Course Outline

1. Pengantar Aplikasi LLM dan AutoGen v0.4

Gambaran Umum Large Language Models (LLMs): Memahami kemampuan dan aplikasinya.
  • Pengantar AutoGen v0.4: Menjelajahi fitur, arsitektur, dan bagaimana AutoGen menyederhanakan pengembangan sistem AI berbasis agen.
  • 2. Konsep dan Komponen Inti AutoGen

    Memahami Kerangka Kerja Berlapis:Lapisan Inti: Arsitektur berbasis peristiwa yang mendukung alur kerja dinamis.
  • API AgentChat: Membangun agen berbasis tugas dengan API tingkat tinggi.
  • Ekstensi: Mengintegrasikan agen, alat, dan modul memori khusus untuk meningkatkan fungsionalitas.
  • Pemrosesan Pesan Asinkron: Menerapkan gaya interaksi berbasis peristiwa dan permintaan-respons.
  • 3. Membangun Aplikasi Multi-Agen Pertama Anda

    Mendefinisikan Agen: Membuat agen Asisten dan Proksi Pengguna.
  • Menetapkan Agen Communication: Menyiapkan pemrosesan pesan asinkron antara agen.
  • Menerapkan Aplikasi Sampel: Mengembangkan sistem multi-agen sederhana untuk menyelesaikan tugas tertentu.
  • Alat Observabilitas dan Debugging: Memanfaatkan pelacakan metrik dan pesan bawaan untuk pemantauan real-time.
  • 4. Studi Kasus dan Praktik Terbaik

    Aplikasi Dunia Nyata: Memeriksa implementasi AutoGen yang berhasil di berbagai industri.
  • Praktik Terbaik: Panduan untuk merancang aplikasi LLM yang efisien dan terukur menggunakan AutoGen.
  • Tantangan dan Solusi: Mengatasi tantangan umum yang dihadapi selama pengembangan dan solusinya.
  • Sesi Tanya Jawab
  • Lokakarya ini ditujukan untuk:

    pengembang perangkat lunak
  • ilmuwan data
  • insinyur data
  • orang-orang dengan latar belakang/kecenderungan pemrograman yang ingin belajar tentang pemrograman AI.
  • Requirements

    . Prasyarat - Python pemrograman

     7 Hours

    Number of participants


    Price per participant

    Upcoming Courses (Minimal 5 peserta)

    Related Categories