AI-Agents: اتوماسیون و تجارت با برنامه های LangChain و LLM

AI-Agents: Automation & Business with LangChain & LLM Apps

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: عوامل هوش مصنوعی با Node.js، Python، JavaScript، LangChain، LangGraph، GPT-4o، Llama و RAG! وظایف را خودکار کنید، نرم‌افزارهای اولیه عوامل هوش مصنوعی مانند Autogen، LangChain، LangFlow، Flowise، LangGraph، BabyAGI، CrewAI و موارد دیگر را بفروشید. درباره پایگاه‌های داده برداری، مدل‌های جاسازی و تولید افزوده بازیابی (RAG) ایجاد عامل‌های هوش مصنوعی برای خودکارسازی محتوا، ایمیل‌ها، تحقیقات سرنخ و موارد دیگر نصب و اجرای Flowise با تابع Node که برای APIهای خارجی، مفسر پایتون، ماشین‌حساب، Gmail، Serper، Make فراخوانی می‌کند. و بیشتر عامل RAG AI: آموزش داده های شخصی و ذخیره خودکار فایل ها در رایانه شخصی شما آماده سازی داده برای RAG: PDF، Docs، CSV و موارد دیگر با LlamaIndex و LlamaParse یکپارچه سازی و اتوماسیون ابزارهای سفارشی در اتصال Flowise API و اتوماسیون با JavaScript، Python و ایجاد عامل های هوش مصنوعی در تجارت: ارائه، قیمت گذاری، فروش، جذب مشتری استراتژی های بازاریابی برای فروش عوامل هوش مصنوعی ادغام عوامل هوش مصنوعی در وب سایت ها یا به عنوان برنامه های مستقل نصب VS Code و Git Local Microsoft Copilot با Vision به عنوان یک عامل هوش مصنوعی در عوامل هوش مصنوعی پایتون با LLM های منبع باز: Ollama، Llama 3.1 و موارد دیگر انتخاب LLM مناسب برای عامل هوش مصنوعی مسائل، امنیت و حق چاپ در عوامل هوش مصنوعی پیش نیازها: بدون نیاز به دانش قبلی، همه چیز گام به گام نشان داده می شود.

عوامل هوش مصنوعی روی لبان همه هستند، اما تعداد کمی از آنها می دانند که چه هستند و حتی کمتر می دانند چگونه از آنها استفاده کنند.

ابزارهایی مانند CrewAI، Autogen، BabyAGI، LangChain، LangGraph، LangFlow و غیره، پیچیده‌تر از آنچه هستند به نظر می‌رسند.

آیا آماده اید تا بر پیچیدگی های عوامل هوش مصنوعی مسلط شوید و از پتانسیل کامل آنها برای اتوماسیون فرآیند و فروش راه حل های مناسب استفاده کنید؟

پس این دوره برای شماست!

به «نمایندگان هوش مصنوعی: کسب‌وکار اتوماسیون از طریق برنامه‌های LangChain» بروید — جایی که مفاهیم اولیه و پیشرفته عوامل هوش مصنوعی و LLM، معماری‌ها و کاربردهای عملی آن‌ها را بررسی خواهید کرد. درک و مهارت های خود را تغییر دهید تا در انقلاب هوش مصنوعی رهبری کنید.

این دوره برای توسعه دهندگان، دانشمندان داده، علاقه مندان به هوش مصنوعی و هر کسی که می خواهد در خط مقدم عامل هوش مصنوعی و فناوری LLM باشد عالی است. چه بخواهید عوامل هوش مصنوعی ایجاد کنید، یا اتوماسیون آنها را کامل کنید یا راه حل های مناسب بفروشید، این دوره دانش جامع و مهارت های عملی مورد نیاز را در اختیار شما قرار می دهد.

از این دوره چه انتظاری باید داشت:

دانش جامع عوامل هوش مصنوعی و LLM:

  • مبانی عوامل هوش مصنوعی و LLM: معرفی عوامل هوش مصنوعی مانند Autogen، LangChain، LangGraph، LangFlow، CrewAI، BabyAGI LLMs آنها (GPT-4، Claude، Gemini، Llama بیشتر).

  • ابزارها و تکنیک ها: استفاده از LangChain، LangGraph، و ابزارهای دیگر برای ایجاد عوامل هوش مصنوعی.

  • فراخوانی تابع و پایگاه‌های داده برداری: درک فراخوانی تابع و استفاده از پایگاه‌های داده برداری و مدل‌های جاسازی.

ایجاد و استقرار عوامل هوش مصنوعی:

  • نصب و استفاده از Flowise با Node: راهنمای گام به گام برای نصب و استفاده از Flowise.

