آموزش گواهینامه ۴ هفتهای عاملهای هوش مصنوعی و جریانهای کاری عاملمحور (AI Agents) - آخرین آپدیت
دانلود 4-Week AI Agents & Agentic Workflows Certification
این دوره شامل استفاده از هوش مصنوعی است.
دوره گواهینامه ۴ هفتهای عاملهای هوش مصنوعی و جریانهای کاری عاملمحور یک برنامه کاربردی و عملی است که به شما کمک میکند از پرامپتنویسی ساده فراتر رفته و یاد بگیرید چگونه سیستمهای عامل هوش مصنوعی واقعی بسازید که قادر به استدلال، اقدام، استفاده از ابزارها، به خاطر سپردن اطلاعات، بازیابی دانش و هماهنگی با سایر عاملها باشند.
اکثر مردم از هوش مصنوعی با تایپ کردن پرامپت در یک چتبات استفاده میکنند. اما توسعه مدرن AI به سرعت به سمت سیستمهای عاملمحور (Agentic Systems) حرکت میکند؛ جریانهای کاری قدرت گرفته از AI که میتوانند وظایف را تجزیه کنند، تصمیم بگیرند، ابزارهای خارجی را فراخوانند، از APIها استفاده کنند، در پایگاههای دانش جستجو کنند و فرآیندهای چندمرحلهای را به پایان برسانند. این دوره به شما میآموزد که این سیستمها چگونه کار میکنند و چگونه آنها را از پایه طراحی کنید.
در هفته اول، با مبانی عاملهای هوش مصنوعی شروع خواهید کرد. تفاوت بین استفاده ساده از LLM و یک سیستم عاملی واقعی را خواهید آموخت. کالبدشناسی اصلی یک عامل، شامل ورودی، استدلال، اقدام و خروجی را بررسی میکنید. همچنین با حلقه محبوب تفکر ← اقدام ← مشاهده آشنا شده و درک خواهید کرد که چگونه الگوی ReAct به عاملها کمک میکند تا وظایف را گام به گام پیش ببرند. تا پایان هفته، اولین سیستم تک-عاملی فعال خود را طراحی و خواهید ساخت.
در هفته دوم، عامل خود را با ابزارها، حافظه و RAG گسترش میدهید. یاد میگیرید چرا حافظه اهمیت دارد، تفاوت عاملهای بدون حالت (Stateless) با عاملهای حالتدار (Stateful) چیست و چگونه حافظه کوتاهمدت و بلندمدت رفتار عامل را بهبود میبخشد. همچنین مبانی Embeddings، پایگاههای داده برداری و جستجوی برداری را درک خواهید کرد. سپس میآموزید که چگونه تولید تقویتشده با بازیابی (RAG) به عاملها کمک میکند تا پاسخهای دقیقتر، مستندتر و آگاه به بافتار تولید کنند. آزمایشگاه هفتگی شما را در ساخت یک عامل RAG فعال که از دانش خارجی استفاده میکند، راهنمایی میکند.
در هفته سوم، وارد دنیای سیستمهای چند-عاملی میشوید. یاد میگیرید چه زمانی یک عامل کافی نیست و چگونه چندین عامل میتوانند از طریق نقشهای تخصصی مانند برنامهریز، اجراکننده، بازبین و الگوهای مدیر-کارمند با هم همکاری کنند. ارتباطات عاملی، هماهنگی جریان کاری، ابزارهای ارکستراسیون مانند LangGraph، CrewAI و AutoGen و نحوه طراحی سیستمهایی که بافتار را به طور قابل اعتمادی بین عاملها منتقل میکنند، بررسی خواهید کرد. آزمایشگاه هفتگی بر ساخت یک جریان کاری چند-عاملی هماهنگ تمرکز دارد.
در هفته چهارم، همه موارد را در یک پروژه نهایی (Capstone) آماده برای نمونهکار جمعبندی میکنید. معماری خود را برنامهریزی کرده، سیستم اصلی عامل را میسازید، ابزارها را ادغام میکنید، حافظه را میافزایید، نردههای حفاظتی را اعمال میکنید، خروجیها را اعتبارسنجی کرده و قابلیت اطمینان را بهبود میبخشید. همچنین مبانی قابلیت مشاهده (Observability)، تست، دیباگ، بهینهسازی عملکرد و تفکر تولیدی (Production Thinking) را خواهید آموخت.
