Curso de Designando Fluxos de Trabalho Multi-Agente com AutoGen Studio

AutoGen é um framework de código aberto do Microsoft para construir aplicações multiagentes que utilizam LLMs, ferramentas, memória e interação do usuário.

Esta formação presencial (online ou no local) sob a orientação de um instrutor está direcionada a desenvolvedores e arquitetos avançados que desejam projetar e implantar agentes profundamente personalizados usando as APIs baseadas em Python, capacidades de chamada de função e cadeias de ferramentas modulares do AutoGen.

No final desta formação, os participantes serão capazes de:

• Desenvolver agentes customizados com lógica específica para o papel e roteamento de ferramentas.
• Criar fluxos de trabalho dinâmicos usando chamadas de funções avançadas e mudança de contexto.
• Implementar módulos de memória e estruturas de planejamento dentro de equipes de agentes.
• Lidar com estados de erro multiagentes e mecanismos de tentativa adaptativa.

Formato do Curso

• Aula interativa e discussão.
• Muitos exercícios e prática.
• Implementação prático em um ambiente de laboratório ao vivo.

Opções de Personalização do Curso

• Para solicitar uma formação personalizada para este curso, entre em contato conosco para agendar.

AutoGen para Automação de IA Empresarial é um curso prático focado na implementação de sistemas escaláveis e inteligentes de agentes para automatizar operações complexas de negócios usando o framework AutoGen.

Esta formação ao vivo (online ou presencial), liderada por instrutores, é direcionada a profissionais intermediários a avançados de IA que desejam implantar arquiteturas multi-agentes em plataformas e processos empresariais usando o framework AutoGen.

No final desta formação, os participantes serão capazes de:

• Projetar e automatizar fluxos de trabalho empresariais usando AutoGen e agentes LLM.
• Integrar AutoGen com LangChain para orquestração avançada e tratamento de contexto.
• Criar pipelines RAG e conectar dados empresariais para automação contextual.
• Conectar agentes a plataformas empresariais como Slack, Jira e SharePoint.
• Escalar e monitorar implantações de AutoGen em ambientes de produção.

Formato do Curso

• Aula interativa e discussão.
• Muitos exercícios e prática.
• Implementação prática em um ambiente de laboratório ao vivo.

Opções de Personalização do Curso

• Para solicitar uma formação personalizada para este curso, entre em contato conosco para agendar.

Criando Sistemas de Agentes LLM com AutoGen é um curso prático focado no desenvolvimento de sistemas multi-agentes usando o framework AutoGen da Microsoft para modelos de linguagem grandes (LLMs).

Este treinamento ao vivo, conduzido por instrutor (online ou presencial), destina-se a profissionais intermediários de IA e automação que desejam projetar, implementar e orquestrar sistemas multi-agentes usando AutoGen com Python e LLMs.

No final deste treinamento, os participantes serão capazes de:

• Projetar arquiteturas multi-agentes usando o framework AutoGen.
• Configurar papéis, capacidades e comportamentos de coordenação dos agentes.
• Usar chamadas de função e gerenciamento de memória para interações entre agentes.
• Criar e testar fluxos de trabalho baseados em LLMs de agentes Python para casos de uso reais.

Formato do Curso

• Aula interativa e discussão.
• Muitos exercícios e prática.
• Implementação hands-on em um ambiente de laboratório ao vivo.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, por favor entre em contato conosco para agendar.

Este workshop de 1 dia, projetado para desenvolvedores, cientistas de dados e entusiastas de IA, ajudará você a entender e aproveitar o poder dos sistemas de IA agêntica usando AutoGen v0.4. 

Através de uma mistura de exercícios práticos e demonstrações práticas, você aprenderá como construir, gerenciar e implantar aplicações multiagente impulsionadas por Large Language Models (LLMs). 

No final do curso, você terá uma sólida base na arquitetura em camadas do AutoGen, dominará a comunicação assíncrona entre agentes e explorará casos de uso reais e melhores práticas para desenvolver aplicações escaláveis e inteligentes impulsionadas por LLM.