لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش عوامل هوش مصنوعی (AI Agents) و هوش مصنوعی عاملمحور با پایتون و Generative AI
- آخرین آپدیت
دانلود AI Agents and Agentic AI with Python & Generative AI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
عوامل هوش مصنوعی جهش بعدی در دنیای نرمافزار هستند. یاد بگیرید چگونه آنها را با پایتون بسازید.
عوامل هوش مصنوعی ابزارهای غیرفعال نیستند؛ آنها فکر میکنند، عمل میکنند و مسائل را بدون انتظار برای دستورات حل میکنند. این آینده نرمافزار است و در این دوره، شما نحوه ساخت آن را خواهید آموخت.
فریمورکها میآیند و میروند، اما اصول باقی میمانند. این دوره با حذف موارد زائد، به شما میآموزد که عوامل هوش مصنوعی واقعاً چگونه کار میکنند—آن هم با استفاده از پایتون، زبان پیشرو در توسعه هوش مصنوعی.
آموزشهای مربوط به APIهای ترند روز را که احتمالاً تا فصل بعد منسوخ شوند، فراموش کنید. شما یاد میگیرید که عوامل هوش مصنوعی را از پایه بسازید. بدون حاشیه و بدون میانبر؛ فقط معماری اصلی که سیستمهای هوشمند را قدرت میبخشد—دانشی که فارغ از سرعت تغییرات این حوزه، همواره کاربردی باقی میماند.
در این دوره، شما موارد زیر را فرا خواهید گرفت:
- تسلط بر مبانی معماری عاملهای مبتنی بر پایتون - درک اجزای اصلی GAME (اهداف، اقدامات، حافظه، محیط) که موتور محرک عوامل هوش مصنوعی هستند و نحوه همکاری آنها در یک سیستم منسجم پایتونی.
- بهرهگیری از نقاط قوت پایتون برای توسعه بهینه عاملها - استفاده از تایپینگ پویا، دکوراتورها و متاپروگرمینگ پایتون برای ایجاد فریمورکهای منعطف و قابل نگهداری با کمترین کدنویسی تکراری.
- پروتوتایپینگ سریع و پیادهسازی عاملهای پایتونی - یادگیری تکنیکهای طراحی سریع قابلیتهای عامل با مهندسی پرامپت قبل از نوشتن حتی یک خط کد، و سپس تبدیل بهینه این طرحها به پیادهسازیهای عملی در پایتون.
- اتصال عوامل هوش مصنوعی پایتونی به سیستمهای دنیای واقعی - ساخت عاملهایی که میتوانند با سیستمهای فایل، APIها و سایر سرویسهای خارجی تعامل داشته باشند.
- ایجاد دستیارهای هوش مصنوعی ابزار-محور با پایتون - توسعه عاملهایی که میتوانند فایلها را تحلیل کنند، دادهها را مدیریت نمایند و گردشهای کاری پیچیده را از طریق ترکیب استدلال LLM با کتابخانههای گسترده پایتون خودکار سازند.
- ساخت عاملهای افزایش بهرهوری برای توسعهدهندگان پایتون - ایجاد عاملهای تخصصی که به شما در نوشتن کد، تولید تستها و مستندسازی کمک میکنند تا سرعت توسعه نرمافزار شما افزایش یابد.
چرا اصول مهمتر از فریمورکها هستند؟
چشمانداز هوش مصنوعی هر هفته در حال تغییر است، اما اصول بنیادی طراحی عامل ثابت میماند. با درک نحوه ساخت عاملها از صفر، شما به دست خواهید آورد:
- دانشی قابل انتقال که در هر LLM یا فناوری هوش مصنوعی کاربرد دارد.
- مهارتهای عمیق در دیباگینگ، زیرا در هر سطح میدانید چه اتفاقی در حال رخ دادن است.
- استقلال از فریمورکها که شما را از وابستگی به کتابخانههای شخص ثالث رها کرده و اجازه میدهد با هر کدام از آنها موفق شوید.
- تخصص آیندهنگرانه که حتی زمانی که ابزارهای محبوب امروز فراموش شدهاند، همچنان معتبر خواهد بود.
در پایان این دوره، شما فقط نحوه استفاده از عوامل هوش مصنوعی را نخواهید دانست، بلکه میدانید چگونه آنها را در پایتون بسازید، شخصیسازی کنید و برای حل مشکلات واقعی کسبوکار مستقر نمایید.
این دوره مفاهیم را با استفاده از APIهای OpenAI آموزش میدهد (که نیاز به دسترسی پولی دارد)، اما اصول و تکنیکها را میتوان برای سایر مدلهای زبانی (LLMs) تطبیق داد.
سرفصل ها و درس ها
مفاهیم هوش مصنوعی عاملمحور
Agentic AI Concepts
مقدمه
Introduction
الگوی تعامل معکوس
Flipped Interaction Pattern
حلقه عامل (Agent Loop)
The Agent Loop
افزودن ساختار به خروجیهای عامل هوش مصنوعی
Adding Structure to AI Agent Outputs
عوامل هوش مصنوعی، ابزارها، اقدامات و زبان
AI Agents, Tools, Actions, & Language
مدل GAIL: اهداف، اقدامات، اطلاعات و زبان
GAIL - Goals, Actions, Information, Language
دادن ابزار به عاملها
Giving Agents Tools
توصیف و نامگذاری ابزارها
Tool Descriptions and Naming
نتایج ابزارها و بازخورد عامل
Tool Results and Agent Feedback
مدل GAME: چارچوبی مفهومی برای عوامل هوش مصنوعی
GAME: A Conceptual Framework for AI Agents
مروری بر چارچوب GAME
Overview of the GAME Framework
شبیهسازی عاملها در ChatGPT
Simulating Agents in ChatGPT
مدیریت ابزارهای عامل
Agent Tool Mangement
بازنگری در نحوه ساخت نرمافزار در عصر عوامل هوش مصنوعی
Rethinking How Software is Built in the Age of AI Agents
ساخت موارد غیرممکن با عوامل هوش مصنوعی
Build the Impossible with AI Agents
بازنگری در نحوه آموزش نوآوری
Rethinking How We Teach Innovation
توهم (Hallucination) به عنوان شکل جدیدی از محاسبات
Hallucination is a New Form of Computing
روشهای جدید دسترسی و استخراج اطلاعات
New Ways to Access and Extract Information
نمایش نظرات