آموزش عامل‌های هوش مصنوعی (AI Agents): از مفاهیم پایه تا سیستم‌های سازمانی - آخرین آپدیت

دانلود AI Agents: From Foundations to Enterprise Systems

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: طراحی، ساخت، استقرار و مدیریت عامل‌های هوشمند هوش مصنوعی در جریان‌های کاری، تیم‌ها و محیط‌های سازمانی طراحی و پیاده‌سازی سیستم‌های تک-عاملی و چند-عاملی با استفاده از معماری‌های مدرن عامل‌های AI ساخت عامل‌های هوش مصنوعی دارای قابلیت‌های حافظه، برنامه‌ریزی، استدلال و فراخوانی ابزار (Tool-Calling) استقرار عامل‌های چند-وجهی، داده-محور و مبتنی بر بازیابی تقویت‌شده (RAG) برای وظایف دنیای واقعی هماهنگ‌سازی، نظارت و بهینه‌سازی جریان‌های کاری عامل‌ها برای افزایش عملکرد، کاهش هزینه و قابلیت اطمینان اعمال اصول امنیت، حاکمیت و هوش مصنوعی مسئولانه در عامل‌های سطح تولید (Production-grade) یکپارچه‌سازی عامل‌های AI در جریان‌های کاری سازمانی شامل منابع انسانی، مالی، IT و عملیات پیش نیازها: هیچ تجربه قبلی در زمینه عامل‌های هوش مصنوعی یا فریم‌ورک‌های آن‌ها نیاز نیست آشنایی اولیه با مفاهیم برنامه‌نویسی (به هر زبانی) مفید است اما اجباری نیست تسلط به استفاده از کامپیوتر، ابزارهای وب و برنامه‌های مبتنی بر ابر اشتیاق به آزمایش، عیب‌یابی و یادگیری از طریق آزمایشگاه‌های عملی دسترسی به لپ‌تاپ یا دسکتاپ با اتصال به اینترنت اختیاری: آشنایی قبلی با پایتون، APIها یا ابزارهای LLM سرعت یادگیری را افزایش می‌دهد اما الزامی نیست

سلب مسئولیت:
این دوره شامل استفاده از هوش مصنوعی (AI) است.

عامل‌های هوش مصنوعی به سرعت در حال تغییر نحوه ساخت نرم‌افزارها، تصمیم‌گیری‌ها و انجام کارها در صنایع مختلف هستند. این دوره یک مسیر جامع و عملی برای طراحی، ساخت و استقرار عامل‌های هوشمند AI است؛ از مفاهیم بنیادی تا سیستم‌های سطح سازمانی. در طول ۵۲ هفته ساختاریافته، فراگیران گام به گام چرخه کامل AI عامل‌محور (Agentic AI) را بدون تکیه بر یک پروژه نهایی واحد می‌پیمایند تا یادگیری عملی و مستمر در هر هفته تضمین شود.

شما با تسلط بر مبانی اصلی عامل‌های AI، از جمله معماری‌های عامل، حلقه‌های ادراک-عمل، استدلال، برنامه‌ریزی و حافظه شروع خواهید کرد. ماژول‌های ابتدایی بر این موضوع تمرکز دارند که چگونه مدل‌های زبانی بزرگ (LLM) قدرت‌بخش عامل‌های مدرن هستند، تفاوت پرامپت‌ها با برنامه‌ها چیست و عامل‌ها چگونه اهداف پیچیده را به وظایف قابل اجرا تجزیه می‌کنند. از طریق آزمایشگاه‌های هدایت‌شده، اولین عامل‌های خود را می‌سازید، حافظه اضافه می‌کنید، استفاده از ابزارها را فعال می‌کنید و الگوهای استدلال ساختاریافته‌ای را پیاده‌سازی می‌کنید که بسیار فراتر از چت‌بات‌های ساده است.

با پیشرفت دوره، وارد مباحث فریم‌ورک‌های عامل، ارکستراسیون و همکاری‌های چند-عاملی می‌شوید. یاد می‌گیرید که عامل‌ها چگونه با هم ارتباط برقرار می‌کنند، وظایف را تفویض می‌کنند، تضادها را حل می‌کنند و به جای اجزای ایزوله، به عنوان سیستم‌های هماهنگ عمل می‌کنند. آزمایشگاه‌های عملی بر اجرای واقعی تأکید دارند؛ ساخت جریان‌های کاری متوالی و موازی، عیب‌یابی شکست‌های عامل، ارزیابی خروجی‌ها و بهینه‌سازی برای کاهش تأخیر و هزینه. شما تجربه عملی در طراحی عامل‌های قابل اطمینان، قابل توضیح و قابل اندازه‌گیری کسب خواهید کرد.

