آموزش مایکروسافت فاندری: عامل‌های هوشمند AI، Foundry IQ، پروتکل MCP، A2A و RAG - آخرین آپدیت

دانلود Microsoft Foundry: AI Agents, Foundry IQ, MCP, A2A & RAG

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره جامع، بر چارچوب عامل‌های مایکروسافت (Microsoft Agent Framework)، بازیابی عامل‌محور (Agentic Retrieval)، Foundry IQ، جریان‌های کاری ارکستراسیون و توسعه اپلیکیشن‌های AI آماده برای محیط عملیاتی مسلط شوید. آنچه در این دوره خواهید آموخت: - یادگیری ساخت، استقرار و مدیریت عامل‌های هوشمند با استفاده از سرویس Agent Service و SDK مایکروسافت فاندری. - طراحی بارهای کاری AI مقیاس‌پذیر و قابل نظارت با استفاده از Foundry IQ و خط لوله‌های بازیابی عامل‌محور. - ساخت اپلیکیشن‌های AI سرتاسری (End-to-End) با استفاده از جریان‌های کاری ارکستراسیون و الگوهای اتوماسیون کم‌کد (Low-code). - ایجاد اپلیکیشن‌های AI چند‌وجهی (Multi-modal) با ترکیب مدل‌های پیش‌بینی ML و هوش مصنوعی مولد در پلتفرم یکپارچه فاندری. پیش‌نیازها: - هیچ تجربه قبلی با مایکروسافت فاندری یا عامل‌های هوشمند AI مورد نیاز نیست. - درک کلی از مفاهیم ابری (Cloud) مفید است اما کاملاً اختیاری است. - داشتن حساب کاربری مایکروسافت آزور (Microsoft Azure) برای دسترسی به Foundry، Agent Service و IQ. - کنجکاوی و اشتیاق برای ساخت اپلیکیشن‌ها و جریان‌های کاری واقعی AI.

هوش مصنوعی در حال تکامل است و آینده متعلق به کسانی است که بتوانند عامل‌های هوشمند بسازند، جریان‌های کاری را ارکستراسیون کنند و سیستم‌های AI آماده برای محیط عملیاتی مستقر کنند.

مایکروسافت فاندری (Microsoft Foundry) پلتفرم همه‌کاره‌ای است که دقیقاً برای این هدف طراحی شده است: یک اکوسیستم سرتاسری برای ساخت، مدیریت، مقیاس‌بندی و حاکمیت اپلیکیشن‌های AI و عامل‌های هوشمند با سهولت کامل.

در این دوره عملی، شما خواهید آموخت که چگونه با Foundry Agent Service، Foundry IQ، جریان‌های کاری ارکستراسیون و توسعه اپلیکیشن‌های چندوجهی کار کنید تا راهکارهای AI در سطح تولیدی (Production-grade) بسازید. چه توسعه‌دهنده باشید، مهندس ابری، دانشجو یا کسی که به دنبال موج جدید نوآوری‌های AI است، این دوره شما را با مهارت‌های کاربردی مجهز می‌کند که بلافاصله قابل اجرا هستند.

ما از مفاهیم پایه شروع می‌کنیم: نحوه عملکرد پلتفرم فاندری، نحوه ایجاد عامل‌ها و اینکه چگونه ابزارها و پلاگین‌ها قابلیت‌های عامل‌ها را گسترش می‌دهند.

سپس، عمیق‌تر به مباحثی چون بازیابی عامل‌محور، یکپارچه‌سازی‌های AI Gateway، مدیریت API و موارد استفاده پیشرفته با استفاده از Foundry IQ می‌پردازیم.

در نهایت، یاد می‌گیرید که چگونه جریان‌های کاری کم‌کد سرتاسری بسازید، فرآیندهای تجاری را اتوماتیک کنید و اپلیکیشن‌های چندوجهی ایجاد کنید که هوش مصنوعی پیش‌بینی‌کننده و مولد را با هم ترکیب می‌کنند.

