Applied Agentic AI: Systems, Design & Impact Bootcamp

Bootcamp i tillämpad agentbaserad AI: System, design och påverkan

I samarbete med Microsoft

• Få fördjupade kunskaper om multiagent-system, RAG, MCP och relaterad teknik.
• Designa och utveckla nästa generations agentbaserade AI-lösningar med hjälp av branschledande ramverk.
• 10 veckors bootcamp-program (onlinekurs varje helg!)
• Kontakta oss för information om nästa omgångs schema!

Programmet Applied Agentic AI: Systems, Design & Impact är utformat för att guida dig genom det framväxande området agentisk AI. Det kombinerar Microsofts expertis inom AI-teknik med lärarledd utbildning, live-sessioner online och praktiska projekt.

Programmet tar dig bortom gränssnittsutveckling till att utforma intelligenta beteenden. Du kommer att utforska agentiska ramverk, planeringssystem, samordning mellan flera agenter och prompt engineering, samtidigt som du arbetar med verkliga projekt med verktyg som är branschstandard. När du är klar kommer du att kunna samordna multiagent-system, utveckla AI-inriktade produktstrategier och leda AI-driven transformation inom din organisation.

Varför är agentisk AI så viktigt idag?

AI har gått bortom experimentstadiet, och företag implementerar det nu i stor skala för att öka produktiviteten och förnya produkter. Denna förändring har skapat ett akut behov av yrkesverksamma som aktivt kan leda AI-initiativ istället för att bara observera dem.

Nästa steg är agentbaserad AI och multiagent-system – AI som kan planera, fatta beslut och agera i komplexa arbetsflöden. Organisationer investerar snabbt i AI-agenter, vilket fundamentalt förändrar produktutveckling och arbetsprocesser. Denna trend innebär en betydande möjlighet för produktchefer på mellannivå till hög nivå samt teknikledare, eftersom roller som kombinerar produktkunskap med kompetens inom agentbaserad AI blir alltmer eftertraktade och välavlönade i AI-ekosystemet.

Viktiga egenskaper

• Kurs och material på engelska
• Nybörjare – avancerad nivå
• 10 veckors program (6–8 timmar/vecka. Helgkurser)
• Över 70 timmars liveundervisning online
• Över 200 timmars rekommenderad studietid
• 1 års tillgång till lärplattformen och inspelningar av lektionerna
• Över 25 verktyg och ramverk: LangChain, AutoGen, CrewAI, n8n, Hugging Face, LangSmith, Jupyter och fler
• Över 40 demonstrationer, över 10 guidade övningar, 11 ramverk
• 7 praktiska projekt i slutet av kursen och 1 avslutande projekt
• Få tillgång till Microsoft Learn-portalen och certifikat från Microsoft.
• Certifikat för varje kurs samt ett mastercertifikat för bootcampen ingår

Över 13 färdigheter som behandlas

• Automatisering av arbetsflöden
• Agentiska ramverk
• Multiagent-system
• Intelligent automatisering
• GTM för agentisk AI
• Etik och transparens
• LLM-funktionsanrop
• Planeringssystem
• Prompt Engineering
• UIUX Agentisk AI
• Copilots
• MCP
• RAG

Engagerande inlärningsupplevelse

• Interaktion med kurskamrater
• Njut av en verklig klassrumsliknande miljö genom att knyta kontakter med andra deltagare och interagera med mentorer i realtid via Slack.
• Flexibelt lärande
• Hamna aldrig efter – få tillgång till inspelade sessioner när som helst för att komma ikapp och hålla jämna steg med din grupp.
• Mentorsessioner
• Få experthjälp från mentorer för att reda ut tveksamheter, få projektvägledning och förbättra din inlärningsresa.
• Dedikerat stöd
• Dra nytta av en kursgruppsansvarig som ger personlig hjälp och ser till att du håller dig på rätt spår mot framgång.