تمرکز اصلی دوره بر عامل‌های دانش-محور و داده-آگاه است. شما عامل‌های RAG (بازیابی تقویت‌شده) می‌سازید، منابع داده ساختاریافته و بدون ساختار را یکپارچه می‌کنید، با اسناد کار می‌کنید و سیستم‌های حافظه بلندمدت طراحی می‌کنید که در طول زمان پایدار مانده و تکامل می‌یابند. همچنین قابلیت‌های پیشرفته‌ای مانند عامل‌های چند-وجهی (Multi-modal) که روی متن، تصویر و صوت استدلال می‌کنند و عامل‌های بلادرنگ و رویداد-محور را بررسی خواهید کرد.

سپس دوره به سمت سیستم‌های عامل در سطح سازمانی می‌رود. یاد می‌گیرید چگونه عامل‌ها را ایمن کنید، از تزریق پرامپت (Prompt Injection) جلوگیری کنید، حاکمیت را اعمال کنید و جریان‌های کاری «انسان در حلقه» (Human-in-the-loop) طراحی کنید. مباحثی مانند مشاهده‌پذیری، مانیتورینگ، نسخه‌بندی، مقیاس‌پذیری و بهینه‌سازی هزینه شما را برای استقرار عامل‌ها در محیط‌های عملیاتی آماده می‌کند. ملاحظات اخلاقی و شیوه‌های AI مسئولانه در تمام طول دوره بافته شده است تا اطمینان حاصل شود که عامل‌ها ایمن، شفاف و همسو با سیاست‌های سازمانی هستند.

در مرحله نهایی، AI عامل‌محور را در دامنه‌های واقعی کسب‌وکار از جمله منابع انسانی، مالی، فروش، عملیات IT، انطباق، تحقیق و بهره‌وری شخصی به کار می‌گیرید. هر هفته شامل چندین موضوع، دو آزمایشگاه عملی و یک تکلیف کاربردی است که مهارت‌ها را از طریق کاربرد مستمر تقویت می‌کند.

در پایان این دوره، فراگیران با اعتماد به نفس کامل قادر خواهند بود عامل‌های هوش مصنوعی را طراحی، ساخته، مستقر و مدیریت کنند تا به‌طور مستقل عمل کرده، به‌طور مؤثر همکاری کنند و ارزش واقعی تجاری ایجاد نمایند؛ و بدین ترتیب مهارت‌های آینده-محور برای دنیای در حال تکامل Agentic AI را کسب کنند.


سرفصل ها و درس ها

هفته ۱: مقدمه‌ای بر عامل‌های هوش مصنوعی Week 1: Introduction to AI Agents

  • گواهینامه پایان دوره Certificate of Completion

  • عامل هوش مصنوعی چیست؟ What is an AI Agent?

  • عامل‌های واکنشی در مقابل تأملی Reactive vs Deliberative Agents

  • عامل در مقابل اتوماسیون سنتی Agent vs Traditional Automation

  • آزمایشگاه ۱: ساخت یک چت‌بات مبتنی بر قانون Lab 1: Build a rule-based chatbot

  • آزمایشگاه ۲: تبدیل یک اسکریپت به حلقه عامل Lab 2: Convert a script into an agent loop

  • تکلیف: شناسایی ۵ مورد کاربرد واقعی عامل‌ها Homework: Identify 5 real-world agent use cases

هفته ۲: معماری‌های عامل Week 2: Agent Architectures

  • حلقه ادراک-عمل Perception–Action Loop

  • سیستم‌های تک-عاملی در مقابل چند-عاملی Single-Agent vs Multi-Agent Systems

  • مدلسازی محیط Environment Modeling

  • آزمایشگاه ۱: پیاده‌سازی حلقه ادراک-عمل Lab 1: Implement a perception–action loop

