آموزش هوش مصنوعی عاملمحور (Agentic AI) برای مبتدیان - آخرین آپدیت
دانلود Agentic AI for Beginners
عوامل هوشمند (AI Agents) آینده تکنولوژی هستند. شرکتها به سرعت به سمت سیستمهای Agentic AI خودمختار و هدفگرا حرکت میکنند. این دوره دقیقاً به شما میآموزد چگونه این عوامل واقعی را با استفاده از AWS Bedrock، مدلهای زبانی بزرگ (LLMs)، اکشنها و پایگاههای دانش بسازیدو موارد کاربرد واقعی آنها را در پشتیبانی، عملیات و IT حل کنید. اگر به دنبال مهارتهای عملی و کاربردی در Agentic AI (و نه فقط تئوری)هستید، این دوره برای شما طراحی شده است.
۱ –چرا این دوره را انتخاب کنید:
شما فقط پرامپتنویسی یاد نمیگیرید، بلکه هوش مصنوعی عاملمحور واقعیرا خواهید آموخت:
چگونه LLMها به عامل (Agent) تبدیل میشوند
چگونه عوامل از ابزارها و اکشنها استفاده میکنند
نحوه ادغام منابع دانش (Knowledge Sources)
چگونه همه موارد را روی AWS Bedrock مستقر کنید
آموزش شفاف، دموهای کاربردی و ساخت عوامل واقعی. این یک دوره «فقط تماشا کن و یاد بگیر»نیست، بلکه رویکرد آن «همزمان با یادگیری، بساز»است.
۲ –چرا Agentic AI اهمیت دارد:
مدلهای LLM میتوانند به سوالات پاسخ دهند، اما عوامل (Agents) میتوانند اقدام کنند، تصمیم بگیرند، از ابزارها استفاده کنند و به صورت خودمختار عمل کنند.
این تحول بزرگ بعدی در دنیای AI است و همین حالا در حال تغییر دادن توسعه نرمافزار، QA، اتوماسیون و مهندسی ابر است.
در این دوره، شما نحوه تفکر، عمل، برنامهریزی و استفاده از ابزارها توسط عواملرا از طریق درسهای گامبهگام و ساده برای مبتدیان یاد میگیرید.
۳ –آنچه خواهید آموخت:
مفاهیم اصلی Agentic AI، عوامل خودمختار و سیستمهای چند-عاملی (Multi-agent)
ساخت اولین عامل هوشمند خود از صفر
ایجاد پایگاههای دانش (Knowledge Bases)و اتصال آنها به عوامل
پیکربندی ابزارها، اکشنها و گروههای اکشنبرای اجرای خودکار
استفاده از AWS Bedrockبرای پیادهسازی جریانهای کاری واقعی
تست، اصلاح و بهبود رفتار عامل از طریق مثالهای کاربردی و عملی
بهکارگیری بهترین متدهای مهندسی پرامپتبرای بهبود استدلال عامل
درک نحوه استفاده از عوامل سفارشی در عملکردهای مختلف کسبوکار
هوش مصنوعی مسئولانه (Responsible AI)برای رعایت دستورالعملهای اخلاقی و ایمن در توسعه سیستمهای سازمانی
همه موارد ساده، کاربردی و ویژه مبتدیان مطلقطراحی شده است.
۴ –تمرکز بر یادگیری عملی:
شما موارد زیر را خواهید ساخت:
چارچوبهای عملیاتی عامل (Agent Frameworks)
عواملی قدرتگرفته از پایگاه دانش
جریانهای کاری خودمختار مبتنی بر اکشن
یک تکلیف عملی کامل با مراحل راهنما
۵ –پیشنیازها:
مهارتهای پایه پایتون(فقط سطح مبتدی)
یک حساب AWS(دسترسی به لایه رایگان؛ ممکن است هزینههای اندکی بابت مصرف ایجاد شود)
بدون نیاز به دانش قبلی در AI یا LLM.
۶ –چه کسانی باید این دوره را بگذرانند:
مبتدیانی که میخواهند Agentic AI را به روشی ساده و کاربردی یاد بگیرند
توسعهدهندگان، مهندسان QA، مهندسان ابر و متخصصان داده که به دنبال یادگیری جریانهای کاری واقعی هستند
هر کسی که میخواهد عوامل هوشمند، اکشنهای مبتنی بر LLM یا اتوماسیونهای هوش مصنوعی آماده برای کسبوکار بسازد و مستقر کند
ساخت آینده را شروع کنید –Agentic AI مسیری است که توسعه هوش مصنوعی به آن سمت میرود.