در پایان این گواهینامه، شما سیستمهای عاملی کاربردی ساختهاید و درک روشنی از نحوه طراحی جریانهای کاری عاملمحور برای موارد استفاده واقعی در کسبوکار، بهرهوری، اتوماسیون، تحقیق، عملیات و هوش مصنوعی سازمانی به دست آوردهاید.
هفته اول: مبانی عاملهای هوش مصنوعی Week 1: Agent Fundamentals
-
گواهینامه اتمام دوره Certificate of Completion
-
روز اول — عاملهای هوش مصنوعی چیستند؟ از پرامپت تا سیستم Day 1 — What Are AI Agents? From Prompts to Systems
-
روز دوم — کالبدشناسی یک عامل هوش مصنوعی Day 2 — Anatomy of an AI Agent
-
روز سوم — حلقه عاملی: تفکر ← اقدام ← مشاهده Day 3 — The Agent Loop: Think → Act → Observe
-
روز چهارم — ابزارها: بخشیدن قدرتهای فوقبشری به عاملها Day 4 — Tools: Giving Agents Superpowers
-
روز پنجم — طراحی سیستمهای تک-عاملی ساده Day 5 — Designing Simple Single-Agent Systems
-
آزمایشگاه هفته اول — ساخت اولین عامل هوش مصنوعی شما Week 1 Lab — Build Your First AI Agent
هفته دوم: ابزارها + حافظه + RAG Week 2: Tools + Memory + RAG
-
روز ششم — حافظه در عاملهای هوش مصنوعی: چرا اهمیت دارد؟ Day 6 — Memory in AI Agents: Why It Matters
-
روز هفتم — مبانی پایگاههای داده برداری و Embeddings Day 7 — Vector Databases & Embeddings Basics
-
روز هشتم — تولید تقویتشده با بازیابی (RAG) Day 8 — Retrieval-Augmented Generation (RAG)
-
روز نهم — ساخت یک عامل دارای حافظه Day 9 — Building a Memory-Enabled Agent
-
روز دهم — الگوهای ادغام ابزار و حافظه Day 10 — Tool + Memory Integration Patterns
-
آزمایشگاه هفته دوم — ساخت یک عامل RAG Week 2 Lab — Build a RAG Agent
هفته سوم: سیستمهای چند-عاملی Week 3: Multi-Agent Systems
-
روز یازدهم — از سیستمهای تک-عاملی به چند-عاملی Day 11 — From Single to Multi-Agent Systems
-
روز دوازدهم — نقشها و معماریهای عاملی Day 12 — Agent Roles & Architectures
-
روز سیزدهم — ارتباطات و هماهنگی بین عاملها Day 13 — Agent Communication & Coordination
-
روز چهاردهم — بررسی کلی چارچوبهای ارکستراسیون Day 14 — Orchestration Frameworks Overview
-
روز پانزدهم — ساخت یک جریان کاری چند-عاملی Day 15 — Building a Multi-Agent Workflow
-
آزمایشگاه هفته سوم — ساخت سیستم چند-عاملی Week 3 Lab — Multi-Agent System Build
هفته چهارم: پروژه نهایی Week 4: Capstone Project
-
روز شانزدهم — برنامهریزی پروژه نهایی: از ایده تا معماری Day 16 — Capstone Planning: From Idea to Architecture
-
روز هفدهم — ساخت سیستم اصلی عامل Day 17 — Building Core Agent System
-
روز هجدهم — افزودن حافظه، نردههای حفاظتی و قابلیت اطمینان Day 18 — Adding Memory, Guardrails & Reliability
-
روز نوزدهم — قابلیت مشاهده، تست و بهینهسازی Day 19 — Observability, Testing & Optimization
-
روز بیستم — دموی نهایی و تفکر تولیدی Day 20 — Final Demo & Production Thinking
-
آزمایشگاه هفته چهارم — ساخت نهایی: سیستم عاملی سطح تولید Week 4 Lab — Capstone Build: Production Agent System
School of AI
نمایش نظرات