Kursplan
Dag 1
Anatomi til en moderne AI-agent
Ut over chatbots: agenter som autonome systemer for resonnering og handling
Reactive, proactive, hybrid og målrettede agentparadigmer
Komponenter: persepsjon, planlegging, minne, verktøybruk, handling
Handelsavveining mellom enkelt-agent og multi-agent-design
Agent-rammeverk og det moderne stacken
LangChain, LlamaIndex, AutoGen, CrewAI og deres handelsavveininger
Sammenligning med klassiske rammeverk som JADE og SPADE
Valg av rammeverk basert på produksjonskrav
Tool calling, function calling og strukturerte utdata
Hands-on: støping av en enkelt Python-agent med tool calls
Multi-agent systemarkitekturer
Sentraliserte, desentraliserte, hybrid og lagdelte MAS-design
FIPA ACL, meldingspassing og moderne ekvivalenter
Koordineringsmønstre: planlegging, forhandling, synkronisering
Emergent atferd og selvorganisering i agentpopulasjoner
Entrepenørskap og læring i agenter
Spillteori for kooperativ og konkurranseorientert agentinteraksjon
Forsterkningslæring i multi-agentmiljøer
Overføringslæring og kunnskapsdeling mellom agenter
Konfliktoppløsning og tillit mellom koordinerende agenter
Dag 2
Flermodale grunnlag for agenter
Flermodale AI som en integrert arbeidsflyt over tekst, bilder, tale og video
Utviklingsledende flermodale modeller: GPT-4 Vision, Gemini, Claude, Whisper
Fusjonsteknikker for å kombinere modaliteter inne i agentens resonneringssløyfe
Latenstid, kostnad og nøyaktighetsavveininger i flermodale pipelines
Bygge persepsjonslaget
Bildebehandling for agenter: klassifisering, underteksting, objekt-deteksjon
Talegjenkjenning med Whisper ASR og streamet transkripsjon
Tekst-til-tale-syntese og naturlig taleinteraksjon
Koble persepsjonsutdata til LLM-drevet resonnering og verktøyvalg
Hands-On - Bygge en flermodal agent i Python
Definere agentens oppgave, kontekstvindu og verktøyskattliste
Koble GPT-4 Vision og Whisper APIs end-to-end
Implementere minne, tilstand og samtaleadministrasjon
Legge til tool calls som produserer trygge sideeffekter i den virkelige verden
Hands-On - Styring av et multi-agent-system
Sammensette spesialiserte agenter med AutoGen eller CrewAI
Definere roller, ansvar og inter-agentkommunikasjonsprotokoller
Ressursallokering og koordinering i en simulert miljø
Logging av agentresonnering, tool calls og beslutninger for inspeksjon og revisjon
Dag 3
Trusseloverflaten til produksjons-AI-agenter
Hva gjør agentic AI unikt sårbar sammenlignet med tradisjonell programvare
Anfallsoverflate: data, modell, prompt, verktøy, utdata og grensesnittlag
Trusselmodellering for agentbaserte systemer med autonome verktøyer
Sammenligne AI-kibersikkerhetstiltak med tradisjonell kibersikkerhet
Hands-On mot fiendtlige angrep
Fiendtlige eksempler og perturbasjonsmetoder: FGSM, PGD, DeepFool
Hvite boks versus svarte boks-angreppsscenarioer
Modell-inversjon og medlemsinferensangrep
Datagiftning og bakdør-injeksjon under trening
Prompt-injeksjon, jailbreaking og misbruk av verktøy i LLM-baserte agenter
Forsvarsteknikker og modellhærdning
Fiendtlig trening og datautvidelsessstrategier
Defensiv distillasjon og andre robusthetsteknikker
Inndataforarbeiding, gradientmaskering og regularisering
Differensiell personvern, støyinjeksjon og personvernbudsjett
Federert læring og sikker aggregering for distribuert trening
Hands-On med Adversarial Robustness Toolbox
Simulere angrep mot den flermodale agenten bygget på dag 2
Måle robusthet under perturbasjon og kvantifisere nedbrytning
Anvend forsvar iterativt og reevaluer angrepsuksesraten
Stress-teste tool-call-veier og prompt-injeksjonsvektorer
Dag 4
Risikostyringsrammeverk for AI
NIST AI Risk Management Framework: govern, map, measure, manage
ISO/IEC 42001 og oppkommende AI-spesifikke standarder
Kartlegging av AI-risiko til eksisterende enterprise GRC-rammeverk
AI-representasjonsplikt, reviderbarhet og dokumentasjonskrav
Regulatorisk compliance for agentic systemer
EUs AI-akt: risikonivåer, forbudte bruksområder og krav til høyrisikoklassifiserte systemer
GDPR og CCPA implikasjoner for agent-datapipelines
U.S. Executive Order on Safe, Secure, and Trustworthy AI
Sektor-spesifikke retningslinjer for finans, helsevesen og offentlige tjenester
Tredjepart-risiko og leverandørens AI-verktøybruk
Ethics, bias og forklaringsevne
Bias-deteksjon og -migrering på tvers av agentpersepsering og resonnering
Forklaringsevne og transparens som sikkerhetsrelevante egenskaper
Rettferdighet, nedstrøms skade og ansvarlig distribusjon
Design av inkluderende, reviderbar agentatferd
Produksjonsdistribusjon, overvåking og händelsehåndtering
Sikre distribusjonsmønstre for enkelt- og multi-agent-systemer
Kontinuerlig overvåking for drift, anomaler og misbruk
Logging, revisjonsspor og forensisk beredskap for agenthandlingar
AI-sikkerhetshåndteringsplaybooks og gjenoppretting
Kasussstudier av virkelige AI-brudd og lærte lessons
Capstone og syntese
Gjennomgang av det flermodale multi-agent-systemet bygget gjennom kurset
End-to-end pipeline-gjennomgang: design, bygg, sikker, govern, distribuer
Selv-vurdering av systemet mot NIST AI RMF-funksjoner
Fremtidsutsikt over oppkommende trender i agentic AI og AI-sikkerhet
Oppsummering og neste steg
Krav
Målgruppe
AI-ingeniører og arkitekter som bygger agentic systemer for produksjonsbruk. Fagfolk innen kibersikkerhet, risiko og compliance som er ansvarlige for AI-assurance i regulerte industrier som finans, helsevesen og konsulentbransjen. Erfarne utviklere og løsningssjefer som integrerer flermodale og multi-agent-kapasiteter inn i enterprises plattformer.
Referanser (3)
Instruktøren er tålmodig og svært hjelpsom. Han kjenner emnet godt.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Kurs - Agentic AI for Business Automation: Use Cases & Integration
Maskinoversatt
God blanding av kunnskap og praksis
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kurs - Agentic AI for Enterprise Applications
Maskinoversatt
Blandingen av teori og praksis, samt perspektiver på både høy nivå og lav nivå
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kurs - Autonomous Decision-Making with Agentic AI
Maskinoversatt
