آموزش سیستم‌های چندعاملی پیشرفته و هوش مصنوعی عملیاتی با LangSmith - آخرین آپدیت

دانلود Advance Multi-Agent Systems & Production AI with LangSmith

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره آموزشی سیستم‌های بازیابی، RAG و جریان‌های کاری عاملی (Agentic Workflows)، شما را به مهارت‌های لازم برای ساخت سیستم‌های هوش مصنوعی هوشمند مجهز می‌کند که با استفاده از داده‌های واقعی، بازیابی، استدلال و پاسخگویی می‌کنند. شما با ابزارهایی مانند ChromaDB، Pinecone، LangChain، LangFuse و Python کار خواهید کرد تا خط لوله‌های بازیابی و عامل‌های آماده برای محیط عملیاتی طراحی کنید. در ماژول ۱، مبانی تولید تقویت‌شده با بازیابی (RAG) را بررسی خواهید کرد و یاد می‌گیرید چگونه مدل‌های زبانی را با استفاده از Embeddingها و جستجوی شباهت به دانش خارجی متصل کنید. ماژول ۲ به پایگاه‌های داده برداری و جستجوی معنایی می‌پردازد؛ جایی که شما ایندکس‌های برداری می‌سازید، داده‌های معنایی را پرس‌وجو می‌کنید و توازن عملکرد را در پلتفرم‌هایی مانند Chroma، Pinecone و FAISS ارزیابی می‌کنید. ماژول ۳ بر عامل‌ها و جریان‌های کاری گفتگو محور تمرکز دارد؛ شما سیستم‌های گفتگوی مبتنی بر وضعیت (State-based) را طراحی کرده، حافظه نشست‌ها را مدیریت می‌کنید و چت‌بات‌های پرسش و پاسخ چندمرحله‌ای مبتنی بر RAG می‌سازید. در ماژول ۴، بر بهینه‌سازی، عیب‌یابی و مشاهده‌پذیری تسلط خواهید یافت و از ابزارهایی مانند LangFuse و OpenTelemetry برای تشخیص مشکلات، تجسم تأخیر (Latency) و بهبود خروجی عامل‌ها از طریق بازرتبه‌بندی (Reranking) و مسیریابی پرس‌وجو استفاده خواهید کرد. در پایان این دوره، شما قادر خواهید بود: - خط لوله‌های RAG سرتاسری بسازید که مدل‌های زبانی بزرگ (LLM) را به منابع دانش خارجی متصل می‌کند. - پایگاه‌های داده برداری را برای جستجوی معنایی آگاه از متن طراحی و پرس‌وجو کنید. - عامل‌های گفتگو محور با قابلیت مدیریت حافظه، مدیریت وضعیت و پرسش و پاسخ مبتنی بر بازیابی ایجاد کنید. - جریان‌های کاری عامل‌های هوش مصنوعی را با استفاده از ابزارهای مشاهده‌پذیری عیب‌یابی، بهینه و نظارت کنید. سلب مسئولیت: این یک منبع آموزشی مستقل است که توسط Board Infinity صرفاً برای مقاصد اطلاع‌رسانی و آموزشی ایجاد شده است. این دوره با هیچ شرکت، سازمان یا نهاد صدور گواهینامه‌ای وابسته نیست، تایید نشده است و یا به طور رسمی با آن‌ها همکاری ندارد، مگر اینکه صراحتاً ذکر شده باشد. محتوای ارائه شده بر اساس دانش صنعت و بهترین تجربیات است اما شامل آموزش رسمی برای کارفرما یا برنامه گواهینامه خاصی نمی‌باشد. تمامی نام‌های شرکت‌ها، علائم تجاری و لوگوها متعلق به مالکان مربوطه است.