در طول دوره، شما درس‌های ساختاریافته و مثال‌های واقعی را دنبال خواهید کرد تا گام‌به‌گام اعتماد به نفس خود را در این فناوری را افزایش دهید. در پایان، شما قادر خواهید بود سیستم‌های AI آماده برای سازمان‌های بزرگ (Enterprise-ready) را با استفاده از مایکروسافت فاندری معماری، مستقر و مدیریت کنید؛ مهارت‌هایی که در بازار کار امروز AI-driven بسیار ارزشمند هستند.

اگر به دنبال پیشرو بودن در رقابت AI، ارتقای توانایی‌های فنی خود یا یادگیری یکی از قدرتمندترین پلتفرم‌های AI موجود هستید، این دوره برای شماست.

بیایید با هم آینده هوش مصنوعی را بسازیم.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

پیوستن به جامعه کاربری دیسکورد Join the Discord Server Community

  • پیوستن به جامعه کاربری دیسکورد Join the Discord Server Community

مبانی و مفاهیم پایه فاندری Foundry Primer and Fundamentals

  • مقدمه ای بر هوش مصنوعی مولد و عامل‌های هوشمند AI Introduction to Generative AI and AI Agents

  • آشنایی با مایکروسافت فاندری Introduction to Microsoft Foundry

  • آشنایی با SDK مایکروسافت فاندری Introduction to the Microsoft Foundry SDK

  • تفاوت بین پروژه‌های فاندری مبتنی بر Hub و Standalone Difference Between Hub-Based and Standalone Foundry Projects

  • آزمایشگاه: استقرار مایکروسافت فاندری در پورتال Azure (عملی) Lab: Deploying Microsoft Foundry in Azure Portal (Hands-On Lab)

  • مهم: مخزن گیت‌هاب برای دموها!! Important: Github Repo for Demos!!

  • آزمایشگاه: استقرار مدل OpenAI و دموی SDK فاندری (عملی) Lab: Deploying OpenAI Model and Foundry SDK Demo (Hands-On Lab)

  • آزمایشگاه: استقرار مدل Claude و دموی SDK فاندری (عملی) Lab: Deploying Claude and Foundry SDK Demo (Hands-On Lab)

  • آزمایشگاه: افزونه مایکروسافت فاندری در VSCode (عملی) Lab: Microsoft Foundry Extension in VSCode (Hands-On Lab)

عامل‌های هوشمند مایکروسافت فاندری Microsoft Foundry AI Agents

  • آزمایشگاه: بررسی جامع پورتال سرویس عامل (عملی) Lab: Agent Service Portal Walkthrough (Hands-On Lab)

  • آزمایشگاه: ایجاد یک عامل پایه با کد پایتون (عملی) Lab: Creating a Basic Agent from Python Code (Hands-On Lab)

  • آزمایشگاه: ایجاد یک عامل جستجوگر وب (عملی) Lab: Creating a Web Searcher Agent (Hands-On Lab)

  • آزمایشگاه: ایجاد یک عامل مفسر کد (عملی) Lab: Creating a Code Interpreter Agent (Hands-On Lab)

  • آزمایشگاه: ایجاد عامل با ابزار OpenAPI (عملی) Lab: Creating Agent with OpenAPI Tool (Hands-On Lab)

  • آزمایشگاه: ایجاد یک عامل سرور MCP (عملی) Lab: Creating a MCP Server Agent (Hands-On Lab)

  • آزمایشگاه: ایجاد یک عامل با ابزارهای چندگانه (عملی) Lab: Creating a Multi-Tool Agent (Hands-On Lab)

  • آزمایشگاه: کار با ابزار اتوماسیون مرورگر (عملی) Lab: Working with Browser Automation Tool (Hands-On Lab)

  • مقدمه‌ای بر ذخیره‌ساز حافظه فاندری (Memory Store) Introduction to Foundry Memory Store

  • آزمایشگاه: تخصیص قوانین Azure به فاندری برای ذخیره‌ساز حافظه (عملی) Lab: Assigning Azure Rule to Foundry for Memory Store Lab (Hands-On Lab)

  • آزمایشگاه: کار با ذخیره‌ساز حافظه فاندری (عملی) Lab: Working with Foundry Memory Store (Hands-On Lab)

ساخت یک عامل RAG سرتاسری Building an End-to-End RAG Agent

  • تولید تقویت شده با بازیابی (RAG) چیست؟ What is RAG (Retrieval Augmented Generation) ?

