Jalur Pembelajaran untuk Profesional Teknis
Agentic AI
Jalur pembelajaran awal ini memperkenalkan dasar-dasar dan teknik lanjutan untuk membangun agen AI otonom. Pembelajar akan menjelajahi kerangka kerja utama seperti LangChain, LangGraph, AutoGen, CrewAI, dan Semantic Kernel SDK, selagi menguasai pola desain agen, sistem multi-agen, arsitektur memori, RAG, database vektor, dan penerapan produksi. Kurikulum ini menekankan proyek langsung, kasus penggunaan dunia nyata, dan integrasi alat AI berbasis cloud dan sumber terbuka.
Sasaran pembelajaran
- Mengembangkan Agen AI Otonom: Membangun, mengonfigurasikan, dan menerapkan agen AI menggunakan kerangka kerja seperti LangChain, LangGraph, CrewAI, dan Semantic Kernel SDK.
- Menerapkan Sistem Multi-Agen: Merancang dan mengatur alur kerja agen kolaboratif dengan AutoGen dan pola percakapan tingkat lanjut untuk aplikasi dunia nyata.
- Mengintegrasikan Memory dan Retrieval: Melengkapi agen dengan memory dan retrieval-augmented generation (RAG) menggunakan database vektor, penyematan, dan teknik manajemen memori.
- Menerapkan Pola Desain Agentic: Memanfaatkan refleksi, penggunaan alat, perencanaan, dan pola kolaborasi untuk membangun solusi agentic yang tangguh, terukur, dan adaptif.
- Mengintegrasikan Plugin Berbasis AI dalam aplikasi bisnis menggunakan Semantic Kernel SDK
Target peserta:
Jalur ini dirancang untuk insinyur perangkat lunak, pengembang AI, ilmuwan data, dan profesional teknis yang ingin membangun, menyebarkan, dan meningkatkan skala agen AI otonom. Pembelajaran ini cocok bagi mereka yang memiliki pengalaman pemrograman dasar yang ingin mendapatkan paparan langsung terhadap kerangka kerja agen tercanggih dan solusi AI dunia nyata.