Contattaci

Intelligenza Artificiale

AI Agents: sviluppo di agenti autonomi dalla teoria alla pratica

Iscriviti al corso
Richiedi informazioni

Descrizione del corso

Il corso è rivolto a sviluppatori, ingegneri software e tecnici che desiderano acquisire competenze pratiche nello sviluppo di applicazioni basate su Crew AI e agenti autonomi. Attraverso un approccio hands-on, i partecipanti impareranno a progettare, implementare e ottimizzare un sistema AI autonomo, sfruttando i Large Language Models (LLM) e le architetture multi-agente per l’automazione dei processi. Il corso combina teoria e pratica, guidando i partecipanti nello sviluppo di un’applicazione AI completa e fornendo strumenti per il debugging, il monitoraggio e la scalabilità delle soluzioni.

Macro Argomenti

Modulo 1: Introduzione a Crew AI e Agenti Autonomi

  • Cosa sono gli Agenti Autonomi?
    • Introduzione alle architetture AI multi-agente
    • Differenze tra AI tradizionale e agenti autonomi
    • Applicazioni pratiche nel business e nell’industria
  • Componenti principali di Crew AI
    • Struttura e architettura di un sistema AI multi-agente
    • Panoramica sugli strumenti e framework disponibili
    • Workflow tipico di sviluppo

Modulo 2: Costruire un Agente Autonomo con Crew AI

  • Progettazione di un Agente AI
    • Definizione degli obiettivi e dei task
    • Configurazione di un agente con Crew AI
    • Integrazione con LLM tramite API
  • Esercitazione Pratica: Creazione di un Agente AI Base
    • Installazione e setup dell’ambiente di sviluppo
    • Creazione di un agente che esegue task autonomamente

Modulo 3: Automazione e Interazione tra Agenti AI

  • Strutturare un Sistema AI Multi-Agente con Crew AI
    • Comunicazione e coordinazione tra agenti
    • Strategie di suddivisione dei compiti
    • Implementazione di workflow AI autonomi
  • Esercitazione Pratica: Creare una Squadra di Agenti AI
    • Configurazione di più agenti specializzati
    • Implementazione della collaborazione tra agenti

Modulo 4: Ottimizzazione e Debugging di Agenti AI

  • Migliorare l’efficienza degli Agenti AI
    • Strategie per ottimizzare le performance
    • Riduzione dei costi computazionali e gestione delle risorse
    • Prevenzione di loop infiniti e errori comuni
  • Esercitazione Pratica: Debugging e Ottimizzazione di Agenti AI
    • Identificazione e risoluzione dei problemi più comuni
    • Implementazione di meccanismi di logging e monitoraggio

Modulo 5: Deploy e Integrazione in Ambienti Aziendali

  • Deployment di un’Applicazione AI Multi-Agente
    • Opzioni di deployment: cloud, on-premises, API
    • Sicurezza e gestione degli access
    • Strategie per il miglioramento continuo

Profilo partecipanti

Il corso è rivolto a sviluppatori, ingegneri software e tecnici

Obiettivi

Al termine del corso, i partecipanti saranno in grado di:

  • Comprendere il funzionamento e le potenzialità di Crew AI per la creazione di agenti autonomi.
  • Implementare un sistema AI multi-agente con gestione e orchestrazione di task.
  • Scrivere codice per la creazione, interazione e automazione di agenti autonomi.

Learning outcomes

Al termine del corso i partecipanti saranno in grado di:

  • Descrivere i concetti fondamentali degli agenti autonomi e delle architetture AI multi-agente, riconoscendone differenze e vantaggi rispetto all’intelligenza artificiale tradizionale.
  • Utilizzare Crew AI per progettare e configurare agenti autonomi, definendo obiettivi, task e integrando modelli linguistici di grandi dimensioni (LLM) tramite API.
  • Sviluppare applicazioni AI con architetture multi-agente, implementando la comunicazione, la coordinazione e la suddivisione dei compiti tra agenti specializzati.
  • Ottimizzare le performance e il comportamento degli agenti AI, applicando tecniche di debugging, logging e monitoraggio per migliorare l’efficienza operativa e prevenire errori comuni.
  • Applicare in modo pratico le competenze acquisite attraverso esercitazioni hands-on, sviluppando e testando soluzioni AI autonome pronte per scenari reali e aziendali.

Condizioni di partecipazione

  • Esperienza base in programmazione Python
  • Conoscenza di API e database (facoltativo, ma consigliato)
  • Familiarità con il concetto di modelli di linguaggio (LLM)

Costo per partecipante

300 €

Partecipanti

Min 5

Risorse a valere su fondi PNRR, Missione 4 – Componente 2 – Investimento 2.3:

MICRO-PICCOLE IMPRESE: 80%
MEDIE IMPRESE: 70%
GRANDI IMPRESE: 40%

Costo per azienda

1500 €

Partecipanti

Max 15 per azienda

Modalità

In presenza

Durata

8 ore

Livello

Pratico

Trainer

CIM

Al termine di ciascun corso riceverai un attestato di partecipazione erogato dal Competence Center CIM4.0.
In qualità di soggetto attuatore della transizione digitale, CIM4.0 possiede il certificato di accreditamento presso la Regione Piemonte per l’erogazione della formazione continua. Certificato N°: 1503/001

Organizza un appuntamento con uno uno dei nostri esperti

"*" indica i campi obbligatori

Questo campo serve per la convalida e dovrebbe essere lasciato inalterato.
Anagrafica*
Privacy notice*
Newsletter