  • ایجاد و استقرار عوامل هوش مصنوعی برای وظایف مختلف: توسعه نویسندگان خلاق، استراتژیست های رسانه های اجتماعی، و عوامل فراخوانی عملکرد.

تکنیک های پیشرفته برای عوامل هوش مصنوعی:

  • عوامل RAG AI: آموزش LLM ها در مورد داده های خود و ذخیره خودکار متن محلی.

  • آماده‌سازی و یکپارچه‌سازی داده‌ها: استفاده از LlamaIndex، LlamaParse، و ابزارهای دیگر برای آماده‌سازی و ادغام داده‌ها در Flowise.

  • اتصال و اتوماسیون API: اتصال APIها و خودکارسازی با جاوا اسکریپت، پایتون و Make.

عوامل هوش مصنوعی در یک محیط تجاری:

  • موارد استفاده و یکپارچه سازی: میزبانی و ادغام عوامل هوش مصنوعی در وب سایت ها یا به عنوان برنامه های مستقل.

  • تولید سرنخ و بازاریابی: استراتژی‌هایی برای تولید سرنخ و فروش عوامل هوش مصنوعی.

ایجاد دستیار هوش مصنوعی خود:

  • کد Python و نصب: توسعه یک عامل محلی Microsoft Copilot مانند AI با Vision و Python.

  • استفاده از VS Code و Git: راهنمای گام به گام برای نصب و استفاده از VS Code و Git.

عوامل هوش مصنوعی با LLMهای منبع باز:

  • مزایا و معایب LLMهای منبع باز: استفاده و نصب LLMهای منبع باز مانند Llama 3.

  • نصب و استفاده از Ollama با Llama 3.1 و سایر LLM های منبع باز.

  • ایجاد عامل های AI منبع باز: توسعه عوامل AI منبع باز ساده و پیشرفته.

مشکلات، امنیت و حق نسخه‌برداری در عوامل هوش مصنوعی:

  • اقدامات امنیتی و حریم خصوصی: درک فرار از زندان، تزریق سریع، و مسمومیت داده ها.

  • حق چاپ و حریم خصوصی: مدیریت حق نسخه برداری و حریم خصوصی برای داده های عامل AI تولید شده.

برنامه های کاربردی و یکپارچه سازی API:

  • مبانی API و مهارت های یکپارچه سازی: استفاده از OpenAI API، Google API، و موارد دیگر برای برنامه های مختلف.

  • توسعه برنامه‌های هوش مصنوعی: ایجاد برنامه‌ها با Whisper، GPT-4 و موارد دیگر.

ابزارها و عوامل نوآورانه:

  • نمای کلی Microsoft Autogen و CrewAI.

  • پیاده‌سازی Flowise: یکپارچه‌سازی Flowise با فراخوانی‌های تابع و LLM‌های منبع باز به عنوان یک ربات چت.

از قدرت عوامل هوش مصنوعی و فناوری LLM برای توسعه راه حل ها و گسترش درک خود از برنامه های آنها استفاده کنید.

در پایان «نمایندگان هوش مصنوعی: کسب و کار اتوماسیون از طریق برنامه‌های LangChain»، درک کاملی از عوامل هوش مصنوعی و LLMها و مهارت‌های استفاده از آنها برای اهداف مختلف خواهید داشت. اگر آماده هستید که در خط مقدم این انقلاب فناوری باشید، این دوره برای شما مناسب است.

همین امروز ثبت نام کنید و در نمایندگی های هوش مصنوعی و مدل های زبان بزرگ متخصص شوید.


سرفصل ها و درس ها

مقدمه و بررسی اجمالی Introduction and Overview

  • خوش آمدید Welcome

  • بررسی اجمالی دوره Course Overview

  • هدف من و چند نکته My Goal and a Few Tips

  • توضیح لینک ها Explanation of the Links

  • لینک های مهم Important Links

مبانی: عوامل هوش مصنوعی، LLM، فراخوانی تابع، پایگاه‌های داده برداری و جاسازی‌ها Basics: AI Agents, LLMs, Function Calling, Vector Databases & Embeddings

  • این بخش در مورد چه چیزی است What This Section is About

  • AI-Agents چیست؟ مروری سریع What are AI-Agents? A quick overview

  • LLM ها مانند ChatGPT، Claude، Gemini، Llama، Mistral و غیره چیست؟ What are LLMs like ChatGPT, Claude, Gemini, Llama, Mistral etc.

  • فراخوانی تابع در LLM چیست؟ What is Function Calling in LLMs?