  • آزمایشگاه ۲: شبیه‌سازی حالت‌های محیطی Lab 2: Simulate environment states

  • تکلیف: ترسیم نمودار معماری یک عامل Homework: Diagram an agent architecture

هفته ۳: مبانی LLM برای عامل‌ها Week 3: LLM Fundamentals for Agents

  • نحوه استدلال LLMها How LLMs reason

  • توکن‌ها و پنجره‌های زمینه (Context Windows) Tokens, context windows

  • کنترل پرامپتی در مقابل کنترل برنامه‌نویسی Prompt vs Programmatic Control

  • آزمایشگاه ۱: عامل کنترل‌شده با پرامپت Lab 1: Prompt-controlled agent

  • آزمایشگاه ۲: عامل فراخوان ابزار Lab 2: Tool-calling agent

  • تکلیف: مقایسه عامل‌های صرفاً پرامپتی در مقابل عامل‌های تقویت‌شده با ابزار Homework: Compare prompt-only vs tool-augmented agents

هفته ۴: مهندسی پرامپت برای عامل‌ها Week 4: Prompt Engineering for Agents

  • پرامپت‌های سیستم، کاربر و ابزار System, User, Tool prompts

  • زنجیره تفکر (CoT) در مقابل ReAct Chain-of-Thought vs ReAct

  • ریسک‌های تزریق پرامپت Prompt injection risks

  • آزمایشگاه ۱: عامل مبتنی بر ReAct Lab 1: ReAct-based agent

  • آزمایشگاه ۲: شبیه‌سازی حمله پرامپت Lab 2: Prompt attack simulation

  • تکلیف: مقاوم‌سازی یک پرامپت در برابر سوءاستفاده Homework: Harden a prompt against misuse

هفته ۵: مفاهیم حافظه عامل Week 5: Agent Memory Concepts

  • حافظه کوتاه‌مدت در مقابل بلندمدت Short-term vs Long-term memory

  • پایگاه داده‌های برداری Vector databases

  • حافظه اپیزودیک (رویدادی) Episodic memory

  • آزمایشگاه ۱: افزودن حافظه برداری به یک عامل Lab 1: Add vector memory to an agent

  • آزمایشگاه ۲: پیاده‌سازی حافظه نشست (Session) Lab 2: Session memory implementation

  • تکلیف: طراحی یک استراتژی حافظه Homework: Design a memory strategy

هفته ۶: برنامه‌ریزی و استدلال عامل Week 6: Agent Planning & Reasoning

  • برنامه‌ریزی در مقابل استدلال Planning vs reasoning

  • تجزیه وظایف (Task Decomposition) Task decomposition

  • سلسله‌مراتب اهداف Goal hierarchies

  • آزمایشگاه ۱: عامل برنامه‌ریز وظایف Lab 1: Task planner agent

  • آزمایشگاه ۲: زنجیره استدلال چند-مرحله‌ای Lab 2: Multi-step reasoning chain

  • تکلیف: تجزیه یک وظیفه پیچیده به زیر-وظایف Homework: Break down a complex task into sub-tasks

هفته ۷: بررسی کلی فریم‌ورک‌های عامل Week 7: Agent Framework Overview

  • معرفی LangChain LangChain

  • معرفی CrewAI CrewAI

  • معرفی AutoGen AutoGen

  • آزمایشگاه ۱: پیاده‌سازی یک عامل در ۲ فریم‌ورک Lab 1: Same agent in 2 frameworks

  • آزمایشگاه ۲: تست مقایسه‌ای فریم‌ورک‌ها Lab 2: Framework comparison test

  • تکلیف: انتخاب فریم‌ورک به همراه دلیل توجیه Homework: Choose framework + justification

هفته ۸: عامل‌های ابزار-محور Week 8: Tool-Using Agents

  • ابزارهای API API tools

  • ابزارهای فایل و داده File & data tools

  • ابزارهای جستجو Search tools

  • آزمایشگاه ۱: عامل فعال‌شده با API Lab 1: API-enabled agent

  • آزمایشگاه ۲: عامل آگاه از صفحات گسترده (Spreadsheet) Lab 2: Spreadsheet-aware agent

  • تکلیف: ساخت یک کاتالوگ ابزار Homework: Build a tool catalog

هفته ۹: فراخوانی توابع و مهارت‌ها Week 9: Function Calling & Skills

  • توابع در مقابل ابزارها Functions vs tools

  • انتزاع مهارت (Skill Abstraction) Skill abstraction

  • مدیریت خطا Error handling

  • آزمایشگاه ۱: عامل فراخوان تابع Lab 1: Function-calling agent

  • آزمایشگاه ۲: منطق تلاش مجدد (Retry) و جایگزین (Fallback) Lab 2: Retry & fallback logic

