آموزش چت Copilot، پرامپت‌ها و ایجنت‌های هوشمند - آخرین آپدیت

دانلود Copilot Chat, Prompts and Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، در هنر پرامپت‌نویسی تکرارپذیر (Iterative Prompting) و استفاده از ایجنت‌های تخصصی هوش مصنوعی تخصص پیدا کنید. شما یاد می‌گیرید که چگونه به عنوان یک ارکستراتور عمل کنید و با استفاده از اصول کلیدی شامل شفافیت، زمینه (Context) و محدودیت‌ها، خروجی‌های تجاری در سطح حرفه‌ای تولید کنید. شما تفاوت حیاتی بین داده‌های وب و داده‌های کاری را درک خواهید کرد و از چت‌های عمومی به سمت گردش‌کارهای تخصصی با استفاده از ایجنت‌های پژوهشگر (Researcher) و تحلیل‌گر (Analyst) در Microsoft 365 Copilot حرکت خواهید کرد. با تسلط بر چرخه «پرامپت و تایید»، رفت‌وبرگشت‌های بی مورد را کاهش داده و Copilot را به یک شریک تجاری با دقت بالا تبدیل می‌کنید. از طریق تمرینات عملی، یاد می‌گیرید که چگونه منبع داده مناسب را برای وظایف مختلف انتخاب کنید، پرامپت‌ها را از طریق سوالات تکمیلی هدفمند اصلاح کنید و کیفیت، مرتبط بودن و دقت خروجی‌های تولید شده توسط هوش مصنوعی را بهبود ببخشید. همچنین بررسی خواهید کرد که چگونه ایجنت‌های تخصصی از پژوهش، استخراج داده و تحلیل‌های تجاری پشتیبانی می‌کنند، در حالی که کنترل کامل بر زمینه و هدف حفظ می‌شود. در پایان این دوره، شما قادر خواهید بود پرامپت‌های موثری را ساختاردهی کنید، گردش‌کارهای ایجنت‌ها را مدیریت نمایید، اعتبار خروجی‌های AI را ارزیابی کنید و اقدامات حفاظتی عملی را برای محافظت از اطلاعات حساس و حمایت از استفاده مسئولانه تجاری به کار بگیرید.

سرفصل ها و درس ها

زمان آماده‌سازی خود را به نصف کاهش دهید: کارایی حالت وب و حالت کاری Cut Your Prep Time in Half: The Efficiency of Web and Work Mode

  • از ۲ ساعت به ۳ دقیقه: به حداکثر رساندن بازگشت سرمایه (ROI) از Copilot From 2 Hours to 3 Minutes: Maximizing Your Copilot ROI

  • حالت وب در مقابل حالت کاری: دو دنیای متفاوت از داده‌ها Web Mode vs. Work Mode: Two Data Universes

انتخاب بین چت و ایجنت‌ها در محیط کاری شما Choosing Between Chat and Agents in Your Work

  • چت در مقابل ایجنت‌ها: تشخیص زمان ارتقاء به ایجنت Chat vs. Agents: Knowing When to Escalate

اتصال Copilot به اکوسیستم کامل داده‌های شما Connecting Copilot to Your Full Data Ecosystem

  • مطالعه موردی ZF: پایان هزینه‌های جابجایی بین تب‌ها The ZF Case Study: Ending the Tab-Switching Tax

  • اتصال‌دهنده‌های Microsoft Graph: نحوه ورود داده‌های خارجی به گراف کاری Microsoft Graph Connectors: How External Data Enters the Work Graph

پایان چرخه بازبینی: استفاده از ساختار برای ارتقای کیفیت هوش مصنوعی Ending the Rework Loop: Using Structure to Drive AI Quality

  • مطالعه مایکروسافت: تاثیر پرامپت‌نویسی ساختاریافته The Microsoft Study: The Impact of Structured Prompting

  • چارچوب شفافیت، زمینه و محدودیت‌ها The Clarity, Context, and Constraints Framework

پرامپت‌نویسی دقیق: چرخه تکرارپذیر Precision Prompting: The Iterative Loop

  • چرخه تکرارپذیر: از پیش‌نویس تا خروجی نهایی The Iterative Loop: From Draft to Deliverable

مدیریت ایجنت‌ها: چشم‌انداز ایجنت‌ها - استور در مقابل سفارشی Orchestrating Agents: The Agent Landscape—Store vs. Custom

  • مطالعه موردی Hargreaves Lansdown The Hargreaves Lansdown Case Study

  • چشم‌انداز ایجنت‌ها: فروشگاه ایجنت در مقابل Copilot Studio The Agent Landscape: Agent Store vs. Copilot Studio

مدیریت ایجنت‌ها: اجرای ایجنت پژوهشگر و تحلیل‌گر Orchestrating Agents: Researcher and Analyst Agent Execution

  • پژوهشگر در مقابل تحلیل‌گر: انتخاب متخصص مناسب Researcher vs. Analyst: Selecting the Right Specialist

مدیریت ایجنت‌ها: پیکربندی ایجنت‌های سفارشی در Microsoft Copilot Studio Orchestrating Agents: Configuring Custom Agents in Microsoft Copilot Studio

  • مطالعه موردی ServiceNow: پاسخگویی ۵۰٪ سریع‌تر به بحران‌ها The ServiceNow Case Study: 50% Faster Crisis Response

  • پیکربندی Copilot Studio: دستورالعمل‌ها، منابع دانش و پرامپت‌های پیشنهادی Copilot Studio Configuration: Instructions, Knowledge Sources, and Suggested Prompts

ماژول GenAI: پرامپت‌نویسی مسئولانه GenAI Module: Responsible Prompting

  • پرامپتی که ارسال می‌کنید نیز خود یک داده است The Prompt You Send Is Data Too

  • پرامپت‌نویسی امن از نظر حریم خصوصی و تولید محتوای آگاه از مالکیت معنوی (IP) Privacy-Safe Prompting and IP-Aware Content Generation

ماژول پروژه: استاندارد هوش مصنوعی Helix Health: کتابخانه پرامپت و خلاصه معماری ایجنت Project Module : The Helix Health AI Standard: Prompt Library & Agent Architecture Brief

نمایش نظرات

آموزش چت Copilot، پرامپت‌ها و ایجنت‌های هوشمند
جزییات دوره
5h 45m
15
(آخرین آپدیت)
293
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar