Agentic AI Unleashed: Crafting LLM Applications with AutoGen 교육 과정

AutoGen은 Microsoft에서 제공하는 오픈 소스 프레임워크로, LLM, 도구, 메모리 및 사용자 상호작용을 활용한 다중 에이전트 애플리케이션을 구축할 수 있습니다.

이 강사는 주재하는 실시간 교육(온라인 또는 현장)은 AutoGen의 Python-기반 API, 함수 호출 기능 및 모듈형 도구 체인을 사용하여 깊이 맞춤화된 에이전트를 설계하고 배포하고자 하는 고급 개발자 및 아키텍트를 대상으로 합니다.

이 교육을 마치면 참가자들은 다음과 같은 능력을 갖게 됩니다:

• 역할별 논리와 도구 라우팅을 가진 맞춤형 에이전트를 개발합니다.
• 고급 함수 호출 및 문맥 전환을 사용하여 동적인 워크플로우를 구축합니다.
• 에이전트 팀 내에서 메모리 모듈과 계획 프레임워크를 구현합니다.
• 다중 에이전트 오류 상태와 적응형 재시도 메커니즘을 처리합니다.

강의 형식

• 대화형 강의 및 토론.
• 수많은 연습과 실습.
• 라이브 랩 환경에서 직접 구현합니다.

강의 맞춤화 옵션

• 이 강의를 맞춤형 교육으로 요청하려면, 연락하여 조치를 취해 주시기 바랍니다.

기업 AI 자동화를 위한 AutoGen은 AutoGen 프레임워크를 사용하여 복잡한 비즈니스 운영을 자동화하기 위한 스케일 가능한 지능형 에이전트 시스템 구현에 중점을 둔 실습 중심의 과정입니다.

이 강사 주도형 실시간 교육(온라인 또는 현장)은 기업 플랫폼과 프로세스 전반에 걸쳐 AutoGen 프레임워크를 사용하여 멀티 에이전트 아키텍처를 배포하길 원하는 중급에서 고급 AI 전문가들을 대상으로 합니다.

이 교육을 마친 후 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• AutoGen과 LLM 에이전트를 사용하여 기업 워크플로를 설계하고 자동화합니다.
• 고급 오케스트레이션 및 컨텍스트 처리를 위해 LangChain을 AutoGen에 통합합니다.
• RAG 파이프라인을 구축하고 기업 데이터를 연결하여 컨텍스트 기반 자동화를 수행합니다.
• Slack, Jira, SharePoint 등의 기업 플랫폼에 에이전트를 연결합니다.
• 프로덕션 환경에서 AutoGen 배포를 확장하고 모니터링합니다.

코스 형식

• 상호작용형 강의 및 토론.
• 많은 연습과 실습.
• 실시간 랩 환경에서 직접 구현.

코스 커스터마이징 옵션

• 이 코스의 맞춤형 교육을 요청하려면 연락처를 통해 안내를 받으세요.

AutoGen Studio는 코딩 없이 LLM 기반 멀티 에이전트 워크플로우를 생성하고 관리하는 시각적 환경을 제공합니다.

이 강사는 초급자에서 중급자 수준의 비즈니스 및 혁신 전문가를 대상으로 하며, AutoGen Studio를 사용하여 내부 자동화 또는 AI 강화된 제품 개발을 위해 에이전트 상호작용을 시각적으로 설계, 테스트 및 정제하는 방법을 배웁니다.

이 강의를 통해 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• 노코드 인터페이스를 사용하여 멀티 에이전트 워크플로우를 생성합니다.
• AutoGen Studio를 사용하여 에이전트 역할, 프롬프트, 목표를 정의합니다.
• 에이전트 간의 메시지 흐름을 시각화하고 관리합니다.
• 에이전트 논리에 오류 처리 및 컨텍스트 정제를 통합합니다.

강의 형식

• 상호작용형 강의 및 토론.
• 다양한 연습 문제.
• 실습 환경에서 직접 구현.

강의 커스터마이징 옵션

• 이 강의를 맞춤형으로 요청하려면, 커스터마이징을 의뢰해 주십시오.

AutoGen을 사용한 LLM 에이전트 시스템 구축은 Microsoft의 AutoGen 프레임워크를 활용하여 대규모 언어 모델(LLM)을 이용하는 다중 에이전트 시스템을 개발하는 실습 중심의 과정입니다.

이 강사 주도형 실시간 교육(온라인 또는 현장)은 Python과 LLM을 사용하여 AutoGen으로 다중 에이전트 시스템을 설계, 구현, 조율하길 원하는 중급 수준의 AI 및 자동화 전문가를 대상으로 합니다.

이 교육을 마치면 참가자들은 다음과 같은 능력을 갖출 수 있습니다:

• AutoGen 프레임워크를 사용하여 다중 에이전트 아키텍처를 설계합니다.
• 에이전트 역할, 기능 및 협력 동작을 구성합니다.
• 에이전트 상호 작용을 위한 함수 호출과 메모리 처리를 사용합니다.
• 실제 사례를 위한 Python 기반 LLM 에이전트 워크플로우를 구축하고 테스트합니다.

과정 형식

• 대화형 강의와 토론.
• 많은 연습과 실습.
• 실제 실험 환경에서 손으로 구현.

과정 맞춤 옵션

• 이 과정의 맞춤형 교육을 요청하려면 연락주시기 바랍니다.