Концепция ИИ-агентов и мультиагентных систем // Демо-занятие курса «NLP. Advanced»

- Как AI-агенты строятся поверх трансформерных моделей и LLM: от языкового моделирования и GPT-подходов к агентным архитектурам - Роль reasoning, промптинга, RAG и фреймворков (LangChain) в построении агентных и мультиагентных систем - Базовые паттерны взаимодействия агентов и ограничения текущих LLM-подходов Кому будет полезен вебинар: - Практикующим DS и ML-специалистам, работающим с трансформерами и LLM и планирующим переход от одиночных моделей к системным решениям - Выпускникам курсов Machine Learning (Professional / Advanced) и NLP, которые хотят понять, как современные LLM используются в агентных архитектурах - ИТ-специалистам, внедряющим LLM-решения для обработки текстовых данных и автоматизации задач Что узнают участники и где смогут применить: - Поймут, как концепция AI-агентов опирается на архитектуру трансформеров, GPT-модели и современные LLM-подходы - Узнают, как RAG, LangChain, reasoning-методы и работа с контекстом используются при построении агентных и мультиагентных систем - Смогут применять полученные знания при проектировании сложных LLM-систем, выходящих за рамки чат-ботов: аналитика, планирование, автоматизация процессов «NLP. Advanced» - https://otus.pw/1iC5/ Преподаватель: Александр Брут-Бруляко - работает с построением DS систем, анализом данных и выстраиванием ИТ сервисов вокруг этого Пройдите опрос по итогам мероприятия - https://otus.pw/VE3H/ Следите за новостями проекта: → VK: https://vk.com/otusru → Telegram: https://t.me/Otusjava → Хабр: https://otus.pw/S0nM/