Schulungsübersicht
Einführung in die agentische KI und Überblick über den Bootcamp
- Verständnis der agentischen KI und der Bootcamp-Struktur
- Überprüfung von Tools, Frameworks und Abhängigkeiten
- Bewährte Verfahren für die Projekteinrichtung und Zusammenarbeit
Projekt 1: Intelligenter Assistent mit promptorientierter Schlussfolgerung
- Entwurf eines aufgabenbasierten Konversationsagenten
- Nutzung strukturierter Prompts für Schlussfolgerungen und Entscheidungsfindung
- Aufbau und Test in Jupyter Notebook
Projekt 2: Agent für Dokumentenanalyse und Zusammenfassung
- Extraktion und Zusammenfassung von Daten aus PDFs und Textdateien
- Nutzung von LangChain für die Dokumentenerfassung und -abfrage
- Erstellung von Executive Reports aus strukturierten und unstrukturierten Inhalten
Projekt 3: Tool-nutzender Agent für Workflow-Automatisierung
- Integration externer APIs und Automatisierung repetitiver Aufgaben
- Verwaltung mehrstufiger Prozesse über agentische Schleifen
- Aufbau eines kleinen Automatisierungsassistenten für reale Geschäftsworkflows
Projekt 4: Agent für Datenanalyse und Insight-Generierung
- Verbindung von Agenten mit Datenquellen (CSV, SQL oder API)
- Durchführung explorativer Datenanalyse mit Python und KI-Unterstützung
- Erstellung visueller Erkenntnisse und Performance-Dashboards
Projekt 5: Multi-Agent-Zusammenarbeit und Orchestrierung
- Koordination mehrerer Agenten für die Aufgabenübertragung
- Entwurf einer Controller-Worker-Architektur
- Deployment und Test eines Prototyps eines Multi-Agent-Systems
Abschluss und nächste Schritte
- Projektpräsentationen und Feedback von Peers
- Diskussion von Optimierungs- und Skalierungsstrategien
- Ressourcen für kontinuierliches Lernen und Experimentieren
Voraussetzungen
- Mittleres Niveau in der Python-Programmierung
- Grundlegendes Verständnis von KI- oder Machine-Learning-Prinzipien
- Vertrautheit mit APIs und Datenverarbeitungs-Workflows
Zielgruppe
- Ingenieure und Entwickler, die angewandte KI-Projekte erstellen möchten
- Technische Teams, die schnelle Prototyping-Fähigkeiten in der agentischen KI anstreben
- Praktiker, die an KI-Integration und der Entwicklung von Pilotprogrammen beteiligt sind
Erfahrungsberichte (1)
Am wertvollsten empfand ich: Praktische Datenanalysenaufgaben mit KI, ohne einfach nur zu kopieren und einzufügen – sondern durch die eigenständige Anwendung dessen, was ich gelernt habe. Als zweitwertvollste Erfahrung erwies sich: Die Definition von Begriffen, die jeder verwendet (Skills, Agents, MCP, API). Nun, da ich sie verstehe, fühle ich mich deutlich selbstbewusster, wenn es um den Einsatz von KI geht. Drittens: Ihre Erläuterungen dazu, wie KI funktioniert, was sie kann und was nicht (Ihre 80/20-Regel werde ich nie vergessen). Viertens: Die Tatsache, dass alles, was Sie uns beigebracht haben, in schriftlicher und leicht zugänglicher Form verfügbar ist.
Lieven Hofmann - Transport & Environment
Kurs - Hands-On Agentic AI Bootcamp: Build 5 Real Projects in Python
Maschinelle Übersetzung