  • تکلیف: ایجاد مهارت‌های قابل استفاده مجدد برای عامل Homework: Create reusable agent skills

هفته ۱۰: ارکستراسیون عامل‌ها Week 10: Agent Orchestration

  • جریان‌های کاری متوالی Sequential workflows

  • عامل‌های موازی Parallel agents

  • عامل‌های رویداد-محور Event-driven agents

  • آزمایشگاه ۱: جریان کاری متوالی Lab 1: Sequential workflow

  • آزمایشگاه ۲: اجرای موازی وظایف Lab 2: Parallel task execution

  • تکلیف: طراحی جریان ارکستراسیون Homework: Design orchestration flow

هفته ۱۱: همکاری چند-عاملی Week 11: Multi-Agent Collaboration

  • نقش‌ها و مسئولیت‌ها Roles & responsibilities

  • پروتکل‌های ارتباطی Communication protocols

  • استراتژی‌های اجماع Consensus strategies

  • آزمایشگاه ۱: همکاری دو عامل Lab 1: Two-agent collaboration

  • آزمایشگاه ۲: تفویض بر اساس نقش Lab 2: Role-based delegation

  • تکلیف: تعریف نقش‌های عامل برای یک تیم Homework: Define agent roles for a team

هفته ۱۲: عیب‌یابی عامل‌ها Week 12: Agent Debugging

  • ثبت وقایع (Logging) و ردیابی (Tracing) Logging & tracing

  • حالت‌های شکست Failure modes

  • تشخیص توهم (Hallucination) Hallucination detection

  • آزمایشگاه ۱: افزودن لاگ و ردپای سیستم Lab 1: Add logging & traces

  • آزمایشگاه ۲: بازپخش شکست‌ها Lab 2: Failure replay

  • تکلیف: عیب‌یابی یک عامل شکست‌خورده Homework: Debug a failing agent

هفته ۱۳: ارزیابی عامل‌ها Week 13: Agent Evaluation

  • معیارهای موفقیت Success metrics

  • ارزیابی انسان در حلقه Human-in-the-loop evaluation

  • تست‌های خودکار Automated testing

  • آزمایشگاه ۱: ساختار ارزیابی Lab 1: Evaluation harness

  • آزمایشگاه ۲: امتیازدهی به خروجی‌های عامل Lab 2: Scoring agent outputs

  • تکلیف: تعریف KPIها برای عامل‌ها Homework: Define KPIs for agents

هفته ۱۴: بهینه‌سازی عملکرد Week 14: Performance Optimization

  • کاهش تأخیر (Latency) Latency reduction

  • بهینه‌سازی توکن Token optimization

  • استراتژی‌های کشینگ (Caching) Caching strategies

  • آزمایشگاه ۱: افزودن سیستم کش Lab 1: Add caching

  • آزمایشگاه ۲: کاهش مصرف توکن Lab 2: Reduce token usage

  • تکلیف: بهینه‌سازی جریان کاری یک عامل Homework: Optimize an agent workflow

هفته ۱۵: عامل‌های بازیابی تقویت‌شده (RAG) Week 15: Retrieval-Augmented Agents

  • مبانی RAG RAG basics

  • استراتژی‌های تکه‌تکه سازی (Chunking) Chunking strategies

  • خط لوله‌های بازیابی Retrieval pipelines

  • آزمایشگاه ۱: ساخت عامل RAG Lab 1: RAG agent

  • آزمایشگاه ۲: مقایسه روش‌های Chunking Lab 2: Chunking comparison

  • تکلیف: تنظیم کیفیت بازیابی Homework: Tune retrieval quality

هفته ۱۶: RAG پیشرفته (RAG 2.0) Week 16: Advanced RAG (RAG 2.0)