Lärandemål

• Förstå och tillämpa kärnkoncept inom agentbaserad AI, inklusive hur autonoma agenter resonerar, planerar och agerar inom komplexa system.
• Utforma och samordna AI-system med flera agenter med hjälp av branschstandardiserade ramverk och verktyg.
• Använd avancerade planeringssystem, RAG (retrieval-augmented generation), prompt engineering och MCP (Model Context Protocol) för att bygga effektiva, skalbara autonoma arbetsflöden.
• Omvandla strategisk produktvision till praktiska AI-drivna lösningar som kan samordna flera agenter för att lösa verkliga affärsproblem.
• Arbeta praktiskt med en bred uppsättning AI-verktyg (t.ex. LangChain, AutoGen, CrewAI, n8n, LangSmith) för att ta fram prototyper, testa och förfina agentbaserade lösningar.
• Utvärdera och implementera agentbaserade systemkomponenter med fokus på användarupplevelse, säkerhet, interoperabilitet och driftsberedskap.
• Mät prestanda, definiera nyckeltal och utvärdera avkastningen på investeringar (ROI) för implementeringar av AI-agenter i produktionssammanhang.
• Utveckla och presentera ett avslutande projekt på produktionsnivå som kopplar samman agentdesign med marknadsföringsstrategi och operativt genomförande

Målgrupp

Kursen riktar sig till erfarna yrkesverksamma som vill utforma, samordna och leda avancerade AI-system som går bortom grundläggande generativ AI till samordning och strategi för flera agenter

Kursen Applied Agentic AI: Systems, Design & Impact riktar sig främst till:

• Yrkesverksamma på mellannivå till seniornivå som vill leda eller hantera AI-drivna produkter och system.
• Produktchefer och tekniska ledare som vill integrera agentbaserad AI i arbetsflöden och strategi.
• AI/ML-praktiker och ingenjörer som vill gå vidare till design och orkestrering av multiagent-system.
• Konsulter eller innovatörer som ger råd om AI-implementering, autonoma system eller AI-driven affärstransformation.
• Yrkesverksamma med en grundläggande förståelse för programmering och ett intresse för agentisk AI, planeringssystem och multiagentorkestrering.

Förkunskapskrav

• Vara minst 18 år och ha gymnasieexamen eller motsvarande
• Ha en grundläggande förståelse för programmeringskoncept
• Ha minst 4 års yrkeserfarenhet, vilket är önskvärt men inte obligatoriskt

Bootcamp-kursplan

1. Python-uppfriskning med AI (valfritt)
2. Grunderna i AI och agentbaserad AI
3. Generativ AI-teknikstack och prompt engineering
4. LLM-interna funktioner och planeringssystem
5. Multiagent-ekosystem (I)
6. Multiagent-ekosystem (II)
7. Modellkontext och verktygsprotokoll
8. Mätvärden, GTM och ROI
9. Agentbaserad UX-design och transparens
10. Utvecklingsverktyg och produktmognad
11. Utveckla AI-agenter på Azure (Microsoft)
12. Capstone: Simulering av produktstrategi

Valbara kurser:

• Utveckla generativa AI-appar i Azure (Microsoft)
• Masterclass om agentbaserade AI-lösningar med Copilot Studio och AutoGen

1. Python-uppfriskning med AI (valfritt)

Denna kurs friskar upp grunderna i Python för AI/ML och täcker kärnkoncept, miljökonfiguration, datastrukturer, kontrollflöden, OOP, filhantering och AI-assisterade kodningsverktyg som GitHub Copilot. Praktiska övningar i datamanipulation och ett avslutande projekt där traditionell kodning jämförs med AI-förbättrad kodning förbereder deltagarna på att använda Python effektivt i moderna AI-arbetsflöden.

