Qué necesitas saber antes de
comenzar

Inicio 24 June 2026 09:21

Fin 24 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Construcción de sistemas multiagente para las ciencias de la vida

Domina los sistemas de inteligencia artificial multi-agente para las ciencias de la vida a través de la implementación en Python, estrategias de orquestación y aplicaciones genómicas del mundo real, incluyendo la coincidencia de terapias para enfermedades raras.
via Udacity

139 Cursos


12 hours

Actualización opcional disponible

Not Specified

Avanza a tu propio ritmo

Paid Course

Actualización opcional disponible

Resumen

This course focuses on designing, implementing, and orchestrating multi-agent architectures. Starting with an introduction to the fundamentals, participants will learn the nuances of building multi-agent systems using Python.

Key lessons cover agent orchestration, routing and data flow management, and state management within these systems. Practical implementations will guide students through developing sophisticated multi-agent orchestration and coordination strategies.

The course also explores advanced topics such as Multi-Agent Retrieval Augmented Generation and culminates with a project on the Orphan Finder, a rare-disease variant-to-therapy matchmaker.

Programa

  • Introducción al curso
  • Conozca a sus instructores y comience a construir sistemas de IA multi-agente, aprendiendo sobre arquitectura, orquestación y usando las claves API de Vocareum OpenAI para proyectos prácticos.
  • Diseño de Arquitectura Multi-Agente
  • Explique los componentes centrales de los sistemas multi-agente y cómo diseñar su arquitectura de alto nivel.
  • Creación de Diseños Multi-Agente
  • Aprenda a construir un sistema de IA multi-agente con un orquestador que dirige consultas genómicas a agentes especialistas usando APIs reales para frecuencia, significancia, literatura y ensayos.
  • Arquitectura Multi-Agente con Python
  • Desarrolle un sistema multi-agente programando la arquitectura diseñada y conectando agentes con interfaces bien definidas.
  • Implementación de Arquitectura Multi-Agente con Python
  • Aprenda a diseñar e implementar arquitecturas multi-agente en Python, integrando especialistas con lógica orquestada y herramientas API para flujos de trabajo en ciencias de la vida.
  • Orquestación de Actividades de Agentes
  • Aplique técnicas de orquestación para coordinar múltiples acciones de agentes y lograr flujos de trabajo complejos.
  • Implementación de Orquestación de Agentes
  • Aprenda a construir flujos de trabajo de agentes con estado usando orquestación secuencial, paralela y condicional para análisis de objetivos de fármacos y automatización de mesas de servicio en ciencias de la vida.
  • Enrutamiento y Flujo de Datos en Sistemas Agenciales
  • Configure mecanismos de enrutamiento para gestionar el flujo de datos entre agentes en sistemas multi-agente.
  • Implementación de Enrutamiento y Flujo de Datos en Sistemas Agenciales
  • Aprenda a diseñar sistemas agenciales que utilicen LLMs y colas de prioridad para enrutamiento escalable basado en contenido y prioridad en escenarios del mundo real.
  • Gestión de Estado en Sistemas Multi-Agente
  • Evalúe métodos para rastrear y actualizar el estado del agente a través de interacciones de múltiples turnos.
  • Implementación de Gestión de Estado en Sistemas Multi-Agente
  • Aprenda a gestionar el estado compartido en sistemas multi-agente a través de demostraciones y ejercicios, permitiendo la coordinación entre agentes para tareas colaborativas usando diseños seguros para subprocesos.
  • Orquestación Multi-Agente y Coordinación de Estado
  • Desarrolle un sistema multi-agente coordinado que sincronice estados para una ejecución coherente de tareas.
  • Implementación de Orquestación Multi-Agente y Coordinación de Estado
  • Aprenda orquestación multi-agente coordinando el acceso a recursos de laboratorio compartidos, evitando conflictos mediante actualizaciones atómicas de estado y bloqueos, con programación prioritaria de reservas concurrentes.
  • Recuperación Aumentada Multi-Agente
  • Extienda RAG a múltiples agentes cooperativos, cada uno especializado en ciertas tareas de recuperación.
  • Implementación de Recuperación Aumentada Multi-Agente
  • Aprenda cómo construir sistemas RAG Multi-Agente que recuperen evidencia específica de dominio en paralelo y sinteticen informes concisos y citados para consultas clínicas o científicas.
  • Proyecto: Buscador de Huérfanos: Emparejador de Variantes de Enfermedades Raras a Terapias
  • En este proyecto, construirá un flujo de trabajo multi-agente compacto (3 agentes) que clasifica variantes, extrae evidencia respaldada por investigaciones, encuentra coincidencias de ensayos clínicos, y genera un informe listo para el clínico.

Impartido por

Tamas Madl and Christopher Agostino


Materias

Artificial Intelligence