Kursplan
Innføring i Agentic AI og oversikt over bootcampen
- Forståelse av agentic AI og strukturen til bootcampen
- Gjennomgang av verktøy, rammer og avhengigheter
- Beste praksis for prosjektopprettelse og samarbeid
Prosjekt 1: Intelligent assistent med prompt-orientert resonnering
- Design av en oppgavebasert samtaleagent
- Bruk av strukturerte prompts for resonnering og beslutningstaking
- Bygging og testing i Jupyter Notebook
Prosjekt 2: Agent for dokumentanalyse og sammendrag
- Eksport og sammendrag av data fra PDF-er og tekstfiler
- Bruk av LangChain for inntak og henting av dokumenter
- Gjennomføring av ledelsesrapporter fra strukturert og ustrukturert innhold
Prosjekt 3: Verktøybrukende agent for arbeidsflytautomatisering
- Integrasjon av eksterne API-er og automatisering av gjentatte oppgaver
- Håndtering av flerstegsprosesser gjennom agentic sløyfer
- Bygging av en liten automatiseringsassistent for reelle forretningsprosesser
Prosjekt 4: Agent for dataanalyse og innsiktsgenerering
- Kobling av agenter til datakilder (CSV, SQL eller API)
- Gjennomføring av utforskende dataanalyse med Python og AI-assistans
- Oprettelse av visuelle innsikter og ytelsesdashboards
Prosjekt 5: Multi-agent-samarbeid og ordstyring
- Koordinering av flere agenter for oppgavedelegasjon
- Design av en kontroller-arbeider-arkitektur
- Deploy og testing av en prototypemulti-agentsystem
Oppsummering og neste steg
- Prosjektoppvisninger og tilbakemelding fra fagfellesskap
- Drøfting av optimaliserings- og skaleringstrategier
- Ressurser for fortsettende læring og eksperimentering
Krav
- Mellomnivå ferdigheter i Python-programmering
- Grunnleggende forståelse av prinsipper innen AI eller maskininlæring
- Kunnskap om API-er og databehandlingsworkflows
Målgruppe
- Ingeniører og utviklere som ønsker å bygge anvendt AI-prosjekter
- Tekniske team som søker rask prototyping-kompetanse innen agentic AI
- Fagpersoner involvert i AI-integrasjon og utvikling av pilotprogrammer
Referanser (1)
Det som ble vurdert som mest verdifullt: Praktiske oppgaver i datanalysering med kunstig intelligens uten å kopiere og lime inn – men ved å anvende det jeg har lært i min egen kontekst. Det nest mest verdifulle: Definisjoner av begreper som alle bruker (ferdigheter, agenter, MCP, API). Nå som jeg forstår dem, føler jeg meg mye tryggere med å eksperimentere med AI. Tredje: Din innsikt i hvordan AI fungerer, hva den kan, og hva den ikke kan (jeg vil huske din 80/20-regel for alltid). Fjerde: At alt du har undervist oss i er skriftlig og lett tilgjengelig.
Lieven Hofmann - Transport & Environment
Kurs - Hands-On Agentic AI Bootcamp: Build 5 Real Projects in Python
Maskinoversatt