Färdigheter som utvecklas:

• Python-programmering
• Datamanipulation
• Kontrollflöde Grunderna i OOP
• AI-assisterad kodning
• IDE:er och utvecklingsmiljöer

Verktyg och ramverk som behandlas:

• Jupyter
• Visual Studio Code
• Google Colab
• GitHub Copilot

Slutprojekt

• Analysera kundorder med Python
• Bygga ett textbaserat äventyrsspel med GitHub Copilot

2. Grunderna i AI och agentbaserad AI

Denna kurs introducerar ramverket Lär > Bygg > Distribuera och utforskar AI-hierarkin (AI, ML, DL, GenAI, agentbaserad AI), transformerarkitekturer och autonoma AI-agenter. Viktiga ämnen inkluderar inflytelserika artiklar som ”Attention is All You Need”, CoT-prompting, ReAct-ramverk och en analogi med en 4-lagers GenAI-stack. Kursen ger nödvändig kunskap för teknisk produktledning av AI-system, med betoning på både teoretiska och praktiska begrepp inom agentisk AI.

Färdigheter som utvecklas:

• AI-kunskap
• Grunderna i GenAI
• Förståelse för transformatorer
• Prompting-tekniker

3. Generativ AI-teknikstack och prompt-engineering

Denna kurs presenterar ramverket Learn > Build > Deploy och utforskar AI-hierarkin, inklusive AI, ML, DL, GenAI och agentisk AI, tillsammans med transformatorarkitekturer och autonoma AI-agenter. Den täcker inflytelserika studier såsom ”Attention is All You Need”, CoT-prompting, ReAct-ramverk och en analogi med en 4-lagers GenAI-stack, vilket ger väsentlig grundläggande kunskap för teknisk produktledning med fokus på både teoretiska och praktiska agentiska AI-koncept.

Färdigheter som utvecklas:

• GenAI-teknikstack Agentorkestrering
• Vektordatabaser
• AI-UX-design
• Low-code-prototyputveckling

Verktyg och ramverk som behandlas:

• Lovable
• Emergent
• LangChain
• LangGraph
• Crewai
• AutoGen

4. LLM-interna funktioner och planeringssystem

Denna kurs betonar produktiviteten inom produktledning med AI och lär ut prompt-engineering och planeringssystem med hjälp av LangChain och API:er för funktionsanrop. Live-sessionerna täcker skapandet av Q&A-bots med API-integration, utformning av agentdrivna arbetsflöden och avancerade prompt-strategier för att optimera interaktioner med språkmodeller. Praktiska laborationer fokuserar på att skapa flerstegsagenter och integrera kontextuella verktyg, vilket stärker de praktiska färdigheterna inom agentbaserad produktutveckling.

Färdigheter som utvecklas:

• Planeringssystem Design av agentarbetsflöden
• RAG-pipeline-design
• Flerstegsresonemang
• Verktygsintegration

Verktyg och ramverk som behandlas:

• Lovable
• Emergent
• ChatGPT
• crewAI
• LangGraph
• LangChain
• A2A
• Agentiska RAG-designramverk

Guidade övningar:

• Prototyputveckling av produktidéer med AI-verktyg
• Bygga ett multiagent-system för prioritering av funktioner

Demonstrationer:

• Felsökning av misslyckade prompter i sammanfattningar av produktfunktioner
• Tillämpning av CoT- och ReAct-prompter för att utforma användarberättelser och analysera problem
• Bygga en RAG-driven FAQ-agent med anpassad kunskap
• Bygga en finansiell Q&A-agent med LangChain

Slutprojekt:

• Bygga en RAG-pipeline med PDF-hämtning

5. Multiagent-ekosystem (I)

Denna kurs fördjupar sig i avancerade RAG-system (Retrieval-Augmented Generation) och multiagentarkitekturer, med hjälp av praktiska övningar med CrewAI och LangGraph. Kursen täcker mönster för agentsamarbete, rollbaserad design med YAML, minneshantering och praktiska orkestreringsramverk. Deltagarna utvecklar modulära multiagentteam med fokus på skalbarhet, tillståndshantering och autonom informationssyntes, med slutresultat som inkluderar presentationer som förespråkar modulära agentarkitekturer.

