آموزش مقدمه‌ای بر عامل‌های هوش مصنوعی و AI Agentic - آخرین آپدیت

دانلود Intro to AI Agents and Agentic AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: درک نحوه عملکرد عامل‌های هوش مصنوعی (AI Agents) و چگونگی بهره‌برداری از این فناوری برای متحول کردن کسب‌وکار و مسیر شغلی شما در این دوره خواهید آموخت: - آشنایی با عامل‌های هوش مصنوعی و فناوری‌های زیرساختی آن‌ها - روش‌های افزایش چشمگیر بهره‌وری با استفاده از AI Agents - نحوه ساخت و طراحی عامل‌های هوش مصنوعی - درک مفاهیم کلیدی هوش مصنوعی و ایجاد یک بنیاد علمی محکم - شناخت انواع مختلف عامل‌های هوش مصنوعی - درک اهمیت معماری عامل‌های هوش مصنوعی برای ساخت سیستم‌های کارآمد پیش نیازها: هیچ دانش قبلی مورد نیاز نیست

آیا می‌خواهید مبانی عامل‌های هوش مصنوعی را برای ارتقای شغلی خود بیاموزید؟

آیا آماده‌اید تا در تسخیر AI Agents استاد شوید و خود را در خط مقدم بزرگ‌ترین تحول دنیای دیجیتال قرار دهید؟

با گذراندن این دوره، دستاوردهای شما عبارتند از:

  1. درک ارزش تجاری عامل‌های هوش مصنوعی و AI Agentic.

  2. ساخت سیستم‌های قدرتمند AI Agent که اهداف تجاری شما را محقق می‌کنند.

  3. رهبری پذیرش این فناوری تحول‌آفرین در سازمان یا شرکت خود.

امروزه، عامل‌های هوش مصنوعی هیجان‌انگیزترین ترند در دنیای کسب‌وکار هستند. مفهوم «کارمندان مجازی» که می‌توانند خستگی‌ناپذیر کار کنند و به مرور زمان بهبود یابند، فرصت‌های نامحدودی را ایجاد می‌کند. این یک چرخش بزرگ در انقلاب هوش مصنوعی است؛ گذار از مرحله‌ای که کارکنان صرفاً به ChatGPT دستور می‌دادند، به مرحله «استخدام» عامل‌های هوش مصنوعی با قابلیت عملکرد خودمختار.

تیمی از متخصصان سطح جهانی را تصور کنید که در کسب‌وکار شما جای گرفته‌اند و به صورت ۲۴ ساعته فعال هستند.
یا عامل هوش مصنوعی‌ای را تصور کنید که از کارکنان شما پشتیبانی کرده و به آن‌ها کمک می‌کند تا وظایف خود را در نصف زمان معمول به پایان برسانند.

عامل‌های هوش مصنوعی امکانات بی‌شماری را فراهم می‌کنند، اما در کمال تعجب، دوره‌های بسیار کمی مبانی اصلی این فناوری بازی‌ساز را آموزش می‌دهند.

قبل از اینکه به سراغ پیاده‌سازی عملی با ابزارهای بدون کد (No-code) یا کم‌کد (Low-code) برویم، بسیار ارزشمند است که درکی عمیق از مبانی به دست آوریم: عامل هوش مصنوعی چیست؟ چه انواعی دارد؟ چگونه آموزش می‌بیند؟ چه الگوهای معماری برای انتخاب وجود دارد و چگونه می‌توان آن‌ها را به بهینه‌ترین شکل در کسب‌وکار پیاده کرد.

ما در دوره جامع «مقدمه‌ای بر عامل‌های هوش مصنوعی»، مفاهیم بنیادی، درک تجاری و بهترین روش‌ها را معرفی کرده و چارچوبی قدرتمند برای پیاده‌سازی AI Agents جهت افزایش بهره‌وری در اختیار شما قرار می‌دهیم. این آموزش فراتر از هنر ساخت، به حوزه‌های حیاتی مانند پیاده‌سازی عملی و تحلیل چرایی ضرورت پذیرش هوش مصنوعی برای شما و سازمانتان می‌پردازد.

برای سفری آماده شوید که می‌تواند کل مسیر شغلی شما را تغییر دهد. پیشرفت‌هایی مانند AI Agents هر نسل یک‌بار اتفاق می‌افتند و بهترین زمان برای تسلط بر این مهارت‌ها همین حالا است، چرا که آینده‌ای مبتنی بر هوش مصنوعی در حال ظهور است.

اجازه ندهید انقلاب هوش مصنوعی از کنار شما بگذرد. بر عامل‌های هوش مصنوعی مسلط شوید و آن‌ها را به نفع خود به کار بگیرید.

با گذراندن این دوره، مزیتی بی‌رقیب در حوزه کاری خود کسب کنید.



سرفصل ها و درس ها

درک عامل‌های هوش مصنوعی Understanding AI agents

  • این دوره چه مباحثی را پوشش می‌دهد؟ What does the course cover

  • عامل هوش مصنوعی (AI Agent) چیست؟ What is an AI agent?

  • چرا تصور می‌شود AI Agents تحول بزرگ بعدی هستند؟ Why AI agents are believed to be the next big thing?

