感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
代理式 AI 介紹
- 定義代理式 AI 及其與傳統 AI 系統的關聯
- 推理、記憶與目標驅動架構的概述
- 關鍵應用場景與產業應用
核心概念與設計模式
- 代理循環:感知、推理與行動
- 單一代理與多代理系統之比較
- 環境互動與工具呼叫
提示工程基礎
- 設計用於推理與任務分解的有效提示
- 運用範例、約束條件與角色以提高控制力
- 系統性地偵錯與迭代提示
建立簡單的代理工作流
- 在 Python 中實現代理循環
- 整合 API 與簡單工具
- 管理代理狀態與記憶
負責任設計與安全實踐
- 倫理考量與代理的負責任使用
- AI 系統中的偏見、透明度與問責制
- 存取控制、資料保護與內容安全
實作專案:設計負責任的代理
- 定義問題範圍與目標
- 開發提示與控制邏輯
- 測試、優化並評估代理行為
總結與下一步
最低要求
- 具備 AI 或機器學習概念的基本理解
- 熟悉 Python 語法與指令碼撰寫
- 有處理數據或基於 API 的應用程式經驗
受眾
- 初入代理式 AI 開發領域的資料科學家
- 探索應用型代理架構的初級 ML 工程師
- 希望了解代理設計與安全原則的技術經理
14 小時
客戶評論 (3)
培訓師很有耐心,也非常樂於助人。他對主題非常瞭解。
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
課程 - Agentic AI for Business Automation: Use Cases & Integration
機器翻譯
知識與實踐的良好結合
Ion Mironescu - Facultatea S.A.I.A.P.M.
課程 - Agentic AI for Enterprise Applications
機器翻譯
理論與實踐的結合,以及高層與底層視角的融合
Ion Mironescu - Facultatea S.A.I.A.P.M.
課程 - Autonomous Decision-Making with Agentic AI
機器翻譯