Nyt2 dages kursus 

Agentic AI system development

DKK 9.999
ekskl. moms
Nr. 91896 A
Available in English

Er du klar til at frigøre AI's fulde potentiale?

Dette kursus er designet til tekniske praktikere, der ønsker at bygge agentiske AI-systemer. Vi starter med vigtige AI-koncepter som kontekst og prompt engineering og programmatisk brug af LLM'er, derefter går vi videre til ReACT agenter, MCP servere og klienter samt RAG systemer, og afslutter med sikkerhedskoncepter.

Hvert emne inkluderer en teoretisk introduktion, praktisk kodedemonstration og praktiske kodeøvelser. Til agenter, agentiske koncepter, RAG og MCP arbejder vi med LangChain og LangGraph, men al viden er overførbar til andre frameworks og biblioteker.

Ved kursets afslutning vil du have en solid forståelse af agentiske AI-systemer, deres begrænsninger og styrker samt viden til at bygge et agentisk system til dig selv eller din organisation.

Deltagerprofil

Kurset henvender sig til dig, der har grundlæggende Python-erfaring, så som at skrive simple scripts og kende datastrukturer. Mere avancerede emner, biblioteker og projekter undervises i klassen.

Udbytte

  • Byg AI-agenter med web-, fil- og API-adgang
  • Skab samtaleagenter med kontekst-hukommelse
  • Implementér RAG-systemer til at bruge egne data
  • Udvikl MCP-servere og klienter for ekstern integration
  • Få overblik over LLM-sikkerhed og lær at beskytte AI-løsninger

Det får du på kurset

Vi sørger for, at rammerne er i orden, så du kan fokusere på at lære.

Efter du har fuldendt kurset, vil du modtage et kursusbevis.

Kursusbevis

Hos Teknologisk Institut bruger vi kun erfarne undervisere.

Erfaren underviser

På kurset er der indtænkt øvelser og deltagerinddragelse.

Øvelser og inddragelse

Undervisning på engelsk

Undervisning på engelsk

Indhold

Introduktion til LLM'er
  • Kort teoretisk introduktion til transformer-arkitekturen og LLM'er
  • Store sprogmodellers styrker og svagheder
  • Overblik over det nuværende AI-landskab (frameworks, biblioteker, modeller, brugergrænseflader) og terminologi
  • Programmatisk brug af store sprogmodeller
Kontekst og Prompt Engineering
  • Forbedring af LLM-pålidelighed
  • Prompt engineering-teknikker
  • Introduktion til kontekst engineering til agenter
Agenter i LangChain og LangGraph
  • Introduktion til LangChain, LangGraph
  • LangGraph udviklingsmodel
  • Bygning af ReACT agenter, værktøjsbrug
  • Multi-agent arkitekturer - overblik, styrker, ulemper, implementering
  • Kontekst engineering, hukommelse, persistens
Model Context Protocol
  • Forbindelse af AI-agenter til eksterne værktøjer ved hjælp af MCP
  • Udvikling af vores egne MCP-servere
Retrieval Augmented Generation
  • Implementering af en komplet RAG-pipeline: Indlæsning af dokumenter, indeksering, lagring, genfinding og generering
  • Bygning af RAG-workflows med LangGraph
  • Forbedring af RAG-performance ved hjælp af avancerede teknikker:
    • Multi-Query RAG
    • Query Decomposition
    • HyDE (Hypothetical Document Embeddings)
    • Step-back Prompting
    • Routing
    • Multi-Representation Indexing
Sikkerhed
  • Gennemgang af de mest almindelige AI-applikationssårbarheder
  • Teknikker til at sikre en agentisk applikation
  • Jailbreaking-øvelse
Test og UI
  • Lær hvordan du implementerer en UI til din applikation
  • Overblik over testkoncepter for LLM'er og agentiske applikationer

Form

Kurset er bygget op omkring den praktiske læring, hvor du undervejs laver hands-on øvelser og skriver kode.

Vi starter simpelt og bygger videre på dine færdigheder undervejs.

 
Billede af Adam Petro
Underviser

Adam Petro

Adam Petro er data scientist med seks års erfaring inden for data science, machine learning og backend-udvikling. Han har en kandidatgrad i datalogi fra Aarhus Universitet og har de seneste år undervist i programmering og Git.

Få ny inspiration til din kompetence­udvikling

Unikke tilbud, relevante artikler og nyt om vores kurser og uddannelser.

Indtast venligst dit fornavn
Email-adressen er ikke korrekt udfyldt
Tilmelder nyhedsbrev
Tak for din tilmelding
Teknisk fejl

Der er desværre en systemfejl på nuværende tidspunkt. Du kan alternativt skrive en mail til data@teknologisk.dk