آموزش بوت‌کمپ مهندسی هوش مصنوعی: اپلیکیشن‌ها، RAG، ایجنت‌ها و MCP - آخرین آپدیت

سرفصل ها و درس ها

معرفی دوره و راه‌اندازی Course Introduction and Setup

• پروژه پیش‌نمایش: دستیار کامل پژوهش و دانش از ابتدا تا انتها Teaser Project - Complete End to End Knowledge and Research Assistant

• در این دوره چه چیزهایی خواهید ساخت What You Will Build in This Course

• مرور کلی تکنولوژی‌های مورد استفاده در دوره Course Tech Stack Overview

• نصب پایتون، VS Code و گیت Installing Python, VS Code, and Git

• راه‌اندازی OpenAI یا Ollama Setting Up OpenAI or Ollama

• ایجاد پوشه پروژه بوت‌کمپ Creating the Bootcamp Project Folder

هفته اول روز اول: ساخت اولین دستیار هوش مصنوعی Week 1 Day 1: Build Your First AI Assistant

• هوش مصنوعی، هوش مصنوعی مولد و LLM چیستند؟ What Is AI, Generative AI, and an LLM?

• درک پرامپت‌ها، توکن‌ها و پاسخ‌ها Understanding Prompts, Tokens, and Responses

• مرور کلی آزمایشگاه روز اول Day 1 Lab Overview

• ساخت لایه سرویس LLM Build the LLM Service Layer

• ساخت یک چت‌بات هوش مصنوعی در ترمینال Build a Terminal AI Chatbot

• ساخت یک چت‌بات هوش مصنوعی با Streamlit Build a Streamlit AI Chatbot

• جمع‌بندی روز اول و چالش دانشجویی Day 1 Wrap-Up and Student Challenge

هفته اول روز دوم: آزمایشگاه مهندسی پرامپت Week 1 Day 2: Prompt Engineering Playground

• چرا مهندسی پرامپت اهمیت دارد Why Prompt Engineering Matters

• مقایسه پرامپت ضعیف در برابر پرامپت قوی Weak Prompt vs Strong Prompt

• فرمول پرامپت: نقش، وظیفه، زمینه، قوانین، فرمت خروجی Prompt Formula: Role, Task, Context, Rules, Output Format

• مرور کلی آزمایشگاه روز دوم Day 2 Lab Overview

• ساخت قالب‌های پرامپت Build Prompt Templates

• ساخت آزمایشگاه پرامپت با Streamlit Build a Prompt Lab with Streamlit

• دموی آزمایشگاه پرامپت: ذخیره، انتخاب و اجرای پرامپت‌ها Prompt Lab Demo: Save, Select, and Run Prompts

• جمع‌بندی روز دوم و چالش دانشجویی Day 2 Wrap-Up and Student Challenge

هفته اول روز سوم: تحلیل‌گر رزومه با هوش مصنوعی Week 1 Day 3: AI Resume Analyzer

• تبدیل فراخوانی‌های LLM به اپلیکیشن‌های هوش مصنوعی Turning LLM Calls into AI Applications

• معماری تحلیل‌گر رزومه هوشمند AI Resume Analyzer Architecture

• مرور کلی آزمایشگاه روز سوم Day 3 Lab Overview

• آپلود و استخراج متن رزومه Upload and Extract Resume Text

• ساخت پرامپت تحلیل رزومه Build the Resume Analysis Prompt

• ساخت اپلیکیشن تحلیل‌گر رزومه با Streamlit Build the Streamlit Resume Analyzer App

• دمو: تحلیل رزومه از مرحله آپلود تا گزارش نهایی Demo: Analyze a Resume from Upload to Report

• جمع‌بندی روز سوم و چالش دانشجویی Day 3 Wrap-Up and Student Challenge

هفته اول روز چهارم: دستیار چت PDF با RAG Week 1 Day 4: PDF Chat Assistant with RAG

• سیستم RAG چیست؟ What Is RAG?

