Online AutoGen Schulung in Deutschland

AutoGen ist ein Open-Source-Framework von Microsoft zur Entwicklung mehragentbasierter Anwendungen, die Large Language Models (LLMs), Werkzeuge, Speichermechanismen sowie Interaktionen mit Nutzern nutzen.

Dieses vom Dozenten geleitete Live-Training – online oder vor Ort – richtet sich an erfahrene Entwickler und Architekten, die mithilfe der Python-APIs, der Funktion zum Funktionsaufruf sowie modular aufgebauter Werkzeugkette von AutoGen tiefgreifend individualisierte Agenten konzipieren und implementieren möchten.

Nach Abschluss dieses Kurses werden die Teilnehmer in der Lage sein:

• Maßgeschneiderte Agenten mit rollenspezifischer Logik sowie automatischer Werkzeuganwahl zu entwickeln.
• Dynamische Arbeitsabläufe mithilfe erweiterter Funktionsaufrufe und Kontextwechsel zu gestalten.
• Speichermodule sowie Planungsarchitekturen in Agententeams einzurichten.
• Fehlerzustände bei mehreren Agenten zu erkennen und adaptive Wiederholungsmechanismen anzuwenden.

Aufbau des Kurses

• Interaktive Vorlesungen sowie Diskussionen.
• Zahlreiche Übungen und praktische Anwendungen.
• Praktisches Umsetzen in einer Live-Lab-Umgebung.

Möglichkeiten zur Kursanpassung

• Für individuell angepasste Schulungsinhalte kontaktieren Sie uns bitte, um entsprechende Vereinbarungen zu treffen.

AutoGen Studio ist eine visuelle Plattform, die es Anwendern ermöglicht, LLM-basierte Multi-Agent-Workflows ohne Programmierkenntnisse zu entwerfen und zu überwachen.

Dieses praxisnahe Training unter Leitung eines Instructors – verfügbar online sowie vor Ort – richtet sich an Fachkräfte aus Wirtschaft und Innovation, die noch keine oder nur geringe Erfahrungen im Bereich der KI haben. Ziel ist es, mit AutoGen Studio visuell Agent-Interaktionen zu entwickeln, zu testen und weiterzuentwickeln – sei es zur internen Automatisierung oder für die Entwicklung von künstlich-intelligenten Produkten.

Nach Abschluss des Trainings werden die Teilnehmer in der Lage sein, Folgendes durchzuführen:

• Mit einer intuitiven no-code-Oberfläche Multi-Agent-Workflows zu erstellen.

• Rollen, Prompting-Befehle sowie Zielsetzungen der Agenten in AutoGen Studio festzulegen.

• Die Kommunikation zwischen den Agenten visuell zu überwachen und zu steuern.

• Fehlerbehandlungsmechanismen zu integrieren sowie das Kontextmanagement in der Logik der Agenten zu optimieren.

Aufbau des Kurses

Der Kurs vereint interaktive Vorlesungen mit angeleiteten Diskussionen und wird durch zahlreiche Übungen sowie praktische Aufgaben abgerundet – darunter auch Arbeiten in einem Live-Labortraining.

Möglichkeiten zur individuellen Anpassung

Falls Sie eine maßgeschneiderte Variante dieses Trainings für Ihr Unternehmen wünschen, stehen wir Ihnen gern für ein auf Ihre Bedürfnisse zugeschnittenes Programm zur Verfügung.

AutoGen für die automatisierte KI-Nutzung in Unternehmen ist ein praxisorientierter Kurs, der sich auf die Implementierung skalierbarer, intelligenter Agentensysteme zur Automatisierung komplexer Geschäftsprozesse mit Hilfe des AutoGen-Frameworks konzentriert.

Dieses von einem Instruktor geleitete Live-Training – online oder vor Ort – richtet sich an KI-Experten mittleren und fortgeschrittenen Niveaus, die mehragentensysteme in Unternehmensumgebungen mittels AutoGen einführen möchten.

Am Ende dieses Trainings werden die Teilnehmer folgendes erreichen können:

• Unternehmensworkflows mithilfe von AutoGen und LLM-Agenten konzipieren sowie automatisieren.
• Die Integration von AutoGen mit LangChain zur fortgeschrittenen Orchestrierung sowie Verarbeitung von Kontextinformationen realisieren.
• RAG-Pipelines entwickeln und unternehmensrelevante Datenquellen für kontextbezogene Automatisierungen nutzen.
• Agenten mit Unternehmensplattformen wie Slack, Jira oder SharePoint verbinden.
• AutoGen-Installationen in Produktionsumgebungen skalieren und überwachen.

Ablauf des Kurses

• Interaktive Vorlesungen sowie Diskussionen.
• Zahlreiche Übungen und praktische Anwendungsbeispiele.
• Hands-on-Implementierung in einer Live-Laborumgebung.

Individuelle Kursanpassungen

• Wünschen Sie ein maßgeschneidertes Training? Kontaktieren Sie uns, um die Details zu besprechen.

In diesem praxisorientierten Kurs lernen Sie, wie man mithilfe des AutoGen-Frameworks von Microsoft mehrfach verwendbare Agentensysteme für große Sprachmodelle (LLMs) entwickelt.

Dieses vom Dozenten geleitete Live-Training – online oder vor Ort – richtet sich an fortgeschrittene Fachkräfte aus den Bereichen Künstliche Intelligenz und Automatisierung, die erfahren möchten, wie man mit Python sowie LLMs mehrere Agenten in einem System entwirft, implementiert und koordiniert.

Am Ende des Kurses werden die Teilnehmer in der Lage sein:

• Mehrfach verwendbare Agentenarchitekturen mit dem AutoGen-Framework zu konzipieren.
• Agentenrollen, Fähigkeiten sowie koordinative Verhaltensweisen festzulegen.
• Funktionsaufrufe und die Verwaltung von Speicherinhalten bei Interaktionen zwischen Agenten zu nutzen.
• Python-basierte Workflows für LLM-Agenten zu entwickeln und anhand echter Anwendungsfälle zu testen.

Ablauf des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Zahlreiche Übungen und praktische Aufgaben.
• Praktische Umsetzung in einer Live-Lab-Umgebung.

Möglichkeiten zur Kursanpassung

• Für eine individuell zugeschnittene Ausbildung zu diesem Thema kontaktieren Sie uns bitte, um die Details abzustimmen.

Dieser eintägige Workshop richtet sich an Entwickler, Datenwissenschaftler sowie AI-Enthusiasten und vermittelt das Verständnis sowie die praktische Anwendung agentenbasierter KI-Systeme mithilfe von AutoGen v0.4.

Durch eine Kombination aus praktischen Übungen und anschaulichen Demonstrationen lernen Sie, wie man mehrere Agenten nutzende Anwendungen entwickelt, verwaltet und bereitstellt – unterstützt von großen Sprachmodellen (LLMs).

Am Ende des Kurses besitzen Sie fundierte Kenntnisse der schichtenweisen Architektur von AutoGen, beherrschen den asynchronen Informationsaustausch zwischen Agenten und erkennen konkrete Anwendungsfälle sowie bewährte Methoden zur Erstellung skalierbarer, intelligenter LLM-gestützter Systeme.