لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
ساخت سیستمهای هوش مصنوعی عاملمحور (Agentic AI) برای مبتدیان - آموزش عملی [ویدئویی]
- آخرین آپدیت
دانلود Building Autonomous Agentic AI Systems for Beginners HandsOn [Video]
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
هوش مصنوعی عاملمحور (Agentic AI) نشاندهنده تغییری از مدلهای ایستا به سیستمهای خودمختاری است که میتوانند استدلال کنند، برنامهریزی کنند و به طور مستقل عمل کنند. این دوره با معرفی مبانی Agentic AI آغاز میشود و توضیح میدهد که عاملها (Agents) چه هستند، چه تفاوتی با هوش مصنوعی سنتی دارند و چرا سازمانها در حال پذیرش رویکردهای عاملمحور هستند. شما مفاهیم کلیدی مانند خودمختاری، استدلال، برنامهریزی، ابزارها و محدودیتهای دنیای واقعی را از طریق یک ساختار شفاف و منسجم درک خواهید کرد.
سپس سفر آموزشی به سراغ بلوکهای فنی میرود که قدرتبخش سیستمهای عاملمحور هستند. شما مدلهای زبانی بزرگ (LLMs)، سیستمهای حافظه، Embeddingها، پایگاه دادههای برداری و تولید تقویتشده با بازیابی (RAG) را بررسی خواهید کرد. این دوره جریانهای کاری عامل، مهندسی پرامپت، ارکستراسیون وظایف و ادغام ابزارها را پوشش میدهد که با نمایشهای عملی مانند ساخت عاملهای ساده، عاملهای مجهز به RAG و سیستمهای مبتنی بر MCP تقویت شده است.
در مراحل نهایی، تمرکز بر توسعه پیشرفته و استقرار است. شما راهکارهای واقعی را با استفاده از Smolagents، CrewAI، MCP و n8n خواهید ساخت، از جمله سیستمهای چند-عاملی، عاملهای مانیتورینگ ابری و معماریهای بین-ابری. دوره با الگوهای طراحی عاملمحور، بازتاب (Reflection)، بهینهسازی، نردههای حفاظتی ایمنی و روشهای استقرار به پایان میرسد و شما را برای طراحی سیستمهای Agentic AI مقیاسپذیر و آماده تولید مجهز میکند.
آنچه در این دوره میآموزید:
- درک مفاهیم اصلی پشت سیستمهای خودمختار Agentic AI
- ساخت عاملهای هوش مصنوعی کاربردی با استفاده از فریمورکها و ابزارهای مدرن
- طراحی سیستمهای چند-عاملی با قابلیت همکاری و خودمختاری
- ادغام حافظه RAG، Embeddingها و جریانهای کاری جستجوی برداری
- استقرار عاملها با استفاده از روشهای بهینهسازی و نردههای حفاظتی ایمنی
- ایجاد راهکارهای عاملمحور ابری و بین-ابری در دنیای واقعی
این دوره برای توسعهدهندگان، دانشمندان داده، مهندسان یادگیری ماشین (ML)، مهندسان بکاند و معماران سیستم طراحی شده است که میخواهند فراتر از استفادههای ساده از LLM رفته و سیستمهای هوش مصنوعی خودمختار بسازند. همچنین برای علاقهمندان به AI و سازندگان محصول که در جستجوی اتوماسیون هوشمند و جریانهای کاری چند-عاملی هستند، بسیار مناسب است. دانشجویان باید با زبان پایتون آشنا باشند و درک اولیهای از نحوه عملکرد مدلهای زبانی بزرگ داشته باشند.
سرفصل ها و درس ها
مقدمه دوره
Course Introduction
مقدمه
Introduction
آشنایی با هوش مصنوعی عاملمحور (Agentic AI)
Introduction to Agentic AI
مقدمه بخش
Section Introduction
هوش مصنوعی عاملمحور (Agentic AI) چیست؟
What Is Agentic AI?
تفاوت Agentic AI با هوش مصنوعی سنتی و عاملهای AI
How Agentic AI Is Different from Traditional AI and AI Agents
چرا سازمانها به سمت Agentic AI حرکت میکنند؟
Why Organizations Are Moving Toward Agentic AI
بلوکهای سازنده یک سیستم Agentic AI
Building Blocks of an Agentic AI System
تأثیرات صنعتی و محدودیتهای Agentic AI
Industry Impact and Limitations of Agentic AI
خلاصه
Summary
مبانی هوش مصنوعی عاملمحور
Foundation of Agentic AI
مقدمه بخش
Section Introduction
مدلهای زبانی بزرگ (LLMs)
Large Language Models (LLMs)
درک عاملهای هوش مصنوعی
Understanding AI Agents
دمو: ساخت عامل هوشمند آبوهوا از صفر
Demonstration: Weather AI Agent from Scratch
تولید تقویتشده با بازیابی (RAG)
Retrieval-Augmented Generation (RAG)
Embeddingها و نمایشهای برداری
Embeddings and Vector Representations
سیستمهای حافظه در Agentic AI
Memory Systems in Agentic AI
مهندسی پرامپت و ارکستراسیون وظایف
Prompt Engineering and Task Orchestration
جریان کاری هوش مصنوعی عاملمحور
Agentic AI Workflow
Thinknyx® Technologies یک برند شناخته شده است که خدمات مشاوره و پیاده سازی فناوری اطلاعات را ارائه می دهد، آموزش های جامع فناوری اطلاعات و مهارت های نرم ارائه می دهد و راه حل های استعدادیابی (استخدام) را برای سازمان های مختلف در سراسر جهان ارائه می دهد. با بیش از یک دهه تجربه اصلی در صنعت، آنها با موفقیت به مشتریان خود در برنامه ریزی استراتژیک و اجرای بی عیب و نقص راه حل های پیرامون ابتکارات فناوری اطلاعات و غیر IT کمک کرده اند.
یوگش راهجا بنیانگذار و یک معمار ارشد راه حل در Thinknyx Technologies و مدرس دوره های ویدیویی است. یوگش مشاور قابل اعتماد سازمانهای متعددی بوده است و با تخصص خود آنها را در سفر DevOps، زیرساختهای کد، کانتینریسازی، محاسبات ابری، راهحلهای اتوماسیون و هوش مصنوعی/ML/هوش مصنوعی مولد راهنمایی میکند. او همچنین چندین کتاب منتشر شده در سطح جهانی (مانند "DevOps موثر با AWS"، "Automation with SaltStack"، "Automation with Puppet 5" و "Automation with Ansible") منتشر شده توسط Packt، Wiley و OrangeAVA را تالیف کرده است.
نمایش نظرات