• امبدینگ‌ها، تکه‌ها (Chunks) و جستجوی معنایی Embeddings, Chunks, and Semantic Search

• مرور کلی ChromaDB برای مبتدیان ChromaDB Beginner Overview

• ساخت دستیار چت PDF با RAG و ChromaDB Building a PDF Chat Assistant with RAG and ChromaDB

• چت با فایل‌های PDF: ساخت اپلیکیشن RAG با ChromaDB و LLM Chat with Your PDFs: Build a RAG App Using ChromaDB and an LLM

• جمع‌بندی روز چهارم و چالش دانشجویی Day 4 Wrap-Up and Student Challenge

هفته اول روز پنجم: ایجنت پژوهشی خودگردان Week 1 Day 5: Autonomous Research Agent

• ایجنت هوش مصنوعی چیست؟ What Is an AI Agent?

• فرمول ایجنت = LLM + ابزارها + گردش کار + وضعیت Agent = LLM + Tools + Workflow + State

• ساخت ایجنت پژوهشی خودگردان Build the Autonomous Research Agent

• دمو: اجرای ایجنت پژوهش از تعیین موضوع تا گزارش Demo: Run the Research Agent from Topic to Report

• جمع‌بندی روز پنجم و چالش دانشجویی Day 5 Wrap-Up and Student Challenge

هفته اول روز ششم: تیم تولید محتوای چند-ایجنته Week 1 Day 6: Multi-Agent Content Team

• سیستم‌های تک-ایجنته در برابر چند-ایجنته Single Agent vs Multi-Agent Systems

• درک نقش‌های ایجنت و ارکستراسیون Understanding Agent Roles and Orchestration

• ساخت تیم تولید محتوای چند-ایجنته Build the Multi-Agent Content Team

• اجرای کامل تیم تولید محتوای چند-ایجنته Run the Multi-Agent Content Team End-to-End

• جمع‌بندی روز ششم و چالش دانشجویی Day 6 Wrap-Up and Student Challenge

هفته اول روز هفتم: پروژه نهایی و استقرار Week 1 Day 7: Capstone and Deployment

• مرور کلی پروژه نهایی (Capstone) Capstone Project Overview

• معماری دستیار پایگاه دانش هوشمند AI Knowledge Base Assistant Architecture

• ساخت دستیار پایگاه دانش هوشمند Build the AI Knowledge Base Assistant

• Dockerfile: کانتینری کردن اپلیکیشن Dockerfile: Containerizing the App

• دموی نهایی پروژه Final Capstone Demo

• آماده‌سازی README گیت‌هاب و ارسال پورتفولیو Prepare GitHub README and Portfolio Submission

پروژه پیش‌نمایش هفته دوم: رئیس دفتر هوشمند (AI Chief of Staff) Week 2 Teaser Project: AI Chief of Staff

• پیاده‌سازی کامل برای رئیس دفتر هوشمند (AI Chief of Staff) End-to-end Implementation for AI Chief of Staff

هفته دوم روز اول —مهندسی ایجنت‌ها و سیستم‌های خودگردان AI Week 2 Day 1 — Agent Engineering & Autonomous AI Systems

• معماری مدرن سیستم‌های هوش مصنوعی Modern AI System Architecture

• سیستم‌های برنامه‌ریزی و استدلال Planning and Reasoning Systems

• معماری‌های حافظه Memory Architectures

• فریم‌ورک‌های فراخوانی ابزار (Tool Calling) Tool Calling Frameworks

• پروژه عملی: ساخت یک ایجنت پژوهشی خودگردان Hands-On Project: Build an Autonomous Research Agent

هفته دوم روز دوم —RAG پیشرفته و سیستم‌های دانش Week 2 Day 2 — Advanced RAG & Knowledge Systems