Färdigheter som utvecklas:

• Multiagentdesign RAG-arkitektur
• Minnesstrategier
• Orkestrering av arbetsflöden
• Agent-samarbete
• Analytiskt resonemang

Verktyg och ramverk som behandlas:

• Crewai
• LangGraph
• A2A
• MetaGPT
• AutoGPT
• Agentiska RAG-designramverk

Guidade övningar:

• Skapa produktspecifikationer med MetaGPT
• Orkestrera AI-agenter med LangGraph

Demonstrationer:

• Förstå Anthropic Research Agent
• Bygga ett CrewAI-multiagent-system med RAG (chattbot)
• Utföra seriella och parallella arbetsflöden med CrewAI-agenter

Slutprojekt:

• Bygga ett agentiskt RAG-routersystem

6. Multiagent-ekosystem (II)

Med utgångspunkt i centrala multiagentkoncept fokuserar denna kurs på agentorkestrering på företagsnivå med hjälp av Microsoft AutoGen och n8n-arbetsflödesautomatisering. Ämnena omfattar kommunikationsprotokoll, databasintegration och strategier för produktionsdriftsättning. Projekten innefattar att skapa skalbara, högpresterande, säkra och kompatibla marknadsföringsagentpipelines, medan visuella arbetsflöden och protokollanalyser hjälper deltagarna att bemästra komplexa distribuerade agentsystem.

Färdigheter som utvecklas:

• Agentkoordinering
• Arbetsflödesautomatisering
• Multiagentkommunikation
• Regelefterlevnad
• Databasintegration

Verktyg och ramverk som behandlas:

• AutoGen
• N8n
• Docker
• Phoenix Frameworks
• LangSmith
• mongoDB
• PostgreSQL
• Pinecone
• A2A
• Agentbaserade RAG-arbetsflödesmönster

Guidade övningar:

• Bygga ett triagesystem för support med flera agenter
• Utformning av publiceringsarbetsflöden med mänsklig inblandning

Demonstrationer:

• Installera och köra AutoGen lokalt
• Använda AutoGen för autonom intern dokumentkvalitetssäkring och efterlevnad av policyer
• Förhandling om svarsformat för kommunikation mellan flera agenter
• Integrera n8n för automatiserad vidarebefordran av kundsupportärenden
• Implementera AutoGen-agentkedja för automatiserad kodtestning och felsökning

Slutprojekt:

• Bygga AI-driven LinkedIn-automatisering med n8n

7. Modellkontext- och verktygsprotokoll

Denna kurs behandlar Model Context Protocol (MCP) för standardisering och integration av AI-verktyg. Viktiga ämnen inkluderar strukturerad kontextbindning, interoperabilitetsstandarder, design av JSON-scheman, säker verktygshosting och minnespersistens. Praktiska laborationer guidar skapandet av kontextuella AI-agenter som kedjar samman utdata mellan verktyg med autentisering och prestandajustering. Fokus ligger på företagsberedskap, bästa praxis för säkerhet och att göra verktyg lättillgängliga genom standardiserade protokoll.

Färdigheter som utvecklas:

• Kontextbindning Verktygsinteroperabilitet
• Schemadefinition
• Prestandaoptimering
• Säker verktygshosting

Verktyg och ramverk som behandlas:

• N8n
• GitHub
• Model Context Protocol
• FASTMCP

Demonstrationer:

• Bygga en MarketIntel MCP-server för marknadsundersökningar
• Bygga ett arbetsflöde för forskningsagenter med MCP-server i n8n
• Förhandling om svarsformat för kommunikation mellan flera agenter
• Integrera n8n för automatiserad vidarebefordran av kundsupportärenden
• Implementera AutoGen-agentkedja för automatiserad kodtestning och felsökning

8. Mätvärden, GTM och ROI

Denna kurs erbjuder ett komplett ramverk för att utvärdera AI-agenters prestanda, som täcker OKR, mätvärden såsom framgångsgrad och latens, samt ROI-bedömning. Den utforskar observabilitetsverktyg som LangSmith och Phoenix, realtidsloggning och konversationsanalys. Affärsinriktade ämnen inkluderar prissättning, marknadsföringsstrategier och distribution av agent-MVP:er med analysdashboards. Praktiska övningar i instrumentering och övervakning förbereder deltagarna för operativ excellens.

