Nvidia Training Course : Building Agentic AI Applications with LLMs

sm-nb3i
Durée : 1 jour
Tarif : 980€ HT

97%

Taux de satisfaction clients
(sur 1931 évaluations du 19/05/21 au 24/07/26)

Voir les avis

Objectifs

By participating in this course, you will:

Understand the strengths and limitations of LLMs, and why agent-based paradigms help us to empower them in our modern software landscape.

Learn to produce structured outputs to enable machine-parseable function calls or API integrations.

Explore retrieval mechanisms and knowledge graphs for domain knowledge.

Experiment with multi-agent orchestration using frameworks like LangGraph.

Prérequis

Introductory deep learning knowledge (including attention mechanisms and transformers). Experience from DLI’s Getting Started with Deep Learning or Fundamentals of Deep Learning is preferred.

Intermediate Python proficiency (including object-oriented programming and familiarity with ML libraries). Tutorials like Python Tutorial (w3schools.com) or equivalent practical experience suffice.

Public

IT professionals

Dernière mise à jour

Programme mis à jour le 31 juillet 2026

Cette formation vous intéresse ? Contactez-nous

Bon à savoir

Evaluez votre niveau

Pour vous aider à bien choisir votre formation, nous vous proposons soit un entretien avec le formateur soit un test d’évaluation. Cela vous assurera que vous disposez des connaissances nécessaires pour suivre la formation dans des conditions optimales.

Sessions garanties

La majorité de nos sessions proposées en distanciel sont garanties. Elles peuvent être enregistrées à la demande.

Travaux pratiques

Nos formations comprennent de nombreux travaux pratiques pour un meilleur apprentissage (60 % de pratique). Nous proposons également de travailler sur vos données pour une meilleure expérience.

Nos prestations

Nous réalisons certaines prestations IT pour vous : développement sur-mesure, refonte logicielle, TMA, interfaçage ERP.

Télécharger la fiche de cette formation

Les Modules
de formation

Module1

Fundamentals of Agent Abstraction and LLMs

Discuss LLM capabilities & pitfalls

Introduce agents as a task decomposition abstraction.

Demonstrate minimal agent with free-text LLM calls

Module2

Structured Output & Basic Fulfillment Mechanisms

Bottlenecking LLMs with JSON/task-based outputs.

Ensure domain alignment & stable schema enforcement.

Introduction to cognitive architectures.

Module3

Retrieval Mechanisms & Environmental Tooling

Formalize environment access strategies for agents to interface with other systems.

Develop tool interfaces for external data repositories (DBs, APIs)

Use vector-based retrieval-augmented generation for semantic retrieval over document sets

Module4

Multi-Agent Systems & Frameworks

Decompose tasks among specialized agents

Formalize communication buffers and process distribution schemes.

Differentiate between different frameworks and their unique approaches.

Module5

Final Assessment

Deploy an agent that can schedule multiple retrieval operations to gather research and return to user.

Les prochaines
sessions de formation

Sur demande

Vous souhaitez organiser cette formation à une date spécifique ?Contactez-nous en remplissant le formulaire ci-dessous

24 août 2026

26 octobre 2026

21 décembre 2026

08 février 2027

Cette formation vous intéresse ? Contactez-nous !