  • بازیابی ترکیبی (Hybrid) Hybrid retrieval

  • رتبه‌بندی مجدد (Re-ranking) Re-ranking

  • فیلتر کردن زمینه Context filtering

  • آزمایشگاه ۱: RAG ترکیبی Lab 1: Hybrid RAG

  • آزمایشگاه ۲: یکپارچه‌سازی رتبه‌بند Lab 2: Reranker integration

  • تکلیف: بهبود دقت پاسخ‌ها Homework: Improve answer precision

هفته ۱۷: عامل‌های گراف دانش Week 17: Knowledge Graph Agents

  • استدلال مبتنی بر گراف Graph-based reasoning

  • پیوند موجودیت‌ها (Entity Linking) Entity linking

  • پرس‌وجوهای گراف Graph queries

  • آزمایشگاه ۱: عامل آگاه از گراف Lab 1: Graph-aware agent

  • آزمایشگاه ۲: استخراج موجودیت‌ها Lab 2: Entity extraction

  • تکلیف: ساخت یک گراف دانش ساده Homework: Build a simple KG

هفته ۱۸: عامل‌های حافظه بلندمدت Week 18: Long-Term Memory Agents

  • زوال حافظه (Memory Decay) Memory decay

  • حافظه تلخیص‌کننده Summarization memory

  • شخصی‌سازی Personalization

  • آزمایشگاه ۱: عامل با حافظه پایدار Lab 1: Persistent memory agent

  • آزمایشگاه ۲: تلخیص‌کننده حافظه Lab 2: Memory summarizer

  • تکلیف: طراحی چرخه حیات حافظه Homework: Design memory lifecycle

هفته ۱۹: عامل‌های هوشمند اسناد Week 19: Document Intelligence Agents

  • ورود داده‌های PDF PDF ingestion

  • استخراج جداول Table extraction

  • جستجوی معنایی Semantic search

  • آزمایشگاه ۱: عامل پرسش و پاسخ اسناد Lab 1: Doc-QA agent

  • آزمایشگاه ۲: عامل تحلیل قرارداد Lab 2: Contract analysis agent

  • تکلیف: تحلیل مجموعه‌ای از اسناد Homework: Analyze a document set

هفته ۲۰: عامل‌های داده Week 20: Data Agents

  • دسترسی به داده‌های ساختاریافته Structured data access

  • عامل‌های تولیدکننده SQL SQL-generating agents

  • اعتبار‌سنجی داده‌ها Data validation

  • آزمایشگاه ۱: عامل SQL Lab 1: SQL agent

  • آزمایشگاه ۲: بررسی‌کننده کیفیت داده‌ها Lab 2: Data quality checker

  • تکلیف: ساخت عامل پاسخ به سوالات داده‌ای Homework: Build a data question agent

هفته ۲۱: عامل‌های بلادرنگ (Real-Time) Week 21: Real-Time Agents

  • ورودی‌های استریمینگ Streaming inputs

  • محرک‌های رویداد (Event Triggers) Event triggers

  • تصمیمات حساس به زمان Time-sensitive decisions

  • آزمایشگاه ۱: عامل رویداد-محور Lab 1: Event-driven agent

  • آزمایشگاه ۲: عامل هشداردهنده Lab 2: Alerting agent

  • تکلیف: طراحی مورد کاربرد بلادرنگ Homework: Design real-time use case

هفته ۲۲: عامل‌های چند-وجهی Week 22: Multi-Modal Agents

  • بینایی + متن Vision + text

  • عامل‌های صوتی Audio agents

  • استدلال متقاطع-وجهی Cross-modal reasoning

  • آزمایشگاه ۱: عامل آگاه از تصویر Lab 1: Image-aware agent

  • آزمایشگاه ۲: عامل فعال‌شده با صدا Lab 2: Voice-enabled agent

  • تکلیف: طراحی جریان کاری چند-وجهی Homework: Multi-modal workflow design

هفته ۲۳: امنیت عامل‌ها Week 23: Agent Security

  • تزریق پرامپت Prompt injection

  • نشت داده‌ها Data leakage

  • آزمایشگاه ۱: طراحی پرامپت ایمن Lab 1: Secure prompt design

  • آزمایشگاه ۲: دسترسی نقش-محور به عامل Lab 2: Role-based agent access

  • تکلیف: مدل‌سازی تهدیدات یک عامل Homework: Threat model an agent

هفته ۲۴: حاکمیت و انطباق Week 24: Governance & Compliance

