Advanced AutoGen: Custom Agents & Dynamic Tool Useのトレーニングコース

エンタープライズ AI 自動化用 AutoGen は、AutoGen フレームワークを使用して複雑なビジネス運用を自動化するスケーラブルで知的なエージェントシステムの実装に焦点を当てた実践的なコースです。

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、AutoGen フレームワークを使用してエンタープライズプラットフォームとプロセスにマルチエージェントアーキテクチャを展開したい中級から上級レベルの AI 専門家向けです。

このトレーニングが終了すると、参加者は以下のことができます：

• AutoGen と LLM エージェントを使用してエンタープライズワークフローを設計および自動化する。
• 先進的なオーケストレーションとコンテキスト処理のために AutoGen を LangChain と統合する。
• RAG パイプラインを構築し、エンタープライズデータを接続してコンテキストに基づいた自動化を実現する。
• Slack、Jira、SharePoint などのエンタープライズプラットフォームとエージェントを接続する。
• プロダクション環境での AutoGen の展開をスケーリングおよび監視する。

コースの形式

• インタラクティブな講義とディスカッション。
• 豊富な演習と実践。
• ライブラボ環境での手動実装。

コースのカスタマイズオプション

• このコースのカスタマイズ版をご希望の方は、お問い合わせください。

AutoGen Studio は、コードを書くことなく LLM（大規模言語モデル）ベースのマルチエージェントワークフローを作成および管理するためのビジュアル環境です。

この講師主導のライブトレーニング（オンラインまたはオンサイト）は、AutoGen Studio を使用して内部自動化や AI 機能強化型製品開発に向けたエージェント間のインタラクションをビジュアルで設計、テスト、洗練する方法を学びたい初級から中級レベルのビジネスおよび革新プロフェッショナルを対象としています。

このトレーニング終了時には、参加者は以下のことができるようになります：

• コードなしインターフェースを使用してマルチエージェントワークフローを作成する。
• AutoGen Studio を使用してエージェントの役割、プロンプト、目標を定義する。
• エージェント間のメッセージフローを可視化および管理する。
• エージェントロジックにエラーハンドリングとコンテキスト洗練を組み込む。

コース形式

• 対話型の講義とディスカッション。
• 多くの演習と実践。
• ライブラボ環境での手動実装。

コースカスタマイズオプション

• このコースのカスタマイズされたトレーニングを依頼する場合は、ご連絡ください。

AutoGen を使用して LLM エージェントシステムを構築は、Microsoft の AutoGen フレームワークを使用して大規模言語モデル（LLM）のマルチエージェントシステムを開発するための実践的なコースです。

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、Python と LLM を使用して AutoGen によるマルチエージェントシステムを設計、実装、オーケストレーションしたい中級レベルの AI および自動化プロフェッショナルを対象としています。

このトレーニング終了時には、参加者は以下のことができるようになります：

• AutoGen フレームワークを使用してマルチエージェントアーキテクチャを設計する。
• エージェントの役割、機能、および協調動作を構成する。
• エージェント間の相互作用のために関数呼び出しとメモリハンドリングを使用する。
• 実際のユースケース向けに Python ベースの LLM エージェントワークフローを構築およびテストする。

コース形式

• インタラクティブな講義とディスカッション。
• 多くの演習と実践。
• ライブラボ環境での手動実装。

コースのカスタマイズオプション

• このコースのカスタマイズトレーニングを希望する場合は、ご連絡ください。

この1日間のワークショップは、開発者、データサイエンティスト、AI愛好家を対象としており、AutoGen v0.4 を使用してエージェント型AIシステムの理解と活用を支援します。

実践的なデモンストレーションと演習を通じて、Large Language Models (LLMs) によって駆動されるマルチエージェントアプリケーションの構築、管理、展開方法を学びます。

コース終了時には、AutoGen の階層的なアーキテクチャについて確固たる基礎を得られ、エージェント間の非同期通信をマスターし、スケーラブルで知能型のLLM駆動アプリケーションを開発するための実際のユースケースとベストプラクティスを探ります。