Opleiding : Autonome agenten en collectieve intelligentie, het ontwerpen van gedistribueerde ecosystemen met LLM

Schaalbare multi-agent systemen ontwerpen en implementeren die LLM's integreren.

Praktijkcursus - 3d - 21u00 - Ref. LLM
Prijs : 2010 € V.B.

Autonome agenten en collectieve intelligentie, het ontwerpen van gedistribueerde ecosystemen met LLM

Schaalbare multi-agent systemen ontwerpen en implementeren die LLM's integreren.


Nieuwe opleiding

Suivez cette formation pour concevoir et déployer des écosystèmes multi-agents intelligents. Vous apprendrez à orchestrer, coordonner et superviser des agents autonomes capables de résoudre des tâches complexes et distribuées, grâce à des exercices pratiques et des projets concrets.


INTER
INTRA
OP MAAT

Praktijkcursus ter plaatse of via klasverband op afstand
Disponible en anglais, à la demande

Ref. LLM
  3d - 21u00
2010 € V.B.




Suivez cette formation pour concevoir et déployer des écosystèmes multi-agents intelligents. Vous apprendrez à orchestrer, coordonner et superviser des agents autonomes capables de résoudre des tâches complexes et distribuées, grâce à des exercices pratiques et des projets concrets.


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
De belangrijkste concepten van intelligente agenten en LLM-gestuurde architecturen identificeren.
Vergelijk symbolische agenten, LLM-powered en bijrijders om de juiste oplossing te kiezen.
Een LangChain-agent implementeren met tools, geheugen en redeneerketens.
Ontwerp een gecoördineerd multi-agent systeem met behulp van rollen, communicatie en workflows.
Ontologieën en semantisch redeneren toepassen om kennis te standaardiseren en te delen.
Orkestreer en houd toezicht op multi-agent ecosystemen en zorg voor prestaties, beveiliging en schaalbaarheid.

Doelgroep
Ontwikkelaars, software-architecten, AI-ingenieurs, onderzoekers, R&D-managers en elke professional die betrokken is bij complexe projecten in Python, LLM of gedistribueerde systemen.

Voorafgaande vereisten
Python-taalvaardigheden. Goede kennis van LLM's. Basiskennis van LangChain. Goede kennis van software en agentgeoriënteerde architectuur.

Opleidingsprogramma

1
Grondslagen van intelligente agenten en de rol van LLM's

  • Definitie: agent, autonomie, omgeving, perceptie, actie, doelstellingen.
  • Symbolische agent vs LLM-aangedreven. Verschil tussen agenten, ketens en co-piloten.
  • Verschil tussen agenten, ketens en bijrijders.
  • Overzicht van agentarchitecturen (BDI, planners, prompt-gebaseerd).
  • Taalmodel als motor voor planning en redeneren.
  • Beperkingen: hallucinaties, coördinatie, computerkosten.

2
LangChain-agenten en redeneren met hulpmiddelen

  • Architectuur van een LangChain agent.
  • Componenten: tools, geheugen, uitvoer-parser, AgentExecutor.
  • Voorbeelden van hulpmiddelen: berekenen, zoeken, bestanden, API's.
  • Beheer van redeneerketens en het milieu.
Praktisch werk
Creatie van een eenvoudige agent met hulpmiddelen. Agent die vragen beantwoordt, een zoektool gebruikt, een berekening uitvoert. Beheer van redeneerketens en de omgeving.

3
Multi-agent theorieën en raamwerken

  • Soorten agenten: gespecialiseerd, hiërarchisch, concurrerend, samenwerkend.
  • Verschillende benaderingen van coördinatie: per taak, per rol, per boodschap.
  • Communicatiemodellen: blackboard, publish/subscribe, directe dialoog (JSON).
  • Enkele raamwerken: LangChain Multi-Agent, CrewAI, AutoGen, ChatDev, AutoGPT.
  • Complexe workflows structureren: delegatie, rollen, afhankelijkheden

4
Ontologieën en semantisch redeneren

  • Standaardisatie van gedeelde kennis.
  • Zakelijke ontologieën integreren in een multi-agent systeem.
  • Redeneren vanuit kennisgrafieken (RDF, Neo4j).
  • Lang geheugen voor inter-agent coördinatie.
Praktisch werk
Conception d’un système à 3 agents spécialisés. Exemple : analyste de données, rédacteur de rapport, vérificateur juridique. Coordination par rôle et par objectif. Utilisation de mémoire longue.

5
Planning, toezicht en veiligheid

  • Implementeren van chain-of-thought voor LLM-planning.
  • De grenzen van LLM's: ruis, instabiliteit, oneindige lussen.
  • Controlestrategieën: scoren, snoeien, kritische agenten.
  • Toezicht op en bewaking van interacties (logging, replay, controleerbaarheid).
  • Governance en beveiliging: sandboxing, compliance, critical agent of human in the loop (HITL).


Data en plaats
Selecteer uw locatie of kies voor de les op afstand en kies vervolgens uw datum.
Klas op afstand

Dernières places
Date garantie en présentiel ou à distance
Session garantie

KLAS OP AFSTAND
2026 : 9 maa., 15 juni, 14 sep., 23 nov.

PARIS LA DÉFENSE
2026 : 2 maa., 8 juni, 7 sep., 16 nov.