Создание агентов искусственного интеллекта с использованием Python и многоагентных платформ

Сложность современных приложений ИИ требует сложной оркестровки. Готовы ли вы выйти за рамки простых подсказок и создать интеллектуальные системы, которые могут автоматизировать сложные задачи корпоративного уровня? Этот курс предоставляет практическую, ориентированную на код основу для проектирования, создания и развертывания агентов ИИ, которые являются надежными, отслеживаемыми и масштабируемыми. Вы перейдете от базовых концепций агентов к реализации многоагентных архитектур корпоративного уровня с использованием ведущих платформ Python. Что вы узнаете: * Понять основные концепции агентов LLM, включая шаблон ReAct и эффективное использование инструментов (вызов функций). * Разработка и внедрение сложных многоагентных рабочих процессов с использованием современных инструментов оркестрации, таких как LangGraph и AutoGen. * Применение методов поиска и дополнения (ПДД) к наземным агентам в запатентованных данных с использованием векторных баз данных. * Практикуем основные принципы LLMOps, включая мониторинг, отслеживание и основные показатели оценки эффективности агентов. * Настроить надежные конвейеры развертывания для агентных систем, интегрируя такие концепции, как основы CI / CD и основы контейнеризации. Курс начинается с определения ключевой терминологии и основных шаблонов агентов, а затем переходит к практической реализации многоагентных архитектур. Мы сосредоточимся исключительно на письменных объяснениях и практических примерах кода, чтобы проиллюстрировать готовность к производству. Этот курс предназначен для начинающих разработчиков и инженеров программного обеспечения, которые имеют рабочие знания Python и хотят специализироваться на создании развертываемых систем агентов ИИ. Не требуется предыдущий опыт работы с LangChain, LLMOps или продвинутым ИИ. Начните осваивать архитектуры, необходимые для следующего поколения приложений ИИ сегодня.