Εξέλιξη Κομματιού
Εισαγωγή στην Agentic AI και Επισκόπηση του Bootcamp
- Κατανόηση της Agentic AI και της δομής του bootcamp
- Επισκόπηση εργαλείων, πλατφορμών και εξαρτήσεων
- Βέλτιστες πρακτικές για τη διαμόρφωση έργου και τη συνεργασία
Έργο 1: Εξυπνός Βοηθός με Αναζήτηση Βασισμένη σε Prompt
- Σχεδιασμός ενός διαδραστικού agent βασισμένου σε καθήκοντα
- Χρήση δομημένων prompt για σκέψη και λήψη αποφάσεων
- Κατασκευή και δοκιμή σε Jupyter Notebook
Έργο 2: Agent για Ανάλυση και Περίληψη Εγγράφων
- Εξαγωγή και σύνοψη δεδομένων από αρχεία PDF και κειμένου
- Χρήση LangChain για εγγραφή και ανάκτηση εγγράφων
- Δημιουργία εκτελεστικών αναφορών από δομημένο και μη δομημένο περιεχόμενο
Έργο 3: Agent Χρήσης Εργαλείων για Αυτοματοποίηση Ροών Εργασίας
- Ενσωμάτωση εξωτερικών API και αυτοματοποίηση επαναλαμβανόμενων εργασιών
- Διαχείριση πολυβάθμιων διαδικασιών μέσω agentic loops
- Κατασκευή ενός μικρού βοηθού αυτοματοποίησης για πραγματικές επιχειρηματικές ροές εργασίας
Έργο 4: Agent για Ανάλυση Δεδομένων και Δημιουργία Ενδείξεων
- Σύνδεση agent με πηγές δεδομένων (CSV, SQL ή API)
- Εκτέλεση αναλυτικής ανάλυσης δεδομένων με Python και υποστήριξη AI
- Δημιουργία οπτικών ενδείξεων και ταμπλό επιδόσεων
Έργο 5: Συνεργασία και Ορχήστρωση Multi-Agent
- Συντονισμός πολλαπλών agent για ανάθεση εργασιών
- Σχεδιασμός αρχιτεκτονικής controller–worker
- Κατασκευή και δοκιμή ενός πρωτότυπου συστήματος multi-agent
Σύνοψη και Επόμενα Βήματα
- Παρουσιάσεις έργων και ανατροφοδότηση από συνομηλίκους
- Συζήτηση στρατηγικών βελτιστοποίησης και κλίμακας
- Ποροιές για συνεχή μάθηση και πειραματισμό
Απαιτήσεις
- Ενδιάμεση ικανότητα στο προγραμματισμό Python
- Βασική κατανόηση των αρχών της AI ή της μηχανικής μάθησης
- Οικειότητα με APIs και ροές επεξεργασίας δεδομένων
Στοίχος Κόσμος
- Μηχανικοί και αναπτύκτες που επιθυμούν να δημιουργήσουν εφαρμοσμένα έργα AI
- Τεχνικές ομάδες που αναζητούν δεξιότητες γρήγορης πρωτότυπης σε agentic AI
- Εφαρμοστικοί επαγγελματίες που εμπλέκονται στην ενσωμάτωση AI και την ανάπτυξη πιλοτικών προγραμμάτων
Σχόλια (1)
Το πιο σημαντικό: Εργασίες πρακτικής ανάλυσης δεδομένων με AI χωρίς αντιγραφή-επικόλληση — αλλά μέσα από την δική μου εφαρμογή όσων έμαθα. Δεύτερο σε σημασία: Ο ορισμός όρων που χρησιμοποιεί ο καθένας (δεξιότητες, agents, MCP, API). Τώρα που τους καταλαβαίνω, νιώθω πολύ πιο σίγουρος/η στο να δοκιμάσω την AI. Τρίτο: Οι συμβουλές σας για το πώς λειτουργεί η AI, τι μπορεί να κάνει και τι όχι (θα θυμάμαι τον κανόνα 80/20 σας για πάντα). Τέταρτο: Όσα μας δίδαξετε είναι πλέον διαθέσιμα σε γραπτή και προσβάσιμη μορφή.
Lieven Hofmann - Transport & Environment
Κομμάτι - Hands-On Agentic AI Bootcamp: Build 5 Real Projects in Python
Μηχανική Μετάφραση