  • لاگ‌های حسابرسی (Audit Logs) Audit logs

  • قابلیت توضیح‌پذیری Explainability

  • اعمال سیاست‌ها Policy enforcement

  • آزمایشگاه ۱: لاگ‌گیری حاکمیتی Lab 1: Governance logging

  • آزمایشگاه ۲: عامل آگاه از سیاست‌ها Lab 2: Policy-aware agent

  • تکلیف: نوشتن چک‌لیست حاکمیتی Homework: Write governance checklist

هفته ۲۵: عامل‌های انسان در حلقه (HITL) Week 25: Human-in-the-Loop Agents

  • جریان‌های کاری تاییدیه Approval workflows

  • منطق ارجاع (Escalation) Escalation logic

  • آستانه‌های اطمینان Confidence thresholds

  • آزمایشگاه ۱: عامل تاییدیه Lab 1: Approval agent

  • آزمایشگاه ۲: قوانین ارجاع Lab 2: Escalation rules

  • تکلیف: طراحی جریان کاری HITL Homework: Design HITL workflow

هفته ۲۶: قابلیت اطمینان و تاب‌آوری Week 26: Reliability & Resilience

  • استراتژی‌های جایگزین (Fallback) Fallback strategies

  • قطع‌کننده‌ها (Circuit Breakers) Circuit breakers

  • تخریب تدریجی (Graceful Degradation) Graceful degradation

  • آزمایشگاه ۱: تلاش مجدد + جایگزین Lab 1: Retry + fallback

  • آزمایشگاه ۲: شبیه‌سازی شکست Lab 2: Failure simulation

  • تکلیف: بهبود تاب‌آوری عامل Homework: Improve agent resilience

هفته ۲۷: مشاهده‌پذیری عامل‌ها Week 27: Agent Observability

  • معیارها (Metrics) Metrics

  • ردیابی (Tracing) Tracing

  • مانیتورینگ هزینه Cost monitoring

  • آزمایشگاه ۱: داشبورد مشاهده‌پذیری Lab 1: Observability dashboard

  • آزمایشگاه ۲: ردیابی هزینه‌ها Lab 2: Cost tracking

  • تکلیف: تعریف SLOها Homework: Define SLOs

هفته ۲۸: نسخه‌بندی و چرخه حیات عامل Week 28: Agent Versioning & Lifecycle

  • کنترل نسخه Version control

  • بازگشت به نسخه قبل (Rollbacks) Rollbacks

  • بهبود مستمر Continuous improvement

  • آزمایشگاه ۱: نسخه‌بندی عامل Lab 1: Agent versioning

  • آزمایشگاه ۲: استقرار کاناری (Canary) Lab 2: Canary deployment

  • تکلیف: استراتژی چرخه حیات Homework: Lifecycle strategy

هفته ۲۹: مقیاس‌پذیری عامل‌ها Week 29: Scaling Agents

  • مقیاس‌پذیری افقی Horizontal scaling

  • توزیع بار (Load Balancing) Load balancing

  • محدودیت نرخ (Rate Limiting) Rate limiting

  • آزمایشگاه ۱: عامل‌های همزمان Lab 1: Concurrent agents

  • آزمایشگاه ۲: تست‌های بار Lab 2: Load tests

  • تکلیف: برنامه مقیاس‌پذیری Homework: Scaling plan

هفته ۳۰: بهینه‌سازی هزینه عامل Week 30: Agent Cost Optimization

  • انتخاب مدل Model selection

  • بودجه توکن Token budgets

  • اقتصاد کشینگ Caching economics

  • آزمایشگاه ۱: مقایسه هزینه‌ها Lab 1: Cost comparison

  • آزمایشگاه ۲: عامل آگاه از بودجه Lab 2: Budget-aware agent

  • تکلیف: گزارش بهینه‌سازی هزینه Homework: Cost optimization report

هفته ۳۱: یکپارچه‌سازی سازمانی Week 31: Enterprise Integrations

  • عامل‌های CRM CRM agents

  • عامل‌های ERP ERP agents

  • عامل‌های ITSM ITSM agents

  • آزمایشگاه ۱: عامل اتوماسیون CRM Lab 1: CRM automation agent

  • آزمایشگاه ۲: عامل دسته‌بندی تیکت‌ها Lab 2: Ticket triage agent

  • تکلیف: نقشه یکپارچه‌سازی سازمانی Homework: Enterprise integration map

هفته ۳۲: اخلاق در عامل‌های AI Week 32: Agent Ethics

  • سوگیری (Bias) Bias

  • شفافیت Transparency

  • هوش مصنوعی مسئولانه Responsible AI

  • آزمایشگاه ۱: تشخیص سوگیری Lab 1: Bias detection

  • آزمایشگاه ۲: دمو قابلیت توضیح‌پذیری Lab 2: Explainability demo

  • تکلیف: ارزیابی ریسک اخلاقی Homework: Ethical risk assessment

هفته ۳۳: عامل‌های خود-بهبودبخش Week 33: Self-Improving Agents

  • حلقه‌های بازخورد Feedback loops

  • بازتاب (Reflection) Reflection

  • استدلال متا (Meta-reasoning) Meta-reasoning

  • آزمایشگاه ۱: عامل بازتاب‌گر Lab 1: Reflection agent

  • آزمایشگاه ۲: منطق خود-اصلاحی Lab 2: Self-correction logic

  • تکلیف: بهبود دقت عامل Homework: Improve agent accuracy

هفته ۳۴: عامل‌های برنامه‌ریز خودمختار Week 34: Autonomous Planning Agents

  • تولید هدف Goal generation

  • مدیریت محدودیت‌ها Constraint handling

  • برنامه‌ریزی افق بلند Long-horizon planning

  • آزمایشگاه ۱: برنامه‌ریز خودمختار Lab 1: Autonomous planner

  • آزمایشگاه ۲: حل‌کننده محدودیت‌ها Lab 2: Constraint solver

  • تکلیف: استراتژی برنامه‌ریزی Homework: Planning strategy

هفته ۳۵: تجمعات عامل‌ها (Agent Swarms) Week 35: Agent Swarms

  • هوش جمعی (Swarm Intelligence) Swarm intelligence

  • رفتارهای نوظهور Emergent behavior

  • هماهنگی Coordination

  • آزمایشگاه ۱: شبیه‌سازی Swarm Lab 1: Swarm simulation

  • آزمایشگاه ۲: عامل‌های همکار Lab 2: Cooperative agents

هفته ۳۶: عامل‌های رقابتی Week 36: Competitive Agents

  • نظریه بازی‌ها Game theory

  • عامل‌های متخاصم (Adversarial) Adversarial agents

  • منطق مذاکره Negotiation logic

  • آزمایشگاه ۱: عامل مذاکره‌کننده Lab 1: Negotiation agent

  • آزمایشگاه ۲: تست متخاصم Lab 2: Adversarial test

  • تکلیف: تحلیل استراتژی Homework: Strategy analysis

هفته ۳۷: عامل‌های شبیه‌ساز Week 37: Simulation Agents

  • دوقلوهای دیجیتال Digital twins

  • مدلسازی سناریو Scenario modeling

  • عامل‌های مونت‌کارلو Monte Carlo agents

  • آزمایشگاه ۱: عامل شبیه‌ساز Lab 1: Simulation agent

  • آزمایشگاه ۲: اجراکننده سناریو Lab 2: Scenario runner

  • تکلیف: گزارش شبیه‌سازی Homework: Simulation report

هفته ۳۸: عامل‌های تصمیم‌گیر Week 38: Decision-Making Agents

  • هوش جمعی (تکمیل) Swarm intelligence

  • تکلیف: مورد کاربرد Swarm Homework: Swarm use case

  • توابع مطلوبیت Utility functions

  • تصمیمات آگاه از ریسک Risk-aware decisions

  • استدلال احتمالی Probabilistic reasoning

  • آزمایشگاه ۱: عامل تصمیم‌گیر Lab 1: Decision agent

  • آزمایشگاه ۲: امتیازدهی ریسک Lab 2: Risk scoring

  • تکلیف: چارچوب تصمیم‌گیری Homework: Decision framework

هفته ۳۹: عامل‌های یادگیرنده Week 39: Learning Agents

  • مبانی یادگیری تقویت‌شده (RL) Reinforcement learning basics

  • سیگنال‌های پاداش Reward signals

  • به‌روزرسانی سیاست‌ها Policy updates

  • آزمایشگاه ۱: عامل RL Lab 1: RL agent

  • آزمایشگاه ۲: تنظیم پاداش Lab 2: Reward tuning

  • تکلیف: طراحی پاداش Homework: Reward design

هفته ۴۰: عامل‌های چند-دامنه‌ای Week 40: Multi-Domain Agents

  • استدلال متقاطع-دامنه‌ای Cross-domain reasoning

  • تغییر زمینه (Context Switching) Context switching

  • داوری ابزارها Tool arbitration

