آموزش عوامل هوش مصنوعی و گردش‌های کاری - راهنمای عملی - آخرین آپدیت

دانلود AI Agents & Workflows - The Practical Guide

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش ساخت سیستم‌های مبتنی بر عامل و برنامه‌های کاربردی هوش مصنوعی برای اتوماسیون و فرصت‌سازی

یاد بگیرید چگونه با استفاده از هوش مصنوعی، وظایف را اتوماتیک کرده و فرصت‌های جدیدی خلق کنید.

آنچه در این دوره خواهید آموخت:

  • شرح و ساخت عامل‌های هوش مصنوعی
  • ساخت گردش‌کارهای مبتنی بر هوش مصنوعی برای اتوماسیون وظایف
  • ساخت سیستم‌های چند عامله
  • درک تفاوت بین عامل‌های هوش مصنوعی و گردش‌کارها
  • بهره‌گیری از ابزارهایی مانند جستجوی وب در گردش‌کارهای هوش مصنوعی
  • استفاده از OpenAI API & SDK از طریق عامل‌های هوش مصنوعی و گردش‌کارها
  • تجهیز LLMها با ابزارها
  • ساخت عامل‌های خود یا استفاده از ابزارهایی مانند CrewAI

پیش‌نیازها:

دانش پایه‌ای برنامه‌نویسی مورد نیاز است. نیازی به تجربه پیشرفته در هوش مصنوعی یا برنامه‌نویسی نیست.

اصطلاح "عامل‌های هوش مصنوعی" یک واژه رایج است.

اما سیستم‌های مبتنی بر عامل و گردش‌کارهای مبتنی بر هوش مصنوعی می‌توانند دنیایی از فرصت‌های جدید را باز کنند.

از تبدیل داده تا تولید محتوا، خدمات مشتری یا تحقیقات خودکار، تنها محدودیت شما، تخیل شماست!

این دوره شما را به این هدف می‌رساند: شما قادر خواهید بود برنامه‌های کاربردی و سیستم‌های مبتنی بر عامل هوش مصنوعی خودتان را بسازید!

این دوره به شما می‌آموزد که "عامل‌های هوش مصنوعی" دقیقا چه هستند، چه تفاوتی با "گردش‌کارهای هوش مصنوعی" دارند (و چگونه با هم مرتبط هستند) و چگونه می‌توانید هر دو را بسازید و استفاده کنید.

در این دوره، من تصمیم گرفتم از این واژه‌های رایج فاصله بگیرم و به جای آن تمام تئوری‌های حیاتی، مثال‌های فراوان و قطعه کدهای مشخص را در اختیار شما قرار دهم تا اطمینان حاصل شود که به طور کامل درک می‌کنید چگونه LLMها، "کدهای معمولی" و داده‌ها با هم کار می‌کنند تا برنامه‌های کاربردی مبتنی بر هوش مصنوعی را زنده کنند.

با شرکت در این دوره، شما دریافت خواهید کرد:

  • توضیح کامل "گردش‌کارهای هوش مصنوعی" و "عامل‌های هوش مصنوعی"
  • مثال‌های فراوان (شامل تولید محتوا، پشتیبانی مشتری، تحقیقات خودکار)
  • توضیحات دقیق که به شما امکان می‌دهد دانش را بدون توجه به زبان برنامه‌نویسی مورد استفاده خود، اعمال کنید

شما خواهید آموخت:

  • چگونه گردش‌کارهای هوش مصنوعی و عامل‌ها را از ابتدا بسازید
  • چگونه از مدل‌های OpenAI (از طریق API & SDK) به صورت برنامه‌نویسی استفاده کنید
  • چگونه داده‌های ورودی را با هوش مصنوعی تبدیل کنید
  • چگونه اتوماسیون‌های مبتنی بر هوش مصنوعی بسازید
  • چگونه با سرویس‌های شخص ثالث مانند Slack تعامل داشته باشید
  • چگونه از هوش مصنوعی برای خودارزیابی استفاده کنید
  • چگونه حافظه کوتاه مدت و بلند مدت را برای عامل‌های هوش مصنوعی خود مدیریت کنید
  • چگونه سیستم‌های چند عامله بسازید و داده‌ها را بین عامل‌ها به اشتراک بگذارید
  • چگونه کار را بین عامل‌های عمومی و تخصصی تقسیم کنید
  • چگونه یک مرحله "Human-in-the-Loop" به گردش‌کارهای خود اضافه کنید
  • و خیلی بیشتر!

تمام مثال‌های کد در این دوره از Python و OpenAI API / SDK استفاده می‌کنند، اما شما می‌توانید این دانش را در هر زبان برنامه‌نویسی یا مدلی که در کار روزمره خود استفاده می‌کنید، اعمال کنید.


سرفصل ها و درس ها

Getting Started

  • به این دوره خوش آمدید! Welcome To The Course!

  • ایجنت‌ها و ورک‌فلوهای هوش مصنوعی چیستند؟ What Are AI Agents & Workflows?