Färdigheter som utvecklas:

• Analys av agentmätvärden Konfigurering av observabilitet
• A/B-test
• GTM-strategi
• ROI-utvärdering
• Agentövervakning

Verktyg och ramverk som behandlas:

• LangSmith
• Miro

Demonstrationer:

• Konfigurera LangSmith-spårning på en enkel AI-agent
• A/B-testa AI-svar med olika promptvarianter
• Skapa en Lean Canvas på Miro (samarbetsövning)

9. Agentisk UX-design och transparens

Med fokus på användarupplevelsen i AI-produkter utforskar denna kurs interaktionsdesign för agentisk UX, inklusive flexibla och probabilistiska flöden, hantering av tvetydighet och kontrollpunkter med mänsklig inblandning. Den tar upp etiska utmaningar som hallucinationer och bias, undervisar i skyddsräcken, transparensmetoder, konfidensindikatorer och förklarbara gränssnitt. Deltagarna utvecklar fullständiga UX-prototyper som prioriterar förtroende, användarkontroll och resilient fail-soft-design.

Färdigheter som utvecklas:

• UX-prototyputveckling
• AI-First-design
• Human-in-the-Loop-design
• UX för interaktion mellan människa och AI
• UX-design för riskminimering inom AI

Verktyg som behandlas:

• Figma

Guidad övning:

• Utforma proaktiva agentbeteenden i Figma

Demonstrationer:

• Skapa en prototyp i chattstil i Figma
• Designa ett gränssnitt med AI-föreslagna åtgärder och knappar för användarkontroll
• Skapa en förklarande verktygstips och en planerad åtgärd i Figma
• Designa gränssnitt för godkännande och feedback med människa i slingan i Figma

Slutprojekt:

• Designa en agentisk UX-förtroendeprototyp

10. Utvecklingsverktyg och produktklarhet

Denna kurs, som fokuserar på driftsättning och live-drift, utforskar moln- kontra edge-hosting, serverlösa och containeriserade miljöer samt metoder för modellhosting. Den innehåller praktiska övningar med Firebase och n8n-automatiseringsflöden, integrering av feedback- och testsystem för användarinsikter, konfigurering av varningar för övervakning samt en introduktion till infrastruktur som kod med Terraform och Pulumi. Deltagarna får de färdigheter som krävs för att säkerställa skalbar och underhållbar produktmognad för AI.

Färdigheter som utvecklas:

• Automatisering av arbetsflöden
• Händelseloggning
• Infrastruktur som kod
• Produktberedskap
• Modellhosting

Verktyg som behandlas:

• Hugging Face

Guidad övning:

• Bygga en fullstack-agent-MVP i Colab

Demonstrationer:

• Logga och visualisera händelser i interaktionen mellan användare och agent i Firestore
• Bädda in en Lovable-feedbackwidget och spåra Firebase Analytics-händelser
• Kör en självhostad open source-LLM lokalt med Ollama

Slutprojekt:

• Utforma en arbetsflödesplanerare för flera agenter

11. Utveckla AI-agenter på Azure (Microsoft)

Denna kurs lär ut hur man bygger AI-agenter med hjälp av Microsoft Azures molnplattform och verktyg. Den täcker Azure-ramverk, distributionsarbetsflöden, säkerhetsintegration och skalbara orkestreringsmetoder. Deltagarna får praktisk erfarenhet av att utveckla och driva AI-agenter i Azure, med fokus på tillförlitlighet och efterlevnad på företagsnivå.

