آموزش ساخت هوش مصنوعی با قابلیت حافظه: معماری عامل‌های سازمانی قابل اعتماد و آگاه به متن - آخرین آپدیت

دانلود Building AI That Remembers: Architecting Reliable, Context-Aware Enterprise Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره جامع، کی مالکوم (Kay Malcolm)، معاون مدیریت محصول در بخش پایگاه داده هوش مصنوعی اوراکل، به شما آموزش می‌دهد که چگونه انتقال از چت‌بات‌های ساده به عامل‌های دارای حافظه (Memory-enabled Agents) می‌تواند حفظ متن، قابلیت اطمینان و رضایت کاربران را به شدت افزایش دهد. با چهار نوع حافظه حسی، فعال، رویه‌ای و بلندمدت آشنا شوید و نحوه به‌کارگیری آن‌ها را در موارد استفاده هوش مصنوعی سازمانی بیاموزید. در این دوره، استراتژی‌های عملی برای ادغام داده‌ها، حافظه و ابزارها در زیرساخت هوش مصنوعی با تمرکز بر حاکمیت ایمن و اقدامات تطبیقی را بررسی خواهید کرد. همچنین با معماری‌های سطح بالا که سیستم‌های حافظه قدرتمند را ترکیب کرده و امنیت داده‌ها را در تمامی جریان‌های کاری تضمین می‌کنند، آشنا می‌شوید. در پایان، از طریق آزمایشگاه‌های عملی، عامل‌های هوش مصنوعی را طراحی، ساخته و مقیاس‌بندی خواهید کرد که قادر به نگهداری و استفاده مؤثر از حافظه هستند. این دوره برای رهبران داده، تیم‌های محصول و کارکنان IT طراحی شده تا مهارت‌های لازم برای پیاده‌سازی با اطمینان عامل‌های دارای حافظه و دستیابی به راهکارهای سازمانی هوشمندتر و کارآمدتر را کسب کنند.

سرفصل ها و درس ها

ساخت هوش مصنوعی بدون فراموشی: از چت‌بات‌ها تا عامل‌ها Build AI That Doesn't Forget: From Chatbots to Agents

  • چرا حافظه هوش مصنوعی را کاربردی‌تر می‌کند Why memory makes AI more useful

۱. از چت‌بات‌ها تا عامل‌ها 1. From Chatbots to Agents

  • چگونه عامل‌ها مانند یک هم‌تیمی برای کار برنامه‌ریزی می‌کنند How agents plan work like a teammate

  • چرا عامل‌ها برنده می‌شوند Why agents win

۲. حافظه و داده‌ها — هسته اصلی هوش مصنوعی قابل اعتماد 2. Memory and Data — The Core of Reliable AI

  • عامل‌های بدون حافظه کارها را تکرار کرده و اعتماد را از بین می‌برند Agents without memory redo work and break trust

  • انتخاب ذخیره‌ساز حافظه مناسب Choosing the right memory store

  • استفاده از داده‌های سازمانی برای تقویت حافظه Using enterprise data to power memory

  • چهار نوع حافظه‌ای که عامل‌ها استفاده می‌کنند The four memory types agents use

۳. حفظ ایمنی، قابلیت حسابرسی و کاربردی بودن هوش مصنوعی دارای حافظه 3. Keeping Memory-Enabled AI Safe, Auditable, and Useful

  • الگوهای ایمن خواندن/نوشتن برای حافظه هوش مصنوعی Safe read/write patterns for AI memory

  • تبدیل عامل‌های هوش مصنوعی به سیستم‌های قابل حسابرسی و ردیابی Making AI agents auditable and traceable

  • بازبینی انسانی در نقاط حساس Human review where it matters

  • حاکمیت سبک برای حافظه هوش مصنوعی Lightweight governance for AI memory

  • تغییر از هوش مصنوعی بدون وضعیت به سیستم‌های قابل اعتماد The shift from stateless AI to reliable systems

۴. ساخت، اتصال و مقیاس‌بندی عامل‌های دارای حافظه 4. Build, Connect, and Scale Memory-Enabled Agents

  • معماری عامل‌ها با حافظه داخلی Architecting agents with built-in memory

جمع‌بندی Conclusion

  • برنامه ۳۰ روزه شما برای اجرای آزمایشی یک عامل هوش مصنوعی دارای حافظه Your 30-day plan to pilot a memory-enabled AI agent

نمایش نظرات

آموزش ساخت هوش مصنوعی با قابلیت حافظه: معماری عامل‌های سازمانی قابل اعتماد و آگاه به متن
جزییات دوره
2h 3m
14
(آخرین آپدیت)
2,021
- از 5
ندارد
دارد
دارد
Kay Malcolm
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kay Malcolm Kay Malcolm

کی مالکوم معاون مدیریت محصول در اوراکل برای پایگاه داده هوش مصنوعی اوراکل است.

کی فردی است که هر روز در حال ساخت محصولات، هدایت تیم‌ها و اتخاذ تصمیمات حساس است. او خالق Oracle LiveLabs است، پلتفرم یادگیری که توسط میلیون‌ها نفر استفاده می‌شود. او همچنین در شبکه‌های اجتماعی به عنوان "بهترین دوست کاری" شناخته می‌شود، جایی که ایده‌های پیچیده را به روش‌هایی قابل درک و تاثیرگذار ساده می‌کند.