  • یک ایجنت هوش مصنوعی که همه شما می‌شناسید An AI Agent You All Know

  • درباره این دوره - چه انتظاری داشته باشیم About This Course - What To Expect

  • به انجمن ما بپیوندید Join Our Community

ساخت ورک‌فلوها و اپلیکیشن‌های هوش مصنوعی Building AI Workflows & Applications

  • مقدمه ماژول Module Introduction

  • بدون کد در مقابل با کد No Code vs With Code

  • ساخت اپلیکیشن‌های هوش مصنوعی و استفاده از هوش مصنوعی به صورت برنامه‌نویسی Building AI Apps & Using AI Programmatically

  • LLM های اختصاصی در مقابل باز (محلی) Proprietary vs Open (Local) LLMs

  • استفاده از LLM های باز Using Open LLMs

  • درک محیط توسعه ما Understanding Our Development Environment

  • ایجاد یک پروژه پایتون جدید (با استفاده از "uv") Creating a New Python Project (using "uv")

  • راه‌اندازی و قیمت‌گذاری OpenAI OpenAI Setup & Pricing

  • شروع به کار با یک ورک‌فلو مثال اول Getting Started With A First Example Workflow

  • آماده‌سازی درخواست‌های HTTP برای API OpenAI Preparing HTTP Requests For The OpenAI API

  • انتخاب و استفاده از یک مدل Choosing & Using a Model

  • مهندسی پرامپت (Prompt Engineering) Prompt Engineering

  • استخراج و استفاده از پاسخ LLM Extracting & Using the LLM Response

  • اطلاعات بیشتر در مورد API و SDK OpenAI More on the OpenAI API & SDK

  • تحلیل عمیق کدها در مقابل قطعه کدهای ارائه شده Code Deep Dives vs Provided Code Snippets

  • از این مستندات استفاده کنید! Use Those Docs!

  • استفاده از SDK پایتون OpenAI Using The OpenAI Python SDK

  • بهره‌گیری از Few-Shot Prompting Leveraging Few-Shot Prompting

  • ایجاد پرامپت ها به صورت پویا با محتوای پویا Generating Prompts Dynamically With Dynamic Content

  • ساخت ورک‌فلوهای چند مرحله‌ای و چند مدلی Building Multi-Step & Multi-Model Workflows

  • ورک‌فلوها در مقابل سیستم‌های Agentic Workflows vs Agentic Systems

  • استفاده از مدل‌های Open که به صورت محلی از طریق Ollama اجرا می‌شوند Using Locally Running Open Models via Ollama

  • اعمال و استفاده از خروجی‌های ساختاریافته Enforcing & Using Structured Outputs

  • اطلاعات بیشتر در مورد JSON Schema ها و خروجی‌های ساختاریافته More On JSON Schemas & Structured Outputs

  • خروجی‌های ساختاریافته از طریق SDK و Pydantic Structured Outputs via SDK & Pydantic

  • استفاده از مهندسی پرامپت برای کنترل خروجی Using Prompt Engineering To Control Output

  • به سوی یک مثال دیگر Onwards To Another Example

  • تولید تصاویر در یک ورک‌فلو Generating Images In a Workflow

  • کنترل اجرای ورک‌فلو با تنظیمات جریان کنترل Controlling Workflow Execution with Control Flow Adjustments

  • جریان کنترل در عمل Control Flow In Action

  • اضافه کردن یک "Human In The Loop" Adding a "Human In The Loop"

  • ادغام سرویس‌های خارجی - مثال: Slack Integrating External Services - Example: Slack

  • مهم: مشکلات بالقوه و خطرات امنیتی Important: Potential Problems & Security Risks

ساخت ایجنت‌های هوش مصنوعی Building AI Agents

  • مقدمه ماژول Module Introduction

  • چگونه LLM ها از ابزارها استفاده می‌کنند (یا نمی‌کنند) How LLMs (Do Not) Use Tools

  • پیاده‌سازی استفاده از ابزار از ابتدا Implementing Tool Use From Scratch

  • استفاده از ویژگی Function Calling در OpenAI Using OpenAI's Function Calling Feature

  • ساخت یک ایجنت چند منظوره با چند ابزار Building a Multi-Tool Versatile Agent

  • استفاده از مدل‌های پیشرفته هوش مصنوعی Using Advanced AI Models

  • ساخت المان‌های قابل استفاده مجدد با Classes Building Reusable Elements With Classes

  • شروع به کار با یک سیستم Multi-Agent Getting Started with a Multi-Agent System

  • ساخت و اتصال ایجنت‌های تخصصی Building & Connecting Specialized Agents

  • استخراج محتوای وب‌سایت Extracting Website Content

  • ایجنت‌های Universal در مقابل ایجنت‌های تخصصی Universal vs Specialized Agents

  • حافظه ایجنت: کوتاه‌مدت و بلندمدت Agent Memory: Short-Term & Long-Term

  • جمع بندی Wrap Up

استفاده از CrewAI: یک SDK شخص ثالث برای ایجنت‌های هوش مصنوعی Using CrewAI: A Third-Party AI Agents SDK

  • مقدمه ماژول Module Introduction

  • شروع به کار با CrewAI Getting Started With CrewAI

  • درک ایجنت‌های CrewAI Understanding CrewAI Agents

  • استفاده از Tasks در CrewAI Using CrewAI Tasks

  • اضافه کردن ابزارها به ایجنت‌ها Adding Tools To Agents

  • اجرای Crew Running The Crew

جمع بندی Roundup

  • جمع بندی دوره Course Roundup

  • سخنرانی جایزه Bonus Lecture

نمایش نظرات

آموزش عوامل هوش مصنوعی و گردش‌های کاری - راهنمای عملی
جزییات دوره
4 hours
59
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
13,207
4.6 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Maximilian Schwarzmüller Maximilian Schwarzmüller

دارای گواهینامه AWS، توسعه دهنده وب و مدرس حرفه ای