Tutorial: Agenți AIDe la zero la expert
Caută

Gratuit · în limba română · în ritmul tău · 80 de lecții

Construiește agenți AI care funcționează cu adevărat, nu doar în demonstrații.

Majoritatea tutorialelor despre agenți sunt incomplete sau generice. Cursul nostru are în vedere toate aspectele relevante ale acestui domeniu: pornește de la primele principii și de la istoria lor, apoi continuă cu proiectarea, evaluarea, securizarea și economia rulării unui agent specializat. Fiecare lecție are o parte teoretică și o parte practică, de laborator, pe care o rulezi pe calculatorul tău.

Începe cursulAlege o lecție
80Lecții planificate
11Părți
1Publicate
2Proiecte finale

Cuprins

Toate lecțiile, în ordine

0 din 1 finalizate
PARTEA I

Orientare

4 lecții
  • 01Harta inteligenței artificialeLaborator
  • 02Ce este un agent AI — și ce nu esteÎn pregătire
  • 03Stiva completă, de la hardware la utilizatorÎn pregătire
  • 04Decodorul numelor de produseÎn pregătire
PARTEA II

Fundamente software

6 lecții
  • 05Fișiere, procese, utilizatori și permisiuniÎn pregătire
  • 06Linux și terminalul pentru constructorii de agențiÎn pregătire
  • 07Python, de la zero la utilÎn pregătire
  • 08API-uri, HTTP, JSON și webhook-uriÎn pregătire
  • 09SQL, baze de date și stare persistentăÎn pregătire
  • 10Git, containere și proiecte reproductibileÎn pregătire
PARTEA III

Date și Hugging Face

8 lecții
  • 11Ce este cu adevărat un set de dateÎn pregătire
  • 12Împărțirea în antrenare, validare, testare și benchmarkÎn pregătire
  • 13Hugging Face Hub: modele, seturi de date, Spaces și depoziteÎn pregătire
  • 14Seturile de date Hugging Face față de biblioteca `datasets`În pregătire
  • 15Formate de seturi de date, Arrow, Parquet și streamingÎn pregătire
  • 16Calitatea datelor, licențiere, confidențialitate și biasÎn pregătire
  • 17Pregătirea seturilor de date și a trace-urilor de agentÎn pregătire
  • 18Versionarea și guvernanța datelorÎn pregătire
PARTEA IV

Framework-uri de machine learning

8 lecții
  • 19Tensori, array-uri și diferențiere automatăÎn pregătire
  • 20Fundamente practice de PyTorchÎn pregătire
  • 21TensorFlow și ecosistemul TensorFlowÎn pregătire
  • 22Keras, TF-Keras și KerasHubÎn pregătire
  • 23JAX și programarea funcțională pe acceleratoareÎn pregătire
  • 24Scikit-learn, Joblib și machine learning clasicÎn pregătire
  • 25Framework-uri și ecosisteme specializateÎn pregătire
  • 26Laborator de decizie: ce framework alegiÎn pregătire
PARTEA V

Fișiere și formate de modele

8 lecții
  • 27Ce conține un fișier de modelÎn pregătire
  • 28Safetensors, riscul pickle și artefacte de încredereÎn pregătire
  • 29Cuantizare și precizie numericăÎn pregătire
  • 30GGUF, llama.cpp și distribuția locală a modelelorÎn pregătire
  • 31ONNX și grafuri de inferență portabileÎn pregătire
  • 32DDUF și împachetarea modelelor de difuzieÎn pregătire
  • 33Fișe de model, licențe și securitatea lanțului de aprovizionareÎn pregătire
  • 34Laborator de decizie: ce format de model alegiÎn pregătire
PARTEA VI

Inferență și modele specializate

8 lecții
  • 35Ce face de fapt un LLMÎn pregătire
  • 36Servere de inferență localeÎn pregătire
  • 37Servere de inferență pentru producțieÎn pregătire
  • 38Runtime-uri de inferență la marginea rețeleiÎn pregătire
  • 39Backend-uri GPU și acceleratoareÎn pregătire
  • 40Modele multimodaleÎn pregătire
  • 41Biblioteci de modele specializateÎn pregătire
  • 42Stive pentru voce și audioÎn pregătire
PARTEA VII

Construirea agenților

8 lecții
  • 43Cea mai mică buclă de agent utilăÎn pregătire
  • 44Prompturile ca instrucțiuni de operareÎn pregătire
  • 45Ieșiri structurate și validareÎn pregătire
  • 46Proiectarea uneltelorÎn pregătire
  • 47Stare, checkpoint-uri și fluxuri durabileÎn pregătire
  • 48Aprobarea umană și acțiunile reversibileÎn pregătire
  • 49Workflow față de agent autonomÎn pregătire
  • 50Tipare de agențiÎn pregătire
PARTEA VIII

MCP, skill-uri și produse cu agenți

8 lecții
  • 51MCP față de API-urile obișnuiteÎn pregătire
  • 52Skill-urile ca imperative proceduraleÎn pregătire
  • 53Plugin-uri, conectori și permisiuniÎn pregătire
  • 54Blueprint-uri și implementări de referințăÎn pregătire
  • 55OpenClawÎn pregătire
  • 56Hermes AgentÎn pregătire
  • 57NemoClaw și OpenShellÎn pregătire
  • 58Framework-uri de orchestrareÎn pregătire
PARTEA IX

Memorie, Obsidian și RAG

8 lecții
  • 59Memoria nu este un singur lucruÎn pregătire
  • 60Obsidian ca sistem de cunoștințe curatoriatÎn pregătire
  • 61Embedding-uri și căutare vectorialăÎn pregătire
  • 62RAG de bazăÎn pregătire
  • 63RAG hibrid și cu reordonareÎn pregătire
  • 64GraphRAG și retrieval conștient de topologieÎn pregătire
  • 65RAG agenticÎn pregătire
  • 66Evaluarea RAG și diagnosticarea eșecurilorÎn pregătire
PARTEA X

Evaluare și antrenare

8 lecții
  • 67Definește succesul înainte de a optimizaÎn pregătire
  • 68Evaluări offline și onlineÎn pregătire
  • 69Tracing și observabilitateÎn pregătire
  • 70Optimizarea prompturilor și a fluxurilorÎn pregătire
  • 71Optimizarea RAGÎn pregătire
  • 72Fine-tuning și PEFTÎn pregătire
  • 73Optimizarea preferințelor și învățarea prin întărireÎn pregătire
  • 74Îmbunătățire continuă în siguranțăÎn pregătire
PARTEA XI

Securitate, fiabilitate și autonomie

6 lecții
  • 75Modelul de amenințare al unui agentÎn pregătire
  • 76Privilegiu minim și identitateÎn pregătire
  • 77Sandboxing și izolareÎn pregătire
  • 78Secrete, trafic de ieșire și clasificarea datelorÎn pregătire
  • 79Ingineria fiabilitățiiÎn pregătire
  • 80Autonomie cu limiteÎn pregătire