  • آزمون Quiz

اجزای ضروری برای ساخت عامل‌های هوش مصنوعی Essential ingredients for building AI agents

  • مقدمه Intro

  • محیط: دنیای خارجی که عامل آن را درک کرده و با آن تعامل دارد Environment – the external world that the agent perceives and interacts with

  • سنسورها: نحوه جمع‌آوری داده‌ها از محیط توسط عامل Sensors – how the agent collects data about its surroundings

  • مدل: روش عامل برای درک و تحلیل اطلاعات Model – the agent’s way of making sense of information

  • آزمون Quiz

  • منطق تصمیم‌گیری: قوانین و اهدافی که اقدامات عامل را هدایت می‌کنند Decision-making logic – rules and objectives that guide the agent’s actions

  • اقدامات: نحوه تغییر محیط توسط عامل Actions – how the agent shapes the environment

  • محیط به‌روزرسانی شده The updated environment

  • آزمون Quiz

انواع عامل‌های هوش مصنوعی: از ساختارهای ساده تا پیچیده Types of AI agents: from simple to complex structures

  • مقدمه Intro

  • ویژگی‌های کلیدی عامل‌های هوش مصنوعی Key characteristics of AI agents

  • عامل بازتابی ساده (Simple Reflex Agent) Simple reflex agent

  • عامل بازتابی مدل‌محور (Model-based Reflex Agent) Model-based reflex agent

  • آزمون Quiz

  • عامل هدف‌محور (Goal-based Agent) Goal-based agent

  • عامل مطلوبیت‌محور (Utility-based Agent) Utility-based agent

  • عامل یادگیرنده (Learning Agent) Learning agent

  • آزمون Quiz

هدایت و آموزش عامل‌های هوش مصنوعی Guiding and teaching AI agents

  • مقدمه Intro

  • یادگیری از انسان‌ها Learning from humans

  • یادگیری از سیستم‌های خارجی Learning from external systems

  • آزمون Quiz

الگوهای معماری عامل‌های هوش مصنوعی AI agent architecture patterns

  • مقدمه Intro

  • تفاوت LLMها در مقابل گردش‌کارهای هوش مصنوعی و عامل‌ها (AI Agentic vs Non-agentic) Distinguishing LLMs vs AI workflows vs Agents (Agentic vs Non-agentic AI)

  • نحوه استدلال و اقدام عامل‌های هوش مصنوعی (ReAct) How AI agents reason and act (ReAct)

  • آزمون Quiz

  • نحوه استدلال عامل‌ها بدون مشاهده مستقیم (ReWoo) How AI agents reason without observation (ReWoo)

  • عامل‌های تک‌نفره (Single Agents) Single agents

  • عامل‌های چندگانه (Multi Agents) Multi-agents

  • آزمون Quiz

پیاده‌سازی عملی عامل‌های هوش مصنوعی Implementing AI agents in practice

  • مقدمه Intro

  • چگونه عامل‌های هوش مصنوعی را در کسب‌وکار خود پیاده کنید How to implement AI agents in your business

  • انتخاب مدل مناسب Select a model

  • ابزارهای خارجی قابل استفاده توسط عامل External tools the agent can use

  • پیکربندی دستورالعمل‌ها و بهترین روش‌های مهندسی پرامپت Configuring instructions and prompt engineering best practices

  • آزمون Quiz

  • تکنیک Few-shot Prompting Few-shot prompting

  • استدلال زنجیره افکار (Chain of Thought) Chain of Thought reasoning

  • نرده‌های حفاظتی (Guardrails) Guardrails

  • آزمون Quiz

  • اهمیت نظارت و دخالت انسانی The importance of human intervention

  • نحوه ارزیابی عملکرد عامل‌های هوش مصنوعی How to evaluate AI agents

  • آزمون Quiz

مثال کاربردی: ساخت اتوماسیون Agentic با n8n Practical example - Build an agentic automation with n8n

  • آشنایی با n8n Introduction to n8n

  • انواع نودها (Nodes) در n8n Node types in n8n

  • پروژه‌ای که خواهیم ساخت The project we will build

  • تعریف شخصیت عامل: سیستم پرامپت Defining your agent’s personality: The system prompt

  • افزودن مغز: ایجاد قابلیت تفکر در گردش‌کار Adding the brain: Making your workflow think

  • پیاده‌سازی حافظه در n8n: ساخت حافظه برای عامل شما Implementing memory in n8n: Building memory for Your agent

  • یکپارچه‌سازی ابزارها: گوگل شیت و جیمیل Integrating tools: Google Sheets and Gmail

  • تولید خروجی نهایی Producing the final output

زیرساخت‌های عامل‌های هوش مصنوعی AI agent infrastructure

  • مقدمه Intro

  • رابط‌های برنامه‌نویسی (APIs) APIs

  • سرویس‌های ابری Cloud services

  • یکپارچه‌سازی داده‌ها و دانش Data and knowledge integration

  • چارچوب‌های توسعه (Frameworks) Development frameworks

  • استقرار و عملیاتی‌سازی (Deployment) Deployment

عامل‌های هوش مصنوعی در کسب‌وکار AI agents in business

  • ارزش پیشنهادی کلیدی عامل‌های هوش مصنوعی The key value proposition of AI agents

  • عامل‌های هوش مصنوعی به عنوان هم‌تیمی AI agents as teammates

  • درس تکمیلی (Bonus) Bonus lecture

نمایش نظرات

آموزش مقدمه‌ای بر عامل‌های هوش مصنوعی و AI Agentic
جزییات دوره
2 hours
53
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
130,093
4.5 از 5
ندارد
دارد
دارد
365 Careers
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

365 Careers 365 Careers

ایجاد فرصت برای دانشجویان علوم داده و مالی