Course Outline

1. Εισαγωγή στις εφαρμογές του LLM και AutoGen v0.4

  • Επίκεντρο της Large Language Models (LLMs): Κατανόηση των δυνατοτήτων και εφαρμογών τους.​ 
  • Εισαγωγή στο AutoGen v0.4: Εξερεύνηση των χαρακτηριστικών, της αρχιτεκτονικής και πώς ελάττονε περίπλοκη την ανάπτυξη αγόντων AI συστημάτων.  

2. Κύριες Ιδέες και Συστατικοί Οργανώστες του AutoGen

  • Κατανόηση του Διαμερισμένου Πλαισίου:
    • Νυχθεμέριος Δίπλα: Δυναμική αρχιτεκτόνιση υποστήριξης δυναμικών workflow.
    • AgentChat API: Δημιουργία αγόντων με επιπέδωση APIs.
    • Εκτελεστικά: Προσαρμογή προσασπιστών, εργαλείων και μονάδων μνήμης για αυξημένη λειτουργικότητα.
  • Ασυγχρονή Συνομιλία: Ανάπτυξη επειδαφών και αποκατάστασης προσωπικότητα.

3. Δημιουργία της Πρώτης Πολυανθρώπου Εφαρμογής

  • Ορισμός αγόντων: Δημιουργία Assistant και User Proxy agents.​ 
  • Εγκαθίδρυση Αγόντων Communication: Εγκατάσταση ασύγχρονης μεταφοράς πληροφοριών μεταξύ agents. 
  • Εφαρμογή Παραδειγματικής εφαρμογής: Δημιουργία απλού πολυανθρώπου συστήματος για τη λύση μιας κάποιας υποχωρείας.​ 
  • Παρακολούθηση και Εγκατάσταση Ανώμαλων: Χρήση ενεργών μέτρων και παραδόσεων για πραγματικό χρόνο αποτίμηση.​ 

4. Περιπτώσεις και Καλές Διακυβερνητικές πρακτικές

  • Πραγματικά Περιστατικά: Αξιολόγηση επιτυχών υλοποιήσεων του AutoGen σε διάφορες βιομηχανίες.​
  • Καλές Διακυβερνητικές πρακτικές: Οδηγίες για το σχεδιασμό αποτελεσματικών και μεγάλων LLM εφαρμογών χρησιμοποιώντας AutoGen.​
  • Προβλήματα και Λύσεις: Απάντηση σε διαδικασίες που αντιμετωπίζονται κατά την ανάπτυξη και λύσεις.​
  • Ερώτηση & Απάντηση

Το εργασιακό προγράμμα σχεδιάστηκε για:

  • λογισμικούς αναπτυκτές
  • επιστήμονες δεδομένων
  • ηλεκτρονικούς μηχανικούς δεδομένων
  • ανθρώπους με πρόσβαση/υπογραφή προγραμματισμού που θέλουν να μάθουν για την εξανάγκευση AI.

Requirements

. Προαπαιτήσεις - Python προγραμματισμός

 7 Hours

Number of participants


Price per participant

Testimonials (5)

Upcoming Courses

Related Categories