آموزش ساخت برنامه‌های هوشمند چند عاملی با AutoGen 0.5 - آخرین آپدیت

دانلود Build intelligent Multi-Agent applications with AutoGen 0.5

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

آموزش جامع AutoGen: ساخت برنامه‌های هوش مصنوعی چند عامله مقیاس‌پذیر

با AutoGen نسخه 0.5، برنامه‌های هوش مصنوعی چند عامله هوشمند و مقیاس‌پذیر را برای وظایف واقعی بسازید.

آنچه در این دوره می‌آموزید:

  • مبانی سیستم‌های چند عامله: درک معماری‌های چند عامله، مزایای آنها و کاربردهای واقعی در گردش کار مبتنی بر هوش مصنوعی.
  • کار عملی با AutoGen: کسب تجربه عملی در استفاده از AutoGen 0.4 و 0.5 برای ساخت و سفارشی‌سازی برنامه‌های هوش مصنوعی چند عامله هوشمند برای حل مسئله.
  • همکاری و ارتباط بین عامل‌ها: بررسی نحوه تعامل، اشتراک دانش و هماهنگی کارآمد وظایف توسط چندین عامل هوش مصنوعی با استفاده از پروتکل‌های ساختاریافته.
  • ساخت برنامه‌های هوش مصنوعی مقیاس‌پذیر: توسعه راه‌حل‌های هوش مصنوعی برای سناریوهای واقعی، مانند پشتیبانی مشتری.

پیش‌نیازها:

آشنایی با مبانی پایتون

آینده هوش مصنوعی، همکاری چند عامله است؛ جایی که عامل‌های هوشمند به طور مشترک برای حل کارآمد وظایف پیچیده کار می‌کنند. این دوره به منظور کمک به شما در تسلط بر چارچوب AutoGen (نسخه‌های 0.4 و 0.5) طراحی شده است. AutoGen ابزاری قدرتمند برای ساخت و هماهنگ‌سازی عامل‌های هوش مصنوعی است که با هم تعامل دارند، استدلال می‌کنند و همکاری می‌کنند. چه یک علاقه‌مند به هوش مصنوعی، یک توسعه‌دهنده یا یک پژوهشگر باشید، این دوره شما را با مهارت‌های ساخت و استقرار برنامه‌های چند عامله مقیاس‌پذیر مجهز می‌کند.

چه چیزی یاد خواهید گرفت؟

  1. مبانی سیستم‌های چند عامله: درک اجزای اصلی عامل‌های هوش مصنوعی، موارد استفاده آن‌ها و نحوه بهبود گردش کار مبتنی بر هوش مصنوعی.

  2. راه‌اندازی محیط توسعه: یادگیری نحوه نصب پایتون، راه‌اندازی VS Code، ایجاد محیط‌های مجازی و نصب وابستگی‌های لازم.

  3. غوص عمیق در AutoGen: بررسی معماری، کتابخانه‌ها و قابلیت‌های AutoGen، از جمله کار با مدل‌های OpenAI و LLaMA متن‌باز.

  4. مفاهیم کلیدی AutoGen: تسلط بر پیام‌رسانی عامل، عامل‌های پراکسی کاربر، عامل‌های دستیار، پاسخ‌های جریان‌دار و یکپارچه‌سازی هوش مصنوعی چندوجهی.

  5. همکاری عامل هوش مصنوعی مبتنی بر تیم: یادگیری نحوه سازماندهی عامل‌های هوش مصنوعی در تیم‌ها، تعریف شرایط خاتمه و پیاده‌سازی SelectorGroupChat برای انتخاب عامل مبتنی بر LLM.

  6. مفاهیم پیشرفته چند عامله: بررسی مدیریت حالت در گردش کار هوش مصنوعی و غوص در Magentic-One، یک سیستم چند عامله عمومی برای وظایف مبتنی بر وب و فایل.

  7. پروژه‌های عملی: پیاده‌سازی برنامه‌های کاربردی عامل هوش مصنوعی واقعی، از جمله:

    • پروژه 1: توسعه یک برنامه عامل هوش مصنوعی مبتنی بر Streamlit، درک و بهینه‌سازی کد با عامل

    • پروژه 2: ساخت یک چت‌بات هوش مصنوعی چند عامله برای پشتیبانی مشتری که با کاربران پورتال تجارت الکترونیک تعامل می‌کند و درخواست‌ها را به صورت پویا پردازش می‌کند.


این دوره برای چه کسانی مناسب است؟

  • متخصصان هوش مصنوعی و یادگیری ماشین که به دنبال ساخت عامل‌های هوش مصنوعی هوشمند هستند.

  • توسعه‌دهندگانی که به AutoGen، AutoGen AgentChat و اتوماسیون هوش مصنوعی علاقه‌مند هستند.

  • محققانی که به بررسی همکاری چند عامله می‌پردازند.

  • هر کسی که مشتاق به توسعه برنامه‌های کاربردی مبتنی بر هوش مصنوعی است.

در پایان این دوره، شما تجربه عملی در ساخت و بهینه‌سازی سیستم‌های چند عامله مبتنی بر هوش مصنوعی با استفاده از AutoGen خواهید داشت و شما را برای توسعه راه‌حل‌های هوش مصنوعی نسل بعدی آماده می‌کند.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • نصب پایتون Python installation

  • دانلود و راه‌اندازی ویژوال استودیو کد Download and setup Visual Studio Code

  • دانلود لینک کد Download Code Link

  • دانلود کد و ایجاد محیط مجازی Download code and create virtual environment

معرفی سیستم‌های چند عاملی و اتوژن Introduction to Multi-Agent Systems and Autogen

  • عامل‌های هوش مصنوعی چیستند؟ What are AI Agents?

