代理人工智能工程：设计、构建和部署智能代理

MP4 |视频：h264，1280×720 |音频：AAC，44.1 KHz，2 Ch
语言：英语 |时长：1小时0米

你将学到什么

• 在本地运行 LLM（例如 Ollama、LM Studio、Hugging Face），以便完全在您自己的计算机上构建和开发 AI 应用。
• 创建集成嵌入、向量存储和本地 LLM 的 RAG 系统，以实现高效的知识检索。
• 构建代理系统，让智能代理使用工具和工作流程自主完成任务。
• 实施即时工程、上下文管理和防护措施来控制代理行为并确保可靠性。

要求

可连接互联网的台式机或笔记本电脑，用于实践项目，具备基本的 Python 知识者优先

描述

本课程将带您从 AI 模型的基础知识到使用最新的生成式 AI 框架和 LLM 支持的架构构建和部署智能 AI 代理。该课程专为专业人士、开发人员和创新者设计，融合了理论、实践和实践见解。您将探索以下内容：人工智能和人工智能的基础生成式人工智能 – 了解人工智能模型是什么、它们是如何训练的，并研究 CNN、自动编码器、BERT、Transformers 和扩散模型等架构。了解生成式 AI 如何创建新内容以及最流行的 LLM 为当今的应用程序提供动力。传统与代理 AI 工程 – 了解 GenAI 工程与传统的基于规则的开发（从工具到输出）有何不同，以及为什么基于代理的设计是未来。LLM 的工作原理 – 深入研究标记化、嵌入、自注意力和预测——现代 LLM 的构建模块。微调 – 掌握检索增强生成 (RAG)、嵌入模型、向量数据库，并通过实际案例研究了解何时进行微调以及何时使用检索。本地 LLM 部署 – 探索如何在本地设置和运行 LLM，以实现安全、可定制的开发工作流程。 Hugging Face 生态系统 – 利用强大的工具、库和 Hugging Face 模型中心来加速 AI 解决方案。AI 代理项目 – 通过为智能聊天、文档问答和企业工作流程等任务设计和构建 AI 代理来应用您的知识，将所有概念整合到实际的端到端项目中。容器化 – 了解如何使用容器和云平台打包、扩展和分发 AI 代理，以便在生产环境中无缝部署。

本课程适合谁

初学者和初学者非技术学习者：渴望探索 Agentic AI 的世界，无需任何经验。
软件工程师和工程师人工智能开发人员：寻求使用 LangChain、LangGraph 和 Ollama 等框架构建、部署和扩展自主人工智能代理。
数据科学家和数据科学家技术专业人员：旨在获得最先进的代理框架和实际人工智能解决方案的实践经验。
产品经理和技术人员商业专业人士：希望了解和领导人工智能项目，与人工智能团队合作，并使用人工智能代理解决方案推动商业价值。
企业家和企业家小型企业主：有兴趣将人工智能代理集成到他们的产品中或使用 LangFlow 等无代码平台自动执行任务。