DATE IN PROGRAMMA
12 NOVEMBRE 2025 (9:00—18:00)

LIVELLO
Pratico

DURATA
8 ore

TRAINER
CIM4.0

MODALITÀ
In presenza

PREZZO
300€

prezzo per partecipante (minimo 5 partecipanti)

€1.500 prezzo per azienda (massimo 15 partecipanti ad azienda)

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

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

Richiedi informazioni:

learninghub@cim40.com

Descrizione

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 Partecipante

Il corso è rivolto a sviluppatori, ingegneri software e tecnici

Pre-requisiti

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

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.

Altro

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

Leggi le Modalità di partecipazione