AutoGen voor Enterprise AI-automatisering Training Cursus

AutoGen is een open-source framework van Microsoft voor het bouwen van multi-agent applicaties die LLMs, tools, geheugen en gebruikersinteractie gebruiken.

Deze door een instructeur geleide, live training (online of op locatie) is bedoeld voor ontwikkelaars en architecten op geavanceerd niveau die graag diep aangepaste agenten ontwerpen en implementeren met behulp van de Python-gebaseerde API's, functie-oproepmogelijkheden en modulaire toolchains van AutoGen.

Tegen het einde van deze training zullen deelnemers in staat zijn om:

• Aangepaste agenten te ontwikkelen met rol-specifieke logica en tool-routing.
• Dynamische workflows te bouwen met geavanceerde functie-oproepen en contextwisseling.
• Geheugenmodules en planningframeworks binnen agententeams te implementeren.
• Meerdere agenten fouttoestanden en adaptieve herstelmechanismen te beheren.

Opzet van de cursus

• Interactieve lezingen en discussies.
• Veel oefeningen en praktijk.
• Handmatige implementatie in een live-labomgeving.

Opties voor cursusaanpassing

• Om een aangepaste training voor deze cursus aan te vragen, neem contact met ons op om dit te regelen.

AutoGen Studio fungeert als een visueel platform waarmee gebruikers LLM-gedreven multi-agent workflows kunnen ontwerpen en beheren zonder dat coden vereist is.

Deze live training onder begeleiding van een instructeur, beschikbaar zowel online als op locatie, is bedoeld voor zakelijke en innovatieprofessionals op beginnend tot gevorderd niveau die AutoGen Studio willen inzetten om agentinteracties visueel te creëren, te testen en te verbeteren voor interne automatisering of AI-gedreven productontwikkeling.

Na afloop van de training zijn deelnemers in staat om:

• Multi-agent workflows op te bouwen via een intuïtieve, code-vrije interface.

• Agentrollen, prompts en doelstellingen binnen AutoGen Studio te configureren.

• Communicatiestromen tussen agenten visueel te bewaken en te sturen.

• Foutafhandeling te integreren en het contextbeheer binnen de agentlogica te verbeteren.

Vormgeving van de cursus

De cursus combineert interactieve lezingen met begeleide discussies, ondersteund door een breed scala aan oefeningen en praktische activiteiten, waaronder hands-on werk in een live-labomgeving.

Opties voor cursusaanpassing

Als u geïnteresseerd bent in het aanpassen van deze training aan specifieke organisatorische behoeften, neem dan contact met ons op om een op maat gemaakt programma in te plannen.

Het opbouwen van LLM-agentensystemen met AutoGen is een praktijkgericht cursus dat zich richt op het ontwikkelen van multi-agentensystemen met behulp van het AutoGen-kader van Microsoft voor grote taalmodellen (LLMs).

Deze door een instructeur geleide live training (online of op locatie) is bedoeld voor AI- en automatisatieprofessionals op tussenniveau die multi-agentensystemen willen ontwerpen, implementeren en orkestreren met behulp van AutoGen met Python en LLMs.

Na voltooiing van deze training zullen de deelnemers in staat zijn om:

• Multi-agentarchitecturen ontwerpen met behulp van het AutoGen-kader.
• Agentrollen, vaardigheden en coördinatiegedragingen configureren.
• Function-calling en geheugenbeheer gebruiken voor agentinteracties.
• Python-gebaseerde LLM-agentenwerkstromen bouwen en testen voor echte gebruiksscenario's.

Opzet van de cursus

• Interactieve lezing en discussie.
• Veel oefeningen en praktijk.
• Praktijkimplementatie in een live-labomgeving.

Aanpasbare opties voor de cursus

• Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.

Dit 1-daagse workshop, speciaal ontworpen voor ontwikkelaars, data wetenschappers en AI-enthousiastelingen, helpt u om de kracht van agentege AI-systemen te begrijpen en in te zetten met behulp van AutoGen v0.4.

Met een mix van praktische oefeningen en demonstraties leert u hoe u multi-agent applicaties kunt bouwen, beheren en implementeren die worden aangedreven door Grote Taalmodellen (LLMs).

Na afloop van de cursus zal u een solide basis hebben in AutoGen’s lagenstructuur, asynchrone communicatie tussen agents beheersen en praktijkvoorbeelden en beste praktijken voor het ontwikkelen van schaalbare en intelligente LLM-aangedreven applicaties verkennen.