

Mendesain Alur Kerja Agent yang Grounded

  • Mendefinisikan tujuan agent dan alur percakapan
  • Memplotting sumber data ke strategi pencarian
  • Lab praktik: membangun alur percakapan

Menerapkan Pipeline RAG

  • Mendeindeks dokumen dan embedding
  • Polanya retriever dan re-ranker
  • Lab praktik: membuat pipeline RAG

Integrasi dan Data Perusahaan

  • Konektor aman ke sistem internal
  • Pemerintah data dan kontrol akses
  • Lab praktik: menghubungkan sumber data perusahaan

Pengujian, Penilaian, dan Iterasi

  • Pengujian dan metrik penilaian prompt
  • Strategi simulasi dan validasi pengguna
  • Lab praktik: mengevaluasi dan menyesuaikan agent

Pengembangan, Pemantauan, dan Pemasangan

  • Opsi pengembangan dan pertimbangan pengembangan
  • Memantau kinerja, relevansi, dan drift
  • Buku panduan operasi untuk pembaruan dan rollback

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengetahuan dasar pemrosesan bahasa alami
  • Pengalaman dengan layanan cloud dan API
  • Kenampakan dengan basis data pencarian dan vektor

Audience

  • Pengembang
  • Arsitek solusi
  • Manajer produk
 14 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait