لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش عاملهای هوش مصنوعی (AI Agents) برای مدیران
- آخرین آپدیت
دانلود AI Agents for Leaders
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
درک، مدیریت و بهکارگیری استراتژیک عاملهای هوش مصنوعی در صنایع مختلف — بدون نیاز به کدنویسی
تفاوت بین باتهای مبتنی بر قانون (Rule-based)، سیستمهای RPA و عاملهای مدرن هوش مصنوعی را تشخیص دهید.
مبانی عاملها و معماریهای عاملمحور (Agentic Architectures) را درک کنید.
اجزای اصلی عاملها و ساختارهای معماری آنها را شناسایی کنید.
بررسی ویژگیهایی که یک عامل را «هوشمند» میکند، از جمله استقلال، حافظه، برنامهریزی و تعاملپذیری.
تحلیل کاربردهای پیشرفته عاملها در حوزههایی مانند بهداشت و درمان، سازمانهای تجاری، آموزش و بهرهوری شخصی.
مقایسه معماریهای پیشرو (مانند Autogen، CrewAI، LangGraph) و یادگیری زمان مناسب برای استفاده از هر کدام.
درک نحوه ادغام ابزارها، سیستمهای حافظه و APIهای خارجی برای توانمندسازی عاملها در ادراک، استدلال و اقدام در محیطهای واقعی یا شبیهسازی شده.
بررسی نحوه پیادهسازی عاملها با استفاده از فریمورکهای متنباز مانند LangChain، CrewAI یا LangGraph.
کاوش در مفاهیمی مانند پرامپتنویسی بازگشتی، خود-بازتابی (Self-reflection)، برنامهریزی، مذاکره و همکاری بین عاملها.
طراحی و شبیهسازی جریانهای کاری چند-عاملی (Multi-agent) با در نظر گرفتن ارتباطات، همسویی اهداف و ملاحظات ایمنی.
بررسی چالشهای اخلاقی، فنی و اجتماعی عاملهای خودمختار — از جمله تجسد (Embodiment)، اعتماد و لایههای دسترسی.
بررسی جهتگیریهای پژوهشی پیشرو و پیشبینی روندهایی که آینده فناوریهای عاملمحور را شکل میدهند.
طراحی و ساخت نمونه اولیه (Prototype) از عاملهای هوش مصنوعی شخصی با استفاده از فریمورکهای متنباز.
ادغام عاملها در جریانهای کاری بهرهوری، سلامت یا سازمانی با آگاهی از حافظه، ایمنی، برنامهریزی و استفاده از ابزارها.
ارزیابی معماریها و قابلیتهای عاملها برای استقرار داخلی، نوآوری در محصول یا نمونهسازی پژوهشی.
مشارکت در سیستمهای چند-عاملی یا رهبری بحثها درباره نحوه بازسازی صنایع توسط عاملهای هوش مصنوعی.
پیش نیازها: ندارد
عاملهای هوش مصنوعی در حال متحول کردن دنیای کار هستند — و مدیران باید بدانند چگونه از آنها بهره ببرند.
این دوره برای متخصصان، نوآوران و تصمیمگیرندگانی طراحی شده است که میخواهند در عصر عاملهای هوش مصنوعی با اعتمادبهنفس رهبری کنند. شما به درکی شفاف و کاربردی از چیستی عاملها، نحوه عملکرد آنها و کاربردهایشان در بخشهایی مانند بهداشت، سازمانها و آموزش دست خواهید یافت — بدون اینکه نیازی به نوشتن کد باشد.