  • پایگاه‌های داده برداری، مدل‌های جاسازی و نسل افزوده بازیابی (RAG) Vector Databases, Embedding Models & Retrieval-Augmented Generation (RAG)

  • عوامل هوش مصنوعی توضیح دادند و ابزارهایی مانند Autogen، LangChain، LangGraph، CrewAI و موارد دیگر AI Agents explained & Tools like Autogen, LangChain, LangGraph, CrewAI & more

  • API چیست؟ عملکرد فراخوانی AI-Agents با API What is a API? Function calling for AI-Agents with APIs

  • خلاصه: آنچه تاکنون آموخته اید Recap: What You Have Learned So Far

ایجاد اولین عوامل هوش مصنوعی شما Creating Your First AI Agents

  • در این بخش چه خواهید آموخت؟ What Will You Learn in This Section?

  • اجرای Flowise Locally با Node.js: نصب Node Running Flowise Locally with Node.js: Installing Node

  • نصب Flowise با Node.js از طریق Command Prompt Installing Flowise with Node.js via Command Prompt

  • رابط Flowise: LangChain/LangGraph آسان شده است The Flowise Interface: LangChain/LangGraph made Easy

  • اولین عامل هوش مصنوعی ما: رئیس، نویسنده خلاق و تولید کننده عنوان Our First AI Agent: Boss, Creative Writer & Title Generator

  • عامل AI شماره 2: استراتژی رسانه های اجتماعی و مهندسی سریع برای عوامل هوش مصنوعی AI Agent No. 2: Social Media Strategy & Prompt Engineering for AI Agents

  • عامل شماره 3 هوش مصنوعی: فراخوانی عملکرد، تحقیقات رهبری در وب و ایمیل های شخصی AI Agent No. 3: Function Calling, Lead Research on the Web & Personal Emails

  • عامل 4: فراخوانی تابع، مترجم پایتون، ماشین حساب و ذخیره‌سازی متن محلی Agent 4: Function Calling, Python Interpreter, Calculator & Local Text Storage

  • خلاصه: نکات مهمی که نباید فراموش کنید Summary: Important Points You Should Not Forget

عوامل هوش مصنوعی پیشرفته: RAG، ابزارهای سفارشی و اقدامات در برنامه ها Advanced AI Agents: RAG, Custom Tools & Actions in Apps

  • این بخش درباره چیست؟ What is This Section About?

  • عامل RAG AI: آموزش LLM در مورد داده ها و ذخیره سازی خودکار محتوا RAG AI Agent: Training LLMs on Your Data & Automatic Content Storage

  • نکاتی برای برنامه های RAG بهتر: Firecrawl برای داده های وب شما Tips for Better RAG Apps: Firecrawl for Your Web Data

  • RAG با LlamaIndex و LlamaParse: آماده‌سازی داده برای فایل‌های PDF، Docs، CSV و موارد دیگر RAG with LlamaIndex & LlamaParse: Data Preparation for PDFs, Docs, CSV & More

  • LlamaIndex LlamaParse آسان را به ارمغان می آورد! LlamaIndex brings easy LlamaParse!

  • اندازه تکه و همپوشانی تکه برای یک برنامه RAG بهتر Chunk Size and Chunk Overlap for a Better RAG Application

  • مروری بر ابزارهای سفارشی در Flowise Overview of Custom Tools in Flowise

  • با ابزارهای سفارشی و توابع جاوا اسکریپت، هر API را به Flowise متصل کنید Connect any API to Flowise with Custom Tools & JavaScript Functions

  • ابزارهای سفارشی و اتوماسیون Gmail با Make (قسمت 1) Custom Tools and Automation of Gmail with Make (Part. 1)

  • اتوماسیون Gmail با سناریوهای Make، Webhooks و Google API (قسمت 2) Automation of Gmail with Make scenarios, Webhooks, & Google API (Part 2)

  • خلاصه: آنچه یاد گرفته اید و اشتباهاتی که باید از آنها اجتناب کنید Recap: What You Have Learned and Mistakes to Avoid

عوامل هوش مصنوعی برای تجارت: میزبانی، تولید پیشرو و فروش AI Agents for Business: Hosting, Lead Generation & Sales

  • در اینجا چه خواهید آموخت؟ What Will You Learn Here?

  • کاربردهای عاملان هوش مصنوعی در تجارت Applications of AI Agents in Business

  • نمونه ای از یک عامل ساده هوش مصنوعی سپس می توانیم بفروشیم Example of a Simple AI-Agent then we can sell

  • میزبانی خارجی چت بات ها برای مشتریان (یا برای ما) در Render External Hosting of Chatbots for Clients (or for us) on Render

  • ادغام عوامل هوش مصنوعی در وب سایت ها یا استفاده از آنها به عنوان برنامه های مستقل Integrating AI Agents in Websites or Using Them as Standalone Apps

  • جذاب‌تر کردن برنامه‌های مستقل Making Standalone Apps More Appealing

  • بهبود بصری چت ربات ها در وب سایت ها: نام تجاری، سبک و یکپارچه سازی پیوندها Visually Improving Chatbots on Websites: Branding, Style & Integrating Links

  • تولید سرنخ، یکپارچه سازی مدل های صوتی و عملکردهای اضافی Generating Leads, Integrating Audio Models & Additional Functions

  • فروش نمایندگان هوش مصنوعی: بازاریابی، جذب مشتری، پیشنهاد، فروش و گارانتی Selling AI Agents: Marketing, Customer Acquisition, Offer, Sales & Warranty

  • خلاصه: نکات مهمی که باید به خاطر بسپارید! Summary: Important Points to Remember!