  • اجزا و موارد استفاده از عامل‌های هوش مصنوعی Components and use cases of AI Agents

  • اتوژن چیست؟ What is AutoGen?

مدل‌های LLM LLM Models

  • مدل‌های LLM چیستند؟ What are LLM models?

  • چگونه تصمیم بگیریم از کدام مدل LLM استفاده کنیم؟ How to decide which LLM model to use?

  • ایجاد کلید API اوپن ای‌آی Create OpenAI Api Key

  • اجرای اولین کد با کلید OpenAI Run your first code with OpenAI Key

  • توضیح کد استفاده از کلاینت OpenAI با AutoGen Code explanation of OpenAI client usage with AutoGen

  • جزئیات قیمت‌گذاری و توکن‌بندی OpenAI OpenAI Pricing and Tokenization details

  • استفاده از هر مدل LLM متن‌باز با اتوژن Use any Open Source LLM model with AutoGen

مفاهیم مهم AutoGen Important AutoGen Concepts

  • پیام‌ها چیستند؟ What are messages?

  • نمایش پیام متنی در عمل: ارسال پیام به عامل‌های هوش مصنوعی Demonstrating TextMessage in Action: Sending Messages to AI Agents

  • چت عامل اتوژن: درک عامل‌ها AutoGen AgentChat: Understanding Agents

  • درک فراخوانی ابزار، reflect_on_tool_use و HandOff Understanding Tool Calling, reflect_on_tool_use, and HandOff

  • توضیح عامل دستیار: کد، اجرا و بررسی عمیق Assistant Agent Explained: Code, Execution, and Deep Dive

  • درک on_messages و تابع run: ویژگی‌ها و کاربرد توضیح داده شد Understanding on_messages and run Function: Properties & Usage Explained

  • بررسی reflect_on_tool_use و فراخوانی تابع با کد Exploring reflect_on_tool_use & Function Calling with code

  • UserProxyAgent: ضبط و مدیریت ورودی کاربر UserProxyAgent: Capturing and Managing User Input

  • ترکیب متن و تصاویر در سیستم‌های هوش مصنوعی چند وجهی Combining Text and Images in Multi-Modal AI Systems

  • جریان‌سازی پیام‌ها و توکن‌های عامل: بینش‌های بی‌درنگ Streaming Agent Messages & Tokens: Real-Time Insights

پروژه 1 - برنامه Streamlit با عامل هوش مصنوعی: بررسی و بهینه‌سازی کد Project 1 - Streamlit App with AI Agent: Code Walkthrough & Optimization

  • بررسی اجمالی پروژه بهینه‌سازی کد Code Optimization Project Overview

  • بررسی کد پروژه Code Walkthrough of the project

تیم‌ها: سازماندهی عامل‌ها برای وظایف مشارکتی Teams: Organizing Agents for Collaborative Tasks

  • توضیح تیم‌های عامل هوش مصنوعی: تعریف و موارد استفاده AI Agent Teams Explained: Definition & Use Cases

  • بررسی تیم‌های چت گروهی موجود در AutoGen Exploring Available Group Chat Teams in AutoGen

  • اجرای یک تیم به صورت Round Robin Running a Team in Round Robin Fashion

  • انسان در حلقه: روش‌های مختلف برای گرفتن ورودی کاربر Human in the Loop: Different Ways to Take User Input

  • تعریف زمان و نحوه توقف تیم‌های عامل هوش مصنوعی با استفاده از شرایط خاتمه Defining When and How AI Agent Teams Should Stop using Termination conditions

  • انتخاب عامل مبتنی بر LLM با SelectorGroupChat LLM-Based Agent Selection with SelectorGroupChat

  • SelectorGroupChat در عمل: نحوه کارکرد آن SelectorGroupChat in Action: How It Works

  • اجرای کد Selector Group Chat و تابع Custom Selector در عمل Running Selector Group Chat Code & Custom Selector Function in Action

پروژه 2: چت‌بات هوش مصنوعی چند عاملی برای پشتیبانی مشتری Project 2: Multi-Agent AI Chatbot for Customer Support

  • بررسی اجمالی پروژه Project Overview

  • معماری پروژه و بررسی کد Frontend برای چت‌بات هوش مصنوعی چند عاملی Project architecture and Frontend code walkthrough for Multi-Agent AI Chatbot

  • بررسی کد Fast API برای چت‌بات هوش مصنوعی چند عاملی Fast API code walkthrough for Multi-Agent AI Chatbot

  • بررسی کد پایگاه داده و ابزارها برای چت‌بات هوش مصنوعی چند عاملی Database and tools code walkthrough for Multi-Agent AI Chatbot

  • بررسی کد تعریف تمام عامل‌ها برای چت‌بات هوش مصنوعی چند عاملی All agents definition code walkthrough for Multi-Agent AI Chatbot

  • اجرای کد و تست پورتال چت‌بات هوش مصنوعی چند عاملی Running code and testing Multi-Agent AI Chatbot portal

مفاهیم پیشرفته در سیستم‌های چند عاملی Advanced Concepts in Multi-Agent Systems

  • مدیریت وضعیت عامل و تیم در گردش‌کارهای هوش مصنوعی Managing Agent and Team States in AI Workflows

  • Magentic-One: یک سیستم چند عاملی عمومی برای وظایف مبتنی بر وب و فایل Magentic-One: A Generalist Multi-Agent System for Web and File-Based Tasks

تشکر و اقدامات بیشتر Thank you and further actions

  • تشکر و گام‌های بعدی Thank you and next steps

نمایش نظرات

آموزش ساخت برنامه‌های هوشمند چند عاملی با AutoGen 0.5
جزییات دوره
3 hours
44
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
442
4.9 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

Amit Kumar Thakur Amit Kumar Thakur

مهندس یادگیری ماشین