Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
Trajanje 14 sati
Sadržaj kursa
Razumevanje arhitekture agenata u Antigravity-u
- Interni predstavljanja i modeli stanja
- Slojevita koordinacija ponašanja
- Putanje generisanja akcija
Sistemi memorije za dugotrajne agente
- Ponašanja kratkoročne vs dugoročne memorije
- Obrazci čuvanja perzistentnog znanja
- Spračavanje kvara memorije i drift-a
Petlje povratne informacije i oblikovanje ponašanja
- Strategije povratne informacije sa ljudima u petlji (human-in-the-loop)
- Mehanizmi pojačanja i prilagođavanje nagrada
- Tehnike samovrednovanja i samokorekcije
Učenje tokom vremena
- Praćenje napretka učenja agenata
- Otkrivanje i ublažavanje propadanja veština (skill decay)
- Adaptivno ažuriranje na osnovu operativnog konteksta
Gradnja i zadržavanje baze znanja
- Izgradnja strukturisanih dugoročnih grafova znanja
- Semantičko preuzimanje i indeksiranje memorije
- Održavanje relevantnosti i svežine znanja
Interakcije agenata i ekosistemi sa više agenata
- Kooperativna i kompetitivna ponašanja
- Kolektivna memorija i zajedničko stanje
- Skaliranje emergentnih obrazaca kroz sisteme
Integracija povratnih informacija razvojača
- Pregled i anotacija artefakta agenata
- Automatizovani cevi evaluacije (evaluation pipelines)
- Uključivanje ljudske procene u petlje učenja
Napredna optimizacija i buduća pravca
- Prilagođavanje performansi za zadatke dugog trajanja
- Prediktivno modelovanje evolucije agenata
- Arhitektonske tendencije i istraživačke frontiere
Zaključak i dalji koraci
Uslovi
- Razumevanje arhitektura autonomnih agenata
- Ispkustvo sa velikim veštački inteligentnim sistemima
- Poznavanje koncepata učenja jačanjem (reinforcement learning)
Ciljana publika
- Senior AI inženjeri
- Arhitekte agenata platforme
- Timovi za istraživanje i razvoj (R&D)