Agent ที่ต้องรู้ในปี 2024 (วิเคราะห์การใช้งาน + ปฏิบัติการโปรเจกต์จริง) จัดการแอป Agent ได้ครบจบในที่เดียว

ทำความเข้าใจสถาปัตยกรรมหลักของ Agent อย่างง่าย

สถาปัตยกรรมหลักของ Agent คือพิมพ์เขียวการออกแบบระบบอัจฉริยะที่ช่วยให้เราทำงานต่างๆ ได้สำเร็จ หลักสูตรนี้จะเปิดเผยความลับของสถาปัตยกรรมหลักของ Agent อย่างลึกซึ้งแต่เข้าใจง่าย ให้คุณเข้าใจและนำไปใช้ในสถานการณ์จริงได้อย่างสบาย

วิเคราะห์กระบวนการทั้งหมดของเฟรมเวิร์กคลาสสิก

การวิเคราะห์กระบวนการทั้งหมดของเฟรมเวิร์กคลาสสิกจะค่อยๆ แยกแยะเฟรมเวิร์กทางเทคนิคคลาสสิกบางส่วน จากภาพรวมสู่รายละเอียด ช่วยให้ผู้เรียนเข้าใจเฟรมเวิร์กเหล่านี้อย่างครอบคลุม เราจะศึกษากระบวนการสร้างเฟรมเวิร์กเหล่านี้อย่างลึกซึ้ง เพื่อให้คุณเข้าใจหลักการทำงานของมันอย่างชัดเจน

ตีความซอร์สโค้ดของโปรเจกต์ยอดนิยม

การตีความซอร์สโค้ดของโปรเจกต์ยอดนิยมช่วยให้เราเข้าใจแนวคิดการออกแบบและรายละเอียดการใช้งานของโปรเจกต์ได้ดีขึ้น ในหลักสูตรนี้ เราจะพาคุณวิเคราะห์ซอร์สโค้ดของโปรเจกต์ยอดนิยมไปด้วยกัน เพื่อให้คุณได้เรียนรู้แนวปฏิบัติและเทคนิคที่ดีที่สุดในการพัฒนาโปรเจกต์

จัดการแอปพลิเคชัน Agent แบบครบวงจร

หลักสูตรนี้มีจุดมุ่งหมายเพื่อมอบโซลูชันแอปพลิเคชัน Agent แบบครบวงจรให้กับผู้เรียน ให้คุณเริ่มต้นและนำเทคโนโลยี Agent ไปใช้ในโปรเจกต์จริงได้อย่างง่ายดาย เมื่อเรียนหลักสูตรนี้จบ คุณจะกลายเป็นผู้เชี่ยวชาญด้านแอปพลิเคชัน Agent

โครงสร้างหลักสูตร

1. การแก้ปัญหาและการวิเคราะห์สถาปัตยกรรมของ Agent

แนะนำงานต่างๆ ที่ Agent สามารถแก้ไขได้อย่างลึกซึ้ง และวิเคราะห์หลักการสถาปัตยกรรมเบื้องหลัง เพื่อให้คุณเข้าใจ Agent อย่างครอบคลุม

2. บทบาทของโมดูลค้นคืน RAG และตัวอย่างการใช้งาน

อภิปรายบทบาทของโมดูลค้นคืน RAG และแสดงสถานการณ์การใช้งานในด้านต่างๆ ผ่านกรณีศึกษาจริง

3. ระบบผู้เชี่ยวชาญหลายตัว MOE และตัวอย่างมัลติเอเจนต์

แนะนำแนวคิดของระบบผู้เชี่ยวชาญหลายตัว MOE และมัลติเอเจนต์ พร้อมสาธิตวิธีการใช้งานผ่านตัวอย่าง

4. การปฏิบัติจริงกับการใช้เฟรมเวิร์กยอดนิยมของ Agent

ผ่านโปรเจกต์ปฏิบัติจริง ทำความเข้าใจวิธีการใช้เฟรมเวิร์กยอดนิยมของ Agent เพื่อให้คุณสามารถนำเฟรมเวิร์กเหล่านี้ไปใช้แก้ปัญหาได้อย่างยืดหยุ่น

5. การตีความเฟรมเวิร์ก MetaGpt และการปฏิบัติจริง

ตีความเฟรมเวิร์ก MetaGpt อย่างลึกซึ้ง และแสดงการประยุกต์ใช้ในด้านการประมวลผลภาษาธรรมชาติผ่านโปรเจกต์ปฏิบัติจริง

6. การปฏิบัติจริงกับมัลติเอเจนต์ใน Stanford AI Town

ผ่านกรณีศึกษาของ Stanford AI Town ทำความเข้าใจสถานการณ์การใช้งานและเทคนิคปฏิบัติจริงของระบบมัลติเอเจนต์

7. แผนการปรับปรุง RAG และกลยุทธ์การปรับละเอียด

แนะนำแผนการปรับปรุง RAG และกลยุทธ์การปรับละเอียด เพื่อช่วยเพิ่มประสิทธิภาพของระบบ Agent

8. ตัวอย่างงานของ LLM และแอปพลิเคชันปลายน้ำ

ผ่านตัวอย่างงานของ LLM และแอปพลิเคชันปลายน้ำ ทำความเข้าใจสถานการณ์การใช้งานของเทคโนโลยีนี้ในโปรเจกต์จริง

9. การปฏิบัติจริงกับวิธีการปรับละเอียดโมเดลขนาดใหญ่ด้วย LORA

เจาะลึกวิธีการปรับละเอียดโมเดลขนาดใหญ่ด้วย LORA และสาธิตเทคนิคการใช้งานผ่านโปรเจกต์ปฏิบัติจริง