რას ვასწავლით
კურსი პრაქტიკოსი ინჟინრებისთვის, რომლებსაც სურთ AI აგენტების აშენება, პროდუქციაში გაშვება და მათი შემოწმება რეალურ პროექტებზე. სწავლა კოდით, არა სლაიდებით.
სილაბუსი
ფუნდამენტი და ხელსაწყოები
LLM-ების მუშაობის პრინციპი, prompt engineering, embeddings.
აგენტები: პირველი ნაბიჯი
ReAct, tool calling, სტრუქტურირებული შედეგი, ვალიდაცია.
RAG პრაქტიკაში
ვექტორული საცავები, retrieval, chunking, შეფასება.
მრავალაგენტიანი სისტემები
ორკესტრაცია, hand-off, მეხსიერება, მდგომარეობის მართვა.
შეფასება და ტესტირება
offline შეფასებები, online მეტრიკები, regression ტესტირება.
დაკვირვებადობა
tracing, logging, ხარჯების მონიტორინგი, debugging.
production-ში გაშვება
scaling, caching, rate limit-ები, fallback სტრატეგიები.
Capstone პროექტი
შენი საკუთარი AI აგენტი — გაშვებული, გაზომილი, გაწმენდილი.
მოსაცდელ სიაში ჩართვა
დატოვე ინტერესი AI/აგენტ ინჟინერია-ზე. დაგიკავშირდებით კურსის დეტალებით, გრაფიკით და შემდეგი ნაბიჯებით.
მოსაცდელ სიაში ჩართვა