در این دوره موارد زیر را بررسی خواهیم کرد:
تفاوت عاملهای هوش مصنوعی با باتها یا اسکریپتهای اتوماسیون
قابلیتهای کلیدی: حافظه، برنامهریزی، استفاده از ابزار، ارتباطات و یادگیری
موارد استفاده: از هماهنگی مراقبتهای بهداشتی و عاملهای جریان کاری تا دستیاران بهرهوری و کوچینگ
نحوه ارزیابی فریمورکهایی مانند LangChain، CrewAI و LangGraph (بدون نیاز به ساخت آنها)
بینشهای مدیریتی درباره معماری عاملها، آمادگی تیم، ایمنی و طراحی اخلاقی
روندهای آینده: سیستمهای چند-عاملی، عاملهای تجسد یافته و نقشههای راه استراتژیک هوش مصنوعی
شما در پایان این دوره قادر خواهید بود با زبان عاملهای هوش مصنوعی صحبت کنید، ابزارها را ارزیابی کنید، موارد استفاده ارزشمند را شناسایی کرده و تیمهای فنی یا تجاری را در استقرار مسئولانه این فناوری هدایت کنید.
این دوره برای چه کسانی است:
رهبران نوآوری و تحول دیجیتال
متخصصان محصول و استراتژی که در حال بررسی قابلیتهای هوش مصنوعی هستند
متخصصان کسبوکار که میخواهند پذیرش هوش مصنوعی را رهبری کنند — نه اینکه فقط نظارهگر باشند
مشاوران و سرتیمهایی که نیاز دارند بین تیمهای تجاری و تیمهای توسعه هوش مصنوعی پل ارتباطی ایجاد کنند
متخصصان هوش مصنوعی، دانشمندان داده و برنامهنویسانی که میخواهند اصول عاملهای هوش مصنوعی را درک کنند
هیچ مهارت کدنویسی مورد نیاز نیست. فقط یک ذهن تحلیلگر، کنجکاوی برای فناوریهای نوظهور و اشتیاق برای شکل دادن به آینده محیط کار.
سرفصل ها و درس ها
مبانی عاملهای هوش مصنوعی
Foundations of AI Agents
از باتهای RPA تا عاملها: چه چیزی عاملها را متمایز میکند
From RPA Bots to Agents - What makes agents different
عاملهای هوش مصنوعی چه کارهایی میتوانند انجام دهند: بررسی نمونههای بهداشتی و سازمانی
What Can AI Agents Do - A Tour of Examples: Healthcare Agents, Enterprise Agents
عاملهای هوش مصنوعی چه کارهایی میتوانند انجام دهند: بررسی نمونههای بهرهوری و چندوجهی
What Can AI Agents Do - Examples Tour: Productivity Agents, Multimodal Agents
قابلیتها و تکنیکهای عاملهای هوش مصنوعی
AI Agent Capabilities and Techniques
اجزای اصلی عاملهای مدرن هوش مصنوعی
Core Components of Modern AI Agents
استفاده از ابزار: نحوه بهرهبرداری عاملها از قابلیتهای خارجی
Tool Use: How Agents leverage External Capabilities
حافظه و بازیابی: نحوه یادآوری و یادگیری عاملها
Memory and Retrieval: How Agents Remember and Learn
برنامهریزی و استدلال در عاملهای هوش مصنوعی
Planning and Reasoning in AI Agents
یادگیری بازگشتی و تکرار شونده در عاملهای هوش مصنوعی
Recursive and Iterative Learning in AI Agents
کوییز طراحی قابلیت: انتخاب رویکرد مناسب برای عامل
Capability Design Quiz: Choosing the Right Agent Approach
قابلیتها و تکنیکهای پیشرفته عاملهای هوش مصنوعی
Advanced AI agent capabilities and techniques
مکانیزمهای یادگیری در عاملهای پیشرفته هوش مصنوعی
Learning Mechanisms in Advanced AI Agents
ارتباطات تعاملی در عاملها: دیالوگ و مذاکره بر سر وظایف
Interactive Communication in Agents: Dialogue and Task Negotiation
اتخاذ اقدام: رفتار خودمختار در زمینههای مختلف
Taking Action – Autonomous Behavior Across Contexts
اتخاذ اقدام ۲: عاملهای دارای تجسد
Taking Action II - Agents with Embodiment
نمایش نظرات