Färdigheter som utvecklas:

• Distribution på Azure
• Molnorkestrering
• Säkerhetsintegration
• Skalbar agentdesign
• Företags efterlevnad

12. Capstone-projekt: Simulering av produktstrategi

Capstone-projektet kombinerar design av multiagent-system med marknadsföringsstrategi genom att skapa ett produktionsklart ramverk för marknadsundersökning och GTM med fyra agenter, med hjälp av n8n och CrewAI, integrerat med MCP. Det betonar affärsstrategi, inklusive Lean Canvas, prissättning och förvärvsplanering, tillsammans med prestandaövervakning och driftsättning av chattbotter i verkliga miljöer. Detta praktiska projekt förbereder deltagarna för praktiskt ledarskap inom AI-produktutveckling.

Färdigheter som utvecklas:

• Design av system med flera agenter
• MCP-integration
• GTM-planering
• Prissättningsstrategi
• Prestandaanalys
• Driftsättning i verkliga miljöer

Valbara kurser

Valbar kurs 1: Utveckla generativa AI-appar i Azure (Microsoft)

Denna kurs ger dig verktyg för att utveckla AI-lösningar på Azure med hjälp av Microsoft Foundry. Du lär dig att planera och konfigurera AI-miljöer, välja och distribuera modeller från katalogen, bygga applikationer med Foundry SDK, använda promptflöden, skapa RAG-lösningar med dina data, finjustera modeller, tillämpa ansvarsfulla AI-metoder och utvärdera generativ AI-prestanda med Azure AI Studio-verktyg.

Valbar kurs 2: Masterclass om agentbaserade AI-lösningar med Copilot Studio och AutoGen

Denna masterclass ger praktisk erfarenhet av att utforma och driftsätta agentbaserade AI-lösningar med moderna low-code- och open source-ramverk. Genom livesessioner med branschexperter visar den hur verktyg som Copilot Studio och AutoGen kan påskynda utvecklingen och möjliggöra snabb driftsättning av agentbaserade system i praktiska affärsmiljöer.

Vanliga frågor

Hur genomförs programmet?

Kursen genomförs helt online via virtuella live-lektioner och erbjuder en 80:20-blandning av erfarenhetsbaserad träning och teoretiskt lärande. Du kommer att delta i praktiska projekt, fallstudier och interaktiva sessioner ledda av branschexperter.

Hur ser lektionsschemat ut? Finns det inspelningar?

Kursen sträcker sig vanligtvis över cirka 10 intensiva veckor, med uppskattningsvis 6–8 timmars live-sessioner varje helg med olika scheman. Mellan kurserna kommer det att finnas många praktiska projekt att slutföra. Vänligen mejla oss för att få detaljerna om programmets schema. Om du missar en lektion kan du alltid titta på inspelningen.

Vad är agentisk AI, och hur skiljer den sig från vanlig AI?

Agentisk AI avser autonoma system som kan planera, resonera och agera över flera uppgifter eller arbetsflöden. Till skillnad från traditionell AI, som reagerar på indata, kan agentisk AI fatta beslut, samordna med andra agenter och anpassa sig till dynamiska miljöer, vilket möjliggör komplex problemlösning i verkliga affärssammanhang.

Hur bidrar denna kurs till karriärutveckling?

Absolventer får kompetens inom AI-produktstrategi, samordning av multiagent-system och AI-driven affärsledning, vilket förbereder dem för roller som:

• AI-produktchef
• AI-lösningsarkitekt
• Teknisk ledare för AI-system
• AI-innovationskonsult
• Teknologistrategichef

Behöver jag tidigare erfarenhet av kodning eller AI?

Ingen avancerad programmerings- eller djupgående AI-erfarenhet krävs. En grundläggande förståelse för programmeringskoncept och dataflöden är tillräcklig. Kursen fokuserar på att utforma, samordna och hantera AI-system snarare än att bygga modeller från grunden.

Kan jag tillämpa denna kunskap i min nuvarande roll?

Absolut. Kursen betonar tillämpbarhet i verkligheten, vilket gör det möjligt för deltagarna att utforma, implementera och optimera agentbaserade AI-lösningar inom produktutveckling, marknadsföring, kundservice och operativ automatisering