ایجاد دستیار هوش مصنوعی خود، مشابه Microsoft Copilot Creating Your Own AI Assistant, Similar to Microsoft Copilot

  • در این بخش چه خواهیم آموخت؟ What Will We Learn in This Section?

  • مروری بر کد پایتون در Github Overview of the Python Code on Github

  • نصب کد ویژوال استودیو (VS Code) برای پایتون، جاوا اسکریپت و موارد دیگر Installing Visual Studio Code (VS Code) for Python, Javascript & more

  • نصب Git برای پروژه ها از GitHub Installing Git for Projects from GitHub

  • پروژه ما: Microsoft Copilot با Vision به عنوان عامل هوش مصنوعی ما (در پایتون) Our Project: Microsoft Copilot with Vision as Our Own AI Agent (In Python)

  • نکات اضافی، موارد استفاده، صداهای مختلف و درخواست‌ها Additional Tips, Use Cases, Different Voices & Prompts

  • امنیت، هزینه های API، سرعت و سخت افزار Security, API Costs, Speed & Hardware

  • کد پایتون من را کپی کنید (اگر دوست دارید) Copy my Python Code (if you like)

  • کد و الزامات برای ضبط رومیزی (ساده) Code & Requirements for Desktop Recording (Simple)

  • آنچه را که نباید فراموش کنید خلاصه کنید Recap What You Should Not Forget

عوامل هوش مصنوعی با LLMهای منبع باز: هوش مصنوعی خصوصی و بدون سانسور در رایانه شما AI Agents with Open-Source LLMs: Private & Uncensored AI on Your PC

  • این بخش درباره چیست؟ What is This Section About?

  • مزایا و معایب LLM های منبع باز مانند Llama3.1، Mistral و موارد دیگر Pros and Cons of Open-Source LLMs like Llama3.1, Mistral & More

  • نصب Olama و دانلود LLM های منبع باز Installing Ollama and Downloading Open-Source LLMs

  • یک عامل AI منبع باز ساده با Llama 3.1 و Ollama (LangChain/LangGraph) A Simple Open-Source AI Agent with Llama 3.1 & Ollama (LangChain/LangGraph)

  • عامل AI منبع باز پیشرفته با Llama 3.1: پاسخگویی به ایمیل ها Advanced Open-Source AI Agent with Llama 3.1: Responding to Emails

  • چت ربات محلی RAG با Flowise، Llama3 و Ollama: یک برنامه محلی Langchain Local RAG Chatbot with Flowise, Llama3 & Ollama: A Local Langchain App

  • استنتاج بسیار سریع با Groq API Insanely fast inference with the Groq API

  • Llama 3.1: اطلاعات و چه مدل هایی باید استفاده کنید؟ Llama 3.1: Infos and What Models should you use?

  • نکات مهمی که باید به خاطر بسپارید Important Points to Remember

مسائل، امنیت و حق نسخه برداری در نمایندگان هوش مصنوعی Issues, Security, and Copyrights in AI Agents

  • در این بخش چه خواهیم آموخت What Will We Learn in This Section

  • Jailbreaks: روشی برای هک LLM ها با درخواست Jailbreaks: A Method to Hack LLMs with Prompts

  • تزریق سریع: یکی دیگر از آسیب پذیری های امنیتی LLM ها Prompt Injections: Another Security Vulnerability of LLMs

  • مسمومیت داده ها و حملات درب پشتی Data Poisoning and Backdoor Attacks

  • حق چاپ و مالکیت معنوی داده های تولید شده از عوامل هوش مصنوعی Copyrights & Intellectual Property of Generated Data from AI Agents

  • حریم خصوصی و حفاظت برای داده های خود و مشتری Privacy & Protection for your own and Client Data

  • خلاصه: نکات مهمی که باید به خاطر بسپارید! Recap: Important Points to Remember!

بعدی چیه؟ What’s Next?

  • بعد چی و ممنونم! What’s Next and My Thank You!

  • پاداش Bonus

نمایش نظرات

AI-Agents: اتوماسیون و تجارت با برنامه های LangChain و LLM
جزییات دوره
9.5 hours
71
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,413
4.8 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