• چرا RAG ساده شکست می‌خورد Why Basic RAG Fails

• استراتژی‌های بازیابی پیشرفته Advanced Retrieval Strategies

• سیستم RAG مبتنی بر گراف دانش (Knowledge Graph) Knowledge Graph RAG

• سیستم Agentic RAG Agentic RAG

• پروژه عملی: ساخت ایجنت دانش سازمانی Hands-On Project: Build an Enterprise Knowledge Agent

هفته دوم روز سوم —MCP و اکوسیستم ابزارهای هوش مصنوعی Week 2 Day 3 — MCP & AI Tool Ecosystems

• بررسی عمیق MCP MCP Deep Dive

• ساخت سرورهای MCP Building MCP Servers

• یکپارچه‌سازی‌های سازمانی Enterprise Integrations

• معماری‌های چند-MCP Multi-MCP Architectures

• پروژه عملی: ساخت اولین سرور MCP عملیاتی Hands-On Project: Build Your First Production MCP Server

هفته دوم روز چهارم —ایجنت‌های مرورگر و کارکنان دیجیتال Week 2 Day 4 — Browser Agents & Digital Workers

• معماری ایجنت‌های مرورگر Browser Agent Architectures

• فریم‌ورک‌های تعامل با وب Web Interaction Frameworks

• اتوماسیون قدرتمند Robust Automation

• برنامه‌ریزی ایجنت برای مرورگرها Agent Planning for Browsers

• پروژه عملی: ساخت یک ایجنت مرورگر خودگردان Hands-On Project: Build an Autonomous Browser Agent

هفته دوم روز پنجم —سیستم‌های چند-ایجنته و هوش جمعی (Swarm) Week 2 Day 5 — Multi-Agent Systems & Swarm Intelligence

• الگوهای طراحی چند-ایجنته Multi-Agent Design Patterns

• استفاده از LangGraph برای ارکستراسیون ایجنت‌ها LangGraph for Agent Orchestration

• ارتباطات بین ایجنت‌ها Agent Communication

• معماری‌های ایجنت در سطح سازمانی Enterprise Agent Architectures

• پروژه عملی: ساخت سیستم تحلیل‌گر تجاری چند-ایجنته Hands-On Project: Build a Multi-Agent Business Analyst System

هفته دوم روز ششم —هوش مصنوعی چند-وجهی و مهندسی اپلیکیشن‌های AI Week 2 Day 6 — Multimodal AI & AI Application Engineering

• مبانی هوش مصنوعی چند-وجهی Multimodal Foundations

• مدل‌های بینایی (Vision Models) Vision Models

• سیستم‌های هوش مصنوعی صوتی Voice AI Systems

• ایجنت‌های چند-وجهی Multimodal Agents

• پروژه عملی: ساخت کمک‌خلبان (Copilot) عملیات چند-وجهی Hands-On Project: Build a Multimodal Operations Copilot

هفته دوم روز هفتم —مهندسی عملیاتی هوش مصنوعی و استقرار Week 2 Day 7 — Production AI Engineering & Deployment

• فریم‌ورک‌های ارزیابی هوش مصنوعی AI Evaluation Frameworks

• مشاهده‌پذیری و مانیتورینگ Observability & Monitoring

• گاردریل‌ها و حاکمیت (Governance) Guardrails & Governance

• استقرار در محیط عملیاتی Production Deployment

• پروژه عملی: ساخت و استقرار یک پلتفرم هوش مصنوعی عملیاتی Hands-On Project: Build and Deploy a Production AI Platform

هوش مصنوعی مسئولانه، جمع‌بندی و گام‌های بعدی Responsible AI, Wrap-Up, and Next Steps

• مبانی هوش مصنوعی مسئولانه برای توسعه‌دهندگان Responsible AI Basics for Builders

• اشتباهات رایج در ساخت اپلیکیشن‌های AI که باید از آن‌ها دوری کنید Common AI App Mistakes to Avoid

• نکاتی برای پورتفولیو و رزومه Portfolio and Resume Tips

• تبریک و جمع‌بندی نهایی Congratulations and Final Wrap-Up