Product Description
Perché scegliere l’architettura Agentic AI oggi?
Il panorama dell’Intelligenza Artificiale si sta dividendo: da un lato chi usa l’AI per generare contenuti, dall’altro chi la sfrutta per automatizzare processi. In Impesud abbiamo scelto la seconda strada. Il nostro Corso Agentic AI non è solo un percorso formativo, ma una trasformazione radicale che porta i Large Language Models (LLM) a diventare veri e propri agenti operativi autonomi capaci di percepire, ragionare, pianificare e agire.
Cosa imparerai nel corso Agentic AI
Partecipando al programma, acquisirai competenze pratiche su sei pilastri fondamentali:
-
Fondamenta Concettuali dell’Agentic AI: Capire la differenza tra i vari paradigmi AI ed esplorare approcci di pianificazione come ReAct e Chain-of-Thought (CoT).
-
Design e Architettura: Progettare sistemi basati su architetture simboliche, BDI o LLM-based per task specifici.
-
Implementazione Core: Sviluppare agenti in Python utilizzando i framework più avanzati del settore.
-
Analisi e Valutazione: Assessment critico delle performance e gestione delle interazioni umano-agente.
-
Etica e Sicurezza: Navigare le sfide dei sistemi autonomi applicando principi di AI responsabile.
-
Problem Solving Pratico: Costruire agenti funzionali pronti per applicazioni reali in azienda.
Programma del Corso Agentic AI: 16 Settimane di Innovazione
Il percorso è strutturato per accompagnarti passo dopo passo verso la maestria tecnologica:
| Fase |
Modulo |
Descrizione Tecnica |
| 0 |
Preparatory Module |
Refresh di Python, OOP e librerie per data science. |
| 1-3 |
Prompt Engineering Foundations |
Mastering LLM, tecniche RAG e precisione degli output. |
| 4 |
Project Week 1 |
Sviluppo di uno Smart Data Processing Agent. |
| 6-8 |
Intro to Agentic AI Design |
Architetture agentiche, autonomia e protocollo MCP. |
| 9 |
Planning & Reasoning |
Implementazione di logiche ReAct e Agentic RAG. |
| 10 |
Project Week 2 |
Creazione di un Automated Research Agent. |
| 12 |
Multi-Agent Systems (MAS) |
Coordinamento e comunicazione tra agenti multipli. |
| 13-14 |
Advanced Agentic AI |
Reinforcement Learning e Embodied AI. |
| 15 |
Project Week 3 |
Sviluppo di un Customer Support Chatbot avanzato. |
| 16 |
Masterclass Finale |
Visione futura dell’AI e sessione conclusiva. |
Strumenti e Tecnologie
Il corso offre un’esperienza “hands-on” con lo stack tecnologico più richiesto:
-
Sviluppo: Python, VS Code e Google Colab.
-
Framework Agentici: LangChain, LangGraph, CrewAI, Autogen e smolagents.
-
Ragionamento e Dati: DSPy e Vector Database come Chroma o Pinecone.
-
Modelli: Integrazione nativa con l’ecosistema OpenAI.
Se vuoi scoprire i dettagli tecnici dietro la nostra architettura, leggi l’approfondimento dedicato al primo capitolo sul loop Sense-Think-Act.
Reviews
There are no reviews yet.