سرفصل ها و درس ها

الگوهای فراخوانی ابزار و اجرای تابع Tool-Calling and Function Execution Patterns

  • سیستم چندعاملی پیشرفته و تولید Advance Multi Agent system and Production

  • آنچه مدل‌های زبانی باید و نباید انجام دهند What LLMs should and Should Not

  • ابزارها به عنوان قراردادهای API Tools as API contracts

  • چرا اعتبارسنجی طرحواره (Schema) اجباری است Why Schema Validation is Mandatory

  • پوشش‌دهنده اجرای ایمن ابزار Safe Tools Execution Wrapper

  • عامل‌ها به عنوان حلقه‌های اجرا Agents as Execution Loops

  • نمایش عملی اجرای عامل‌های زنده Live Agents Execution Demo

  • عیب‌یابی با استفاده از ردپاها (Traces) Debugging with Traces

  • مفاهیم زنجیره‌سازی ابزار Tools Chaining Concepts

معماری‌ها و هماهنگی چندعاملی Multi-Agent Architectures and Coordination

  • اجرای عامل زنجیره‌ای Chained Agent Execution

  • شکست، تلاش مجدد و حفاظ‌ها (Guardrails) Failure, Retries & Guardrails

  • پل به سمت هماهنگی چندعاملی Bridge to Multi-Agent Coordination

  • هماهنگی چندعاملی Multi-Agent Coordination

  • چرا عامل‌های تک‌گانه در مقیاس بالا شکست می‌خورند Why Single Agents Break at Scale

  • شبیه‌سازی گفتگوی چندعاملی: مطالعه موردی (عامل‌های پژوهشی) Simulating Multi-Agent Dialogue: Case Study (Research Agents)

  • CrewAI چیست؟ CrewAI - What it is?

  • CrewAI: نمونه کار کوچک و عملی CrewAI - Minimal Working Example

  • دمو: جریان کاری چندعاملی برای خلاصه سازی پژوهش Demo: Multi-Agent Workflow for Research Summarization

پروتکل زمینه مدل (MCP) و یکپارچه‌سازی ابزار Model Context Protocol (MCP) and Tool Integration

  • مقدمه‌ای بر MCP Introduction to MCP

  • چرا استانداردسازی MCP برای تعامل‌پذیری عامل‌ها مهم است Why MCP Standardization for Agent Interoperability

  • اجزای اصلی: طرحواره‌ها، نقاط پایانی و قراردادها Core Components Schemas, Endpoints, and Contracts

  • ایجاد سرور MCP با استفاده از FastAPI Creating an MCP Server Using FastAPI

  • جریان‌های کاری ثبت و کشف طرحواره Schema Registration and Discovery Workflows

  • تست و اعتبارسنجی نقاط پایانی MCP testing a validating MCP endpoints

  • یکپارچه‌سازی کلاینت‌های MCP با عامل‌های موجود Integrating MCP Clients with Existing Agents

  • زنجیره‌سازی ابزارهای MCP برای وظایف چندمرحله‌ای Chaining MCP Tools for Multi-Step Tasks

  • دمو: استفاده عامل از MCP برای جستجوی وب + خلاصه سازی Demo: Agent Using MCP for Web Search + Summarization

تولید، ارزیابی و مقیاس‌پذیری Production, Evaluation, and Scaling

  • تولید، ارزیابی و مقیاس‌پذیری سیستم‌های عاملی در AWS AWS Production, Evaluation and Scaling for Agents System

  • استقرار و ماندگاری داده‌ها Deployment and Persistence

  • پیاده‌سازی حافظه ماندگار با DynamoDB + ChromaDB Implementing Persistent Memory- DynamoDB + ChromaDB

  • ارزیابی و حفاظ‌های ایمنی Evaluation and Safety Guardrails

  • ساخت حفاظ‌های ایمنی: فیلترهای دستور (Prompt) و قرمز سازی (Red Teaming) Building Safety Guardrails: Prompt Filters and Red-Teaming

  • ساخت حفاظ‌های ایمنی: فیلترهای دستور و قرمز سازی - بخش دوم Building Safety Guardrails- Prompt Filters and Red-Teaming - Part 2

  • مقیاس‌پذیری و نظارت در محیط عملیاتی Scaling and Monitoring in Production

  • معماری‌های مقیاس‌پذیری: افقی در مقابل عمودی Scaling Architectures- Horizontal vs Vertical

نمایش نظرات

آموزش سیستم‌های چندعاملی پیشرفته و هوش مصنوعی عملیاتی با LangSmith
جزییات دوره
15h 56m
35
(آخرین آپدیت)
113
- 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

Board Infinity Board Infinity

Board Infinity: توانمندسازی مشاغل با مسیرهای یادگیری