Kontaktirajte nas
 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)

Broj učesnika


Cena po učesniku

Predstojeći kursevi

Povezane kategorije