اگر به دنبال مهارتهای کاربردی و متناسب با بازار کار در این عصر جدید هستید، این دوره شما را گامبهگام به آنجا میرساند.
همین حالا ثبتنام کنید و ساخت عوامل واقعی AI با Agentic AI و AWS Bedrock را آغاز کنید.
نکته در مورد هزینههای AWS:این دوره به گونهای طراحی شده است که تا حد امکان در محدوده لایه رایگان AWS باقی بماند؛ اما از آنجایی که AWS برای برخی سرویسها از مدل پرداخت به میزان مصرف استفاده میکند، ممکن است هنگام ساخت و تست عوامل، هزینههای اندکی (معمولاً چند دلار در صورت دنبال کردن دقیق آموزش) متحمل شوید.
شروع کار با هوش مصنوعی عاملمحور Getting Started with Agentic AI
-
معرفی دوره Introduction to the Course
-
نکات سریع درباره این مسیر یادگیری Quick points about this learning journey
-
تکامل سیستمهای هوش مصنوعی Evolution of AI Systems
-
درک مفهوم Agentic AI Understanding Agentic AI
-
عوامل و اجزای اصلی آنها Agents and Their Core Components
-
سیستمهای چند-عاملی Multi-Agent Systems
-
مرور و نکات کلیدی Recap & Key Takeaways
آزمون Quiz
-
مبانی Agentic AI Agentic AI Basics
ساخت اولین عامل هوشمند Creating Your First Agent
-
چارچوبهای محبوب برای ساخت عوامل Popular Frameworks for Building Agents
-
ساخت اولین عامل هوشمند - بخش اول Creating Your First Agent - Part 1
-
ساخت اولین عامل هوشمند - بخش دوم Creating Your First Agent - Part 2
-
مرور و نکات کلیدی Recap & Key Takeaways
بهبود عوامل با پایگاه دانش Enhancing Agents with Knowledge Base
-
پایگاههای دانش و اهمیت آنها Knowledge Bases and Their Importance
-
مهم: اطلاعات مربوط به تنظیمات AWS (لطفاً مطالعه کنید) IMPORTANT: AWS Setup information, please read
-
ایجاد یک پایگاه دانش Creating a Knowledge Base
-
اتصال پایگاه دانش به عوامل Linking Knowledge Base to Agents
-
مرور و نکات کلیدی Recap & Key Takeaways
خودمختاری و اکشنها Autonomy and Actions
-
عوامل چگونه به صورت خودمختار عمل میکنند؟ How do Agents work autonomously?
-
تنظیم ابزار عامل (Agent Tool) Setting up an Agent Tool
-
کار با گروههای اکشن (Action Groups) Working with Action Groups
-
بهروزرسانی دستورالعملهای عامل و تست Updating Agent Instructions & Testing
اکشنهای پیشرفته Advanced Actions
-
گسترش قابلیتهای عامل ما Expanding Our Agent’s Capabilities
-
تنظیم اکشنهای پیشرفته Setting Up Advanced Actions
-
استفاده از Action Groups در Bedrock Using Bedrock Action Groups
-
بهروزرسانی دستورالعملهای عامل و تست Updating Agent Instructions & Testing
تکلیف اکشنهای پیشرفته Advanced Actions - Assignment
-
سوال تکلیف Assignment Question
-
راه حل گامبهگام Step-by-Step Solution
نتیجهگیری و گامهای بعدی Conclusion and Next Steps
-
گامهای بعدی Next Steps
-
بخش هدیه (Bonus) Bonus Section
https://donyad.com/d/6b8b6c
Aakriti E-Learning Academy
آزمون و مدیریت پروژه متخصص ، شور برای یادگیری و آموزش اشتیاق به یادگیری ، و مهارت بالا من بیش از 10 سال تجربه در صنعت نرم افزار در مدیریت پروژه ، اتوماسیون ، آزمایش عملکردی و غیر عملکردی دارم. من همچنین به عنوان مربی نیمه وقت و مربی شرکتی کار کرده ام. به دنبال ادامه روحیه Udemy و کمک به فراگیران هستیم. به عنوان عضو دوره من ، از پشتیبانی مداوم از هرگونه سeriesال ، نگرانی ، بازخورد دریافت خواهید کرد. بنابراین هرگز دریغ نکنید که یک پیام برای من ارسال کنید ، و شما می توانید انتظار پاسخ سریع را داشته باشید. متشکرم ، و به یادگیری ادامه دهید !!
نمایش نظرات