لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت سیستمهای چندعاملی (Multi-Agent) با استفاده از LangGraph و Autogen
- آخرین آپدیت
دانلود Building Multi-Agent Systems using LangGraph and Autogen
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره آموزشی اصول و مبانی سیستمهای هوش مصنوعی چندعاملی را با استفاده از LangGraph و Autogen معرفی میکند و درک معماری را با توسعه عملی عاملهای هوشمند و همکار ترکیب مینماید. این دوره که برای ارائه مبانی مفهومی و تجربه عملی طراحی شده است، به بررسی نحوه بازتعریف اتوماسیون، تصمیمگیری و حل مسئله مبتنی بر هوش مصنوعی توسط سیستمهای عاملمحور میپردازد.
از طریق درسهای هدایتشده و نمایشهای کدنویسی، شما یاد خواهید گرفت چگونه چندین عامل هوش مصنوعی (AI Agents) بسازید که به صورت خودکار با هم ارتباط برقرار کنند، برنامهریزی کنند و وظایف را اجرا نمایند. شما با LangGraph برای ساختاردهی به جریانهای کاری عاملها و با Autogen برای فعالسازی تعامل پویا بین آنها کار خواهید کرد. این دوره موضوعات کلیدی مانند ارتباطات میان عاملی، حلقههای استدلال، تجزیه وظایف و هماهنگی برای کاربردهای دنیای واقعی مانند تحقیق، تحلیل و مدیریت جریان کار را پوشش میدهد.
در پایان این دوره، شما قادر خواهید بود:
• معماری، رفتار و چرخه حیات سیستمهای چندعاملی را درک کنید.
• عاملهای هوشمند را با استفاده از LangGraph و Autogen برای حل مسئله مشارکتی بسازید.
• استراتژیهای استدلال و ارتباطات را برای مدیریت موثر وظایف پیادهسازی کنید.
• عملکرد سیستمهای چندعاملی را برای مقیاسپذیری و قابلیت اطمینان ارزیابی و بهینه کنید.
این دوره برای توسعهدهندگان، دانشمندان داده و متخصصان هوش مصنوعی که میخواهند طراحی و استقرار سیستمهای چندعاملی هوشمند با قابلیت اجرای خودکار جریانهای کاری پیچیده را بیاموزند، ایدهآل است.
داشتن درک اولیه از برنامهنویسی پایتون و آشنایی با مفاهیم یادگیری ماشین یا هوش مصنوعی مفید خواهد بود، اما هیچ تجربه قبلی در مورد LangGraph یا Autogen نیاز نیست.
به ما بپیوندید تا آینده سیستمهای هوش مصنوعی خودگردان را کشف کنید و یاد بگیرید چگونه عاملهایی بسازید، هماهنگ کنید و بهینه کنید که به صورت هوشمند فکر، همکاری و عمل میکنند.
سرفصل ها و درس ها
دادههای بلادرنگ و ابزارهای پیشرفته
Real-Time Data and Advanced Tooling
معرفی تخصص
Specialization Introduction
معرفی دوره
Course Introduction
از محتوای ایستا تا تصمیمگیری مالی بلادرنگ
From Static Content to Real-Time Financial Decisioning
تمرین عملی: عامل مشاهدهگر (Observer Agent)
Hands-on: The Observer Agent
تمرین عملی: یکپارچهسازی منابع داده بلادرنگ
Hands-on: Integrating Real-Time Data Sources
تمرین عملی: اعتبارسنجی دادهها و پیشپردازش برای مدلهای زبانی بزرگ (LLMs)
Hands-on: Data Validation and Pre-Processing for LLMs
تمرین عملی: ساخت ابزار تحلیل بنیادی
Hands-on: Building the Fundamental Analysis Tool
تمرین عملی: ساخت ابزار اجرا با محافظهای ساختار داده سختگیرانه
Hands-on: Creating the Execution Tool with Strict Schema Guardrails
تمرین عملی: استفاده از چندین ابزار در یک مرحله استدلال واحد
Hands-on: Using Multiple Tools in a Single Reasoning Step
تمرین عملی: RAG برای دانش مالی - نمایه سازی گزارشهای SEC
Hands-on: RAG for Financial Knowledge - Indexing SEC Filings and Reports
تمرین عملی: مدیریت دادههای عددی در RAG
Hands-on: Handling Numerical Data in RAG
تمرین عملی: عامل تحقیق (Research Agent)
Hands-on: The Research Agent
همکاری چندعاملی و تصمیمگیری
Multi-Agent Collaboration and Decision-Making
فراتر از تکعاملی: اصول تیمهای عامل همکار
Beyond Single Agent: Principles of Collaborative Agent Teams
تمرین عملی: طراحی نقشهای عامل - پژوهشگر، تحلیلگر و مدیر سبد سهام
Hands-on: Designing Agent Roles - Researcher, Analyst, and Portfolio Manager
تمرین عملی: راهاندازی عامل هماهنگکننده (Orchestrator)
Hands-on: Setting Up the Orchestrator Agent
تمرین عملی: پروتکلهای ارتباطی - توانمندسازی عاملها برای انتقال پیامهای ساختاریافته
Hands-on: Communication Protocols Enabling Agents to Pass Structured Messages
تمرین عملی: نقش عامل تحلیلگر
Hands-on: The Analyst Agent's Role
تمرین عملی: انتقال بین عاملهای مختلف
Hands-on: Transitions Between Different Agents
تمرین عملی: پیادهسازی مکانیسم اجماع برای تصمیمات سرمایهگذاری
Hands-on: Implementing a Consensus Mechanism for Investment Decisions
تمرین عملی: تولید سیگنال معاملاتی
Hands-on: Generating a Trading Signal
تمرین عملی: تحلیل مشارکتی کامل
Hands-on: The Full Collaborative Analysis
تمرین عملی: یکپارچهسازی Autogen و Gemini در جریان کار موجود
Hands-on: Integrating Autogen and Gemini in Existing Workflow
امنیت، قابلیت حسابرسی و استقرار
Security, Auditability, and Deployment
مسئله اقدامات غیرقابل بازگشت: محافظهای اجرا در امور مالی
The Irrevocable Action Problem: Guardrails for Financial Execution
تمرین عملی: پیادهسازی بررسیهای پیش از اجرا
Hands-on: Implementing Pre-Execution Checks
پیشگیری از جیلبریک LLM: تکنیکهایی برای جلوگیری از اقدامات غیرمجاز
LLM Jailbreak Prevention: Techniques to Stop Unauthorized Actions
تمرین عملی: ثبت تمامی افکار و اقدامات برای رعایت قوانین (Compliance)
Hands-on: Logging Every Thought and Action for Compliance
تمرین عملی: گره توقف اضطراری
Hands-on: The Emergency Stop Node
تمرین عملی: اعمال اجباری تصمیمات بر اساس ضربالاجلهای سختگیرانه بازار
Hands-on: Forcing Decisions on Strict Market Deadlines
تمرین عملی: یکپارچهسازی صف بررسی نهایی برای اجرا
Hands-on: Integrating the Final Review Queue for Execution
تمرین عملی: بستهبندی سیستم چندعاملی برای کانتینریسازی
Hands-on: Packaging the Multi-Agent System for Containerization
تمرین عملی: استقرار API عامل معاملاتی خودگردان
Hands-on: Deploying the Autonomous Trading Agent API
مقیاسپذیری سیستمهای بلادرنگ و مدیریت پیشرفته سبد سهام
Scaling Real-Time Systems and Advanced Portfolio Management
جمعبندی دوره و ارزیابی
Course Wrap-Up and Assessment
نمایش نظرات