19 minutterBygning af mere effektive AI-agenter
Forbedr værktøjsdesign, så agenter vælger den rigtige handling med de rigtige parametre.
Afspil videoHamel Husain. Hamel Husain, Eugene Yan, Brian Bischof, Harrison Chase og Shreya Shankar arbejder sig igennem tracing, loganalyse, LLM-as-judge og arbejdsgangen omkring at se på rigtige produktionsdata. Sid med den på samme måde, som du ville med en lang podcast — det er den bedste dybe behandling af artiklens tese "se på dine traces" på YouTube.
To en halv time med tiny visningstal, beholdt med vilje: der er ingen sammenlignelig lang behandling af trace-drevet evaluering, så sid med den som en lang podcast.
Forbind tracing, evaluering, feedback og produktionsgennemgang til en driftsløkke for LLM-systemer.
Produktions-LLM-erfaring — den antager, at du har rigtige traces og logs, der er værd at analysere.
Senest gennemgået: 18. maj 2026
Fortsæt ad den samme læringsvej med de næste kuraterede videoer.
19 minutterForbedr værktøjsdesign, så agenter vælger den rigtige handling med de rigtige parametre.
13 minutterVælg mellem prompt engineering, RAG, finjustering eller en kombination baseret på den faktiske fejltilstand.
157 minutterFå et grundlag for at gennemføre eksperimenter med kvantisering, LoRA og QLoRA fra start til slut på passende hardware.
Håndplukkede eksterne kurser, der går i dybden med dette emne.
Emory University Goizueta Business School faculty
The deeper, university-level counterpart to our beginner HubSpot marketing pick — Emory's business-school treatment goes past 'how to prompt' into training generative models for brand-specific output, the purchase-funnel economics of AI-generated content, and a full module of genuine skepticism about when generative AI is and isn't worth using in marketing.
IBM AI Academy
GenAI-æraens svar på spørgsmålet om ledelsesstrategi. Tre korte kurser målrettet virksomhedsledere — uden krav om teknisk baggrund — om, hvor generativ AI skaber værdi, hvordan teknologien styres ansvarligt, og hvordan et uklart "vi bør bruge AI" omsættes til et konkret anvendelsesscenarie, der kan forsvares. Bedømt til 4,6 på tværs af cirka 700 anmeldelser. Tag det helst før din næste beslutning om AI-budgettet.