  • uma Vector Embeddings چیست؟ What are Vector Embeddings ?

  • سرویس Azure AI Search چیست؟ What is Azure AI Search

  • مقدمه‌ای بر RAG چندوجهی در Azure AI Search Introduction to Multi-Modal RAG in Azure AI Search

  • آزمایشگاه: استقرار زیرساخت RAG در آزور (عملی) Lab: Deploying RAG Infra on Azure (Hands-On Lab)

  • آزمایشگاه: ایجاد ایندکس جستجوی AI (عملی) Lab: Creating the AI Search Index (Hands-On Lab)

  • آزمایشگاه: ایجاد عامل RAG چندوجهی (عملی) Lab: Creating the Multi-Modal RAG Agent (Hands-On Lab)

مدیریت API و درگاه هوش مصنوعی (AI Gateway) API Management and AI Gateway

  • مدیریت API به عنوان درگاه (Gateway) در فاندری API Management as API Gateway in Foundry

  • بررسی عمیق پروتکل MCP (Model Context Protocol) MCP (Model Context Protocol) - Deep Dive

  • معماری سرور MCP MCP Server Architecture

  • مدیریت API و سرورهای MCP: دیدگاه معمار راهکار API Management and MCP Servers: Solution Architect's POV

  • آزمایشگاه: ایجاد یک درگاه AI در پروژه فاندری (عملی) Lab: Creating an AI Gateway in Foundry Project (Hands-On Lab)

  • آزمایشگاه: قابلیت‌های درگاه AI (عملی) Lab: Capabilities of AI Gateway (Hands-On Lab)

  • آزمایشگاه: ایجاد سرور MCP اختصاصی در ACA (عملی) Lab: Creating Our Own MCP Server in ACA (Hands-On Lab)

  • آزمایشگاه: افزودن سرور MCP به درگاه AI (عملی) Lab: Adding Our MCP Server to AI Gateway (Hands-On Lab)

  • آزمایشگاه: تست سیاست‌های محدودیت نرخ (Rate Limiting) (عملی) Lab: Testing Rate Limiting Policy (Hands-On Lab)

Foundry IQ Foundry IQ

  • مقدمه‌ای بر Foundry IQ Introduction to Foundry IQ

  • درک بازیابی عامل‌محور در Foundry IQ Understanding Agentic Retrieval in Foundry IQ

  • درک رتبه‌بندی BM25 و بازرتبه‌بندی معنایی در AI Search Understanding BM25 Ranking and Semantic Re-Ranking in AI Search

  • آزمایشگاه: راه‌اندازی پایگاه دانش و منابع Foundry IQ (عملی) Lab: Setting Up Foundry IQ Knowledge Base and Sources (Hands-On Lab)

  • آزمایشگاه: ایجاد عامل Foundry IQ از طریق پورتال (عملی) Lab: Creating Foundry IQ Agent via the Portal (Hands-On Lab)

  • آزمایشگاه: ایجاد عامل Foundry IQ از طریق نوت‌بوک پایتون (عملی) Lab: Creating Foundry IQ Agent via Python Notebook (Hands-On Lab)

ساخت اپلیکیشن‌های عامل‌محور چندوجهی Building Multi-Modal Agentic Applications

  • مقدمه‌ای بر اپلیکیشن‌های AI چندوجهی Introduction to Multi-Modal AI Applications

  • مقدمه‌ای بر ماسک کردن PII با سرویس زبان آزور (Azure Language Service) Introduction to PII masking with Azure Language Service

  • آزمایشگاه: حذف اطلاعات حساس (PII) با عامل فاندری (عملی) Lab: PII Text Redaction with Foundry Agent (Hands-On Lab)

  • مقدمه‌ای بر Azure Document Intelligence Introduction to Azure Document Intelligence

  • آزمایشگاه: تحلیل فاکتورها و اسناد (عملی) Lab: Invoice Analysis Lab (Hands-On Lab)

جریان‌های کاری ارکستراسیون عامل‌ها Agent Orchestration Workflows

  • جریان‌های کاری ارکستراسیون در مایکروسافت فاندری چیست؟ What are Orchestration Workflows in Microsoft Foundry?

