Agents LLM spécifiques au domaine

Aperçu

Optimizing data center operations requires intelligent automation, and domain-specific Large Language Model (LLM) agents offer a powerful solution. In this course, Developing Domain-Specific LLM Agents for Data Center Operations, you’ll learn how to design, build, and deploy AI-driven agents tailored for data center environments.

First, you’ll explore the fundamentals of domain-specific LLMs and how they enhance operational efficiency through tasks like predictive maintenance, resource optimization, and anomaly detection. Next, you’ll gain hands-on experience in curating and preprocessing datasets, fine-tuning LLMs, and implementing AI agents using frameworks such as LangChain, CrewAI, and AutoGen.

Finally, you’ll discover strategies for optimizing performance, deploying these agents across cloud and on-premises environments, and ensuring ethical AI practices related to data privacy, compliance, and bias mitigation. When you finish this course, you’ll have the practical skills to build and manage LLM agents in Python, enabling you to drive automation, efficiency, and innovation in data center operations.

Programme

• Introduction aux modèles de langage de grande taille (LLMs) spécifiques à un domaine
Aperçu des LLMs dans les opérations des centres de données
Avantages des agents pilotés par l'IA pour l'efficacité opérationnelle
Tâches clés : maintenance prédictive, optimisation des ressources, détection d'anomalies
• Fondamentaux des LLMs spécifiques à un domaine
Conception de modèles de langue spécifiques au domaine
Compréhension de l'intégration des connaissances du domaine
Études de cas d'applications de LLMs dans les centres de données
• Préparation des données pour les LLMs
Curatelle des ensembles de données pertinents pour les opérations des centres de données
Techniques de prétraitement des données
Assurer la qualité et la diversité des données
• Ajustement fin et mise en œuvre des agents LLM
Introduction à l'ajustement fin des LLMs
Exercices pratiques avec des frameworks :
LangChain
CrewAI
AutoGen
• Construction d'agents IA pour les centres de données
Sélection des frameworks et conception de l'architecture
Développement et codage d'agents en Python
Personnalisation des LLMs pour des tâches opérationnelles spécifiques
• Stratégies d'optimisation des performances
Métriques de performance des agents et évaluation
Techniques d'amélioration de l'efficacité des LLMs
Solutions de mise à l'échelle pour le cloud et sur site
• Déploiement des agents LLM
Stratégies de déploiement dans les environnements cloud
Considérations de déploiement sur site
Intégration et livraison continues (CI/CD) pour les agents IA
• Pratiques d'IA éthique dans le contexte des centres de données
Assurer la confidentialité des données et la conformité
Stratégies de détection et de réduction des biais
Cadres et directives pour une IA éthique
• Projet de fin d'études
Conception et déploiement d'un agent LLM spécifique au domaine pour une tâche choisie dans le centre de données
Présentation et défense du projet
• Conclusion et prochaines étapes
Résumé des principaux résultats d'apprentissage
Ressources et lectures supplémentaires pour approfondir les connaissances
Parcours professionnels dans l'IA pour les opérations des centres de données

---

Enseigné par

Brian Letort

---

Matières

Computer Science