Introduction au développement d'agents IA

Aperçu

AI agents are set to become a key driver in the evolution of artificial intelligence in the near term. AI agents are revolutionizing generative AI by leveraging LLMs as reasoning engines and using tools (function calls) to perform multistep tasks.

In this course, Introduction to Developing AI Agents, you’ll learn to create these AI agents. First, you’ll explore the fundamentals of AI agents, including their architecture, types, and use cases.

Next, you’ll implement a basic AI agent framework in Python. Finally, you’ll learn to develop advanced agents that leverage LLMs to reason, interact with its environment, and achieve goals.

By the end of this course, you’ll have the skills to build agentic AI Applications (with memory and tool-using capabilities) to automate workflows.

Programme

• Introduction du cours
Aperçu des agents IA
Importance des agents IA dans les systèmes IA modernes
Objectifs et résultats du cours
• Fondamentaux des agents IA
Définition et caractéristiques
Types d'agents IA (réactifs, délibératifs, interactifs)
Composants clés : Perception, prise de décision et action
Cas d'utilisation et applications
• Architecture des agents IA
Compréhension des environnements d'agents
Composants architecturaux clés (capteurs, effecteurs, moteurs de raisonnement)
Introduction aux outils et appels de fonctions pour l'exécution des tâches
• Implémentation des agents IA de base
Configuration de l'environnement de développement
Construction d'un agent IA simple en Python
Test de la fonctionnalité de l'agent
• Introduction aux grands modèles de langage (LLMs) dans les agents IA
Aperçu des LLMs et de leurs capacités
Exploitation des LLMs pour les tâches de raisonnement
Intégration des LLMs dans un cadre d'agent de base
• Développement avancé d'agents IA
Conception d'agents avec des capacités de mémoire
Construction de agents utilisant des outils
Étude de cas : Automatisation de tâche multi-étapes avec des agents IA
• Développement d'applications d'agents IA
Compréhension de l'interaction environnementale
Stratégies pour atteindre des objectifs complexes
Exemples et applications du monde réel
• Projet de cours
Développement d'un agent IA fonctionnel avec des fonctionnalités de mémoire et d'utilisation d'outils
Application de l'agent IA pour automatiser un flux de travail simple
• Conclusion et prochaines étapes
Récapitulatif des apprentissages clés
Tendances futures du développement des agents IA
Ressources supplémentaires et opportunités d'apprentissage continu

---

Enseigné par

Muhammad Sajid

---

Matières

Computer Science