  • آزمایشگاه: ساخت یک جریان کاری متوالی برای مسیرهای یادگیری MS Learn (عملی) Lab: Building a MS Learn Path Builder - Sequential Workflow (Hands-On Lab)

  • آزمایشگاه: ساخت جریان کاری با حضور انسان در حلقه (Human-In-The-Loop) (عملی) Lab: Building a Human-In-The-Loop Workflow (Hands-On Lab)

  • آزمایشگاه: ساخت جریان کاری سیستم چت عامل‌ها (عملی) Lab: Building an Agent Chat System Workflow (Hands-On Lab)

چارچوب عامل‌های مایکروسافت (MAF) Microsoft Agent Framework (MAF)

  • مقدمه ای بر چارچوب عامل‌های مایکروسافت (MAF) Introduction to Microsoft Agent Framework

  • آزمایشگاه: ساخت عامل چت پایه فاندری با MAF (عملی) Lab: Microsoft Foundry Basic Chat Agent with MAF (Hands-On Lab)

  • آزمایشگاه: ساخت عامل چت پایه محلی با MAF (عملی) Lab: Local Basic Chat Agent with MAF (Hands-On Lab)

  • آزمایشگاه: ساخت عامل ابزار MCP با MAF (عملی) Lab: MCP Tool Agent with MAF (Hands-On Lab)

  • آزمایشگاه: ساخت عامل ابزارهای چندگانه با MAF (عملی) Lab: Multi-Tool Agent with MAF (Hands-On Lab)

  • آزمایشگاه: شروع کار با DevUI برای تجسم جریان‌های MAF (عملی) Lab: Getting Started with DevUI to visualize MAF flows (Hands-On Lab)

  • آزمایشگاه: کار با خروجی‌های ساختاریافته در MAF (عملی) Lab: Working with Structured Outputs in MAF (Hands-On Lab)

  • آزمایشگاه: جریان کاری متوالی با MAF (عملی) Lab: Sequential Workflow with MAF (Hands-On Lab)

  • آزمایشگاه: تجسم جریان کاری متوالی با DevUI (عملی) Lab: Visualizing Sequential Workflow with DevUI (Hands-On Lab)

  • آزمایشگاه: جریان‌های کاری موازی با MAF (عملی) Lab: Parallel Workflows with MAF (Hands-On Lab)

  • آزمایشگاه: تجسم جریان‌های کاری موازی با DevUI (عملی) Lab: Visualizing Parallel Workflows with DevUI (Hands-On Lab)

ارتباطات A2A (عامل به عامل) A2A - Agent to Agent Communication

  • مقدمه‌ای بر پروتکل ارتباطات A2A Introduction to A2A Communication Protocol

  • آناتومی معماری پروتکل A2A Architectural Anatomy of the A2A Protocol

  • آزمایشگاه: مثال «سلام دنیا» برای سرور A2A (عملی) Lab: A2A Server "Hello World" Example (Hands-On Lab)

  • آزمایشگاه: نمایش یک عامل فاندری از طریق سرور A2A (عملی) Lab: Exposing a Foundry Agent via A2A Server (Hands-On Lab)

  • آزمایشگاه: ارسال پاسخ‌های جریانی (Streaming) از طریق سرور A2A (عملی) Lab: Streaming Responses via the A2A Server (Hands-On Lab)

  • آزمایشگاه: ترکیب A2A و MCP (عملی) Lab: A2A and MCP Combination (Hands-On Lab)

  • آزمایشگاه: انتشار سرور A2A در Azure Container Apps (عملی) Lab: Publishing A2A Server to Azure Container Apps (Hands-On Lab)

  • آزمایشگاه: استفاده از سرور A2A از راه دور در پورتال فاندری (عملی) Lab: Using Remote A2A Server within the Foundry Portal (Hands-On Lab)

نمایش نظرات

آموزش مایکروسافت فاندری: عامل‌های هوشمند AI، Foundry IQ، پروتکل MCP، A2A و RAG
جزییات دوره
14.5 hours
72
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,460
4.5 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

Kuljot Singh Bakshi Kuljot Singh Bakshi

مربی در Udemy