Kontakt aufnehmen

Schulungsübersicht

Einführung in die agentische KI

  • Definition der agentischen KI und ihrer Beziehung zu traditionellen KI-Systemen
  • Übersicht über Schliessungen, Gedächtnis und zielorientierte Architekturen
  • Wichtige Anwendungsfälle und Branchenlösungen

Kernkonzepte und Designmuster

  • Der Agenten-Loop: Wahrnehmung, Schlussfolgerung und Handlung
  • Single-Agent vs. Multi-Agent-Systeme
  • Interaktion mit der Umgebung und Aufruf von Werkzeugen

Grundlagen des Prompt-Engineerings

  • Gestaltung effektiver Prompts für Schlussfolgerungen und Aufgabenzerlegung
  • Nutzung von Beispielen, Einschränkungen und Rollen für bessere Kontrolle
  • Systematisches Debugging und Iteration von Prompts

Aufbau einfacher agentischer Arbeitsabläufe

  • Implementierung eines Agenten-Loops in Python
  • Integration mit APIs und einfachen Werkzeugen
  • Verwaltung des Agentenzustands und des Gedächtnisses

Verantwortungsvolles Design und Sicherheitspraktiken

  • Ethische Überlegungen und verantwortungsvolle Nutzung von Agenten
  • Bias, Transparenz und Rechenschaftspflicht in KI-Systemen
  • Zugriffskontrolle, Datenschutz und Inhaltssicherheit

Praktisches Projekt: Design eines verantwortungsvollen Agenten

  • Definition des Problembereichs und der Ziele
  • Entwicklung des Prompts und der Steuerungslogik
  • Testen, Verfeinern und Bewerten des Agentenverhaltens

Voraussetzungen

  • Grundlegendes Verständnis von KI- oder Machine-Learning-Konzepten
  • Vertrautheit mit Python-Syntax und Skripterstellung
  • Erfahrung in der Arbeit mit Daten oder API-basierten Anwendungen

Zielgruppe

  • Data Scientists, die neu im Bereich der agentischen KI-Entwicklung sind
  • Junior ML Engineers, die angewandte Agentenarchitekturen erkunden
  • Technologie-Manager, die Design- und Sicherheitsprinzipien von Agenten verstehen möchten
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien