آموزش هوش مصنوعی عامل‌محور (Agentic AI): ساخت اولین سیستم AI عامل‌محور خود - آخرین آپدیت

دانلود Agentic AI: Build Your First Agentic AI System

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در دنیای هوش مصنوعی عامل‌محور (Agentic AI) غوطه‌ور شوید و مهارت‌های لازم برای ساخت سیستم‌های مقیاس‌پذیر و کاربردی در محیط‌های سازمانی را بیاموزید. در این دوره، ایشواریا نارش رگانتی، متخصص صنعت، به شما آموزش می‌دهد که چگونه مسائل تجاری مناسب برای راهکارهای Agentic AI را شناسایی کنید، سیستم‌ها را تجزیه نمایید، طراحی‌ها را از سطح پایه تا پیشرفته ارتقا دهید و توازن بین مزایا و معایب هر طراحی را ارزیابی کنید. یاد بگیرید چگونه از چارچوب جامع CCCD (کالیبراسیون مداوم و توسعه مداوم) برای افزایش ایمن خودمختاری AI و در عین حال حفظ اعتماد کاربر استفاده کنید. با کسب بینش در مورد نرده‌های حفاظتی (Guardrails)، حاکمیت و امنیت، با چالش‌های پیچیده AI مقابله کنید. این دوره برای مهندسان، مدیران محصول، رهبران سازمان‌ها و هر کسی که مشتاق است از مبانی AI فراتر رفته و موانع پیاده‌سازی را پشت سر بگذارد، مناسب است. چه در حال ارتقای مهارت‌های فعلی خود باشید و چه به دنبال بهینه‌سازی سیستم‌های AI از مفهوم تا اجرا، این دوره دانش ارزشمندی برای کاربردهای عملی ارائه می‌دهد.

سرفصل ها و درس ها

مقدمه Introduction

  • ساخت به روش درست: آغاز سفر شما در هوش مصنوعی عامل‌محور Building the right way: Launch your agentic AI journey

1. پروژه بعدی شما در زمینه هوش مصنوعی عامل‌محور 1. Your Next Agentic AI Project

  • شناسایی فرصت‌های هوش مصنوعی عامل‌محور Identifying agentic AI opportunities

  • شروع برنامه‌ریزی برای عامل پشتیبانی مشتری AI Start planning for your AI customer support agent

  • طراحی سطوح خودمختاری برای پشتیبانی مشتری Design levels of autonomy for customer support

2. چرخه حیات هوش مصنوعی عامل‌محور 2. Agentic AI Lifecycle

  • ساخت سیستم پایه عامل‌محور Building the baseline agentic system

  • کالیبراسیون مداوم و توسعه مداوم (CC/CD) Continuous calibration/continuous development (CC/CD)

  • بررسی عمیق توسعه مداوم (CD): مرحله توسعه تکرار شونده Continuous development (CD) deep dive: The iterative development phase

  • بررسی عمیق کالیبراسیون مداوم (CC): مرحله کالیبراسیون تکرار شونده Continuous calibration (CC) deep dive: The iterative calibration phase

3. ساخت سیستم پایه عامل‌محور 3. Building the Baseline Agentic System

  • پیاده‌سازی به‌روزرسانی سیستم پایه (CD) Implement baseline system update (CD)

  • افزودن استدلال ساده برای خودمختاری عملیاتی همراه با تست سیستم پایه Add simple reasoning for action autonomy with baseline system testing

  • پیاده‌سازی کالیبراسیون سیستم پایه (CC) Implement baseline system calibration (CC)

4. ارتقای عامل هوش مصنوعی با ابزارها و حافظه 4. Enhancing Your AI Agent with Tools and Memory

  • تحلیل خطا و طراحی متریک‌ها Error analysis and metric design

  • پیاده‌سازی بازیابی (Retrieval) ابتدایی Implement basic retrieval

  • ارزیابی نسخه دوم سیستم Version two system evaluation

5. ملاحظات تولید و برنامه‌ریزی 5. Production Considerations and Planning

  • نرده‌های حفاظتی، حاکمیت و امنیت Guardrails, governance, and security

  • توازن بین هزینه، پیچیدگی و قابلیت اطمینان Cost-complexity-reliability trade-offs

  • ایجاد نقشه راه: از مفهوم تا سیستم AI آماده تولید Roadmap creation: from concept to production-ready AI system

جمع‌بندی Conclusion

  • از سطح پایه تا خودمختاری: سفر مستمر شما در هوش مصنوعی عامل‌محور From baseline to autonomy: your ongoing agentic AI journey

نمایش نظرات

آموزش هوش مصنوعی عامل‌محور (Agentic AI): ساخت اولین سیستم AI عامل‌محور خود
جزییات دوره
1h 5m
18
(آخرین آپدیت)
45,325
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Aishwarya Naresh Reganti Aishwarya Naresh Reganti

ایشواریا نارش رگانتی در حال حاضر در حال ساخت آزمایشگاه راهکارهای AI خود با نام LevelUp Labs است.

ایشواریا به عنوان سرپرست فنی علوم کاربردی در مرکز نوآوری هوش مصنوعی مولد AWS (GenAIIC) فعالیت می‌کرد و در آنجا با سازمان‌ها برای شناسایی، ارزیابی و ادغام راهکارهای هوش مصنوعی مولد همکاری داشت. پیش از آن، در سازمان علوم جستجو و AI آمازون، پروژه‌هایی را با استفاده از مدل‌های زبانی، بینایی و گراف در مقیاس بزرگ برای بهبود کیفیت جستجو، اعتماد و توصیه‌های آمازون رهبری کرد.

ایشواریا با بیش از ۹ سال تجربه عملی در یادگیری ماشین (ML)، بیش از ۳۵ مقاله در کنفرانس‌های تراز اول دارد. تخصص او شامل شبکه‌های عصبی گراف مقیاس بزرگ، ترجمه ماشینی، خلاصه‌سازی چندوجهی، شبکه‌های اجتماعی، یادگیری ماشین انسان‌محور، هوش اجتماعی مصنوعی و ترکیب کدها است. او همچنین مدرس مدعو در MIT و دانشگاه آکسفورد است.