لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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)
نمایش نظرات