AGENT: AI-агенты для оптимизации бизнес-процессов

• архитектура LLM (autoencoders, transformers);

• сценарии использования LLM, промт-инжиниринг;

• основные параметры LLM, критерии выбора.

Этот модуль поможет:

• получить представления о том, как устроены LLM под капотом;

• получить навык использования LLM и понимание какие задачи могут быть решены с их помощью;

• сориентироваться в параметрах LLM, на которые необходимо обращать внимание при выборе большой языковой модели.

2. RAG: генерация с расширенным доступом к данным

• технология RAG (Retrieval-Augmented Generation) и точки ее приложения в бизнесе

• анализ возможной архитектуры RAG системы, выбор компонентов

• CJM создания RAG системы на кастомных данных

Этот модуль поможет

• получить представление что такое RAG и для чего эта технология может быть полезна;

• получить практический навык построения RAG систем.

3. Создание чат-бота на основе LLM

• архитектура чат-ботов на основе LLM

• реализация кастомного чат-бота на основе LLM

Этот модуль поможет:

• понять возможности LLM для построения чат-ботов;

• получить практический навык разработки чат ботов на основе LLM.

4. AI-ассистенты для разработчиков

• разработка в IDE, установка плагинов с AI-ассистентом;

• основные задачи, которые можно автоматизировать на цикле разработки программного обеспечения (SDLC) с помощью copilot;

• пример разработки приложения.

Этот модуль поможет:

• понять, где может быть полезны AI-агенты на цикле разработке программного обеспечения

• получить практический навык использования AI-агентов

5. Разработка кастомного AI-ассистента (8 часов)

• архитектура кастомных AI-агентов;

• обзор платформенных open-source и проприетарных решений для разработки AI-агентов;

• инструменты langgraph, langchain для разработки AI-агентов;

• реализация AI-агента на основе langgraph

Этот модуль поможет:

• получить представления об архитектуре кастомных AI-агентов и существующих платформ их разработки;

• получить практический навык построения кастомных AI-агентов

6. Векторные СУБД в архитектуре AI-ассистентов

• обзор возможностей векторных СУБД;

• встраивание векторной СУБД в архитектуру кастомного AI- агента на примере milvus.

Этот модуль поможет:

• получить представление о функциональности векторных СУБД

• получить практический навык использования векторных СУБД

7. Эксплуатация AI-ассистентов в производственном развертывании

• эксплуатация LLM в проде, фреймворк sglang/ollama;

• развертывание, мониторинг, версионирование LLM в проде

Этот модуль поможет:

• понять подходы к эксплуатации LLM в продуктивной среде …