  • آزمایشگاه ۱: عامل چند-دامنه‌ای Lab 1: Multi-domain agent

  • آزمایشگاه ۲: منطق داوری ابزار Lab 2: Tool arbitration logic

  • تکلیف: استراتژی دامنه Homework: Domain strategy

هفته ۴۱: همکاری عامل‌ها در مقیاس بزرگ Week 41: Agent Collaboration at Scale

  • عامل‌های سازمانی Organizational agents

  • اشتراک دانش Knowledge sharing

  • حل تضاد Conflict resolution

  • آزمایشگاه ۱: عامل‌های سطح سازمان Lab 1: Organization-level agents

  • آزمایشگاه ۲: حل‌کننده تضاد Lab 2: Conflict resolver

  • تکلیف: طرح همکاری Homework: Collaboration blueprint

هفته ۴۲: عامل‌ها برای پشتیبانی تصمیم‌گیری Week 42: Agents for Decision Support

  • عامل‌های اجرایی Executive agents

  • عامل‌های پیش‌بینی Forecasting agents

  • سیستم‌های مشاوره‌ای Advisory systems

  • آزمایشگاه ۱: عامل پیش‌بینی Lab 1: Forecast agent

  • آزمایشگاه ۲: عامل گزارش‌دهی اجرایی Lab 2: Executive briefing agent

  • تکلیف: یادداشت تصمیم‌گیری Homework: Decision memo

هفته ۴۳: شکست‌ها و ایمنی عامل‌ها Week 43: Agent Failures & Safety

  • مسائل همسویی (Alignment) Alignment issues

  • عامل‌های خارج از کنترل Runaway agents

  • کلیدهای قطع اضطراری (Kill Switches) Kill switches

  • آزمایشگاه ۱: محدودیت‌های ایمنی Lab 1: Safety constraints

  • آزمایشگاه ۲: منطق توقف اضطراری Lab 2: Emergency stop logic

  • تکلیف: طراحی ایمنی Homework : Safety design

هفته ۴۴: آینده عامل‌های هوش مصنوعی Week 44: Future of AI Agents

  • اقتصادهای عامل-محور Agent economies

  • شرکت‌های خودمختار Autonomous enterprises

  • چشم‌انداز قوانین و مقررات Regulation outlook

  • آزمایشگاه ۱: نقشه راه عامل‌ها Lab 1: Agent roadmap

  • آزمایشگاه ۲: مدلسازی سناریوهای آینده Lab 2: Future scenario modeling

  • تکلیف: چشم‌انداز ۵ ساله Homework: 5-year outlook

هفته ۴۵: عامل‌های منابع انسانی (HR) Week 45: HR Agents

  • عامل‌های استخدام Hiring agents

  • عامل‌های آنبوردینگ Onboarding agents

  • عامل‌های ارزیابی عملکرد Performance agents

  • آزمایشگاه ۱: غربالگر رزومه Lab 1: Resume screener

  • آزمایشگاه ۲: عامل آنبوردینگ Lab 2: Onboarding agent

  • تکلیف: پیشنهاد عامل منابع انسانی Homework: HR agent proposal

هفته ۴۶: عامل‌های مالی Week 46: Finance Agents

  • عامل‌های صورت‌حساب Invoice agents

  • عامل‌های پیش‌بینی مالی Forecasting agents

  • عامل‌های ریسک مالی Risk agents

  • آزمایشگاه ۱: پردازشگر صورت‌حساب Lab 1: Invoice processor

  • آزمایشگاه ۲: عامل پیش‌بینی مالی Lab 2: Forecast agent

  • تکلیف: برنامه اتوماسیون مالی Homework: Finance automation plan

هفته ۴۷: عامل‌های فروش و بازاریابی Week 47: Sales & Marketing Agents

  • عامل‌های جذب لید (Lead) Lead agents

  • شخصی‌سازی Personalization

  • اتوماسیون CRM CRM automation

  • آزمایشگاه ۱: عامل تایید صلاحیت لید Lab 1: Lead qualification agent

  • آزمایشگاه ۲: عامل ارتباط با مشتری Lab 2: Outreach agent

  • تکلیف: طراحی قیف فروش Homework: Sales funnel design

هفته ۴۸: عامل‌های عملیات IT Week 48: IT Operations Agents

  • عامل‌های مدیریت حادثه Incident agents

  • عامل‌های مانیتورینگ Monitoring agents

  • عامل‌های رفع نقص (Remediation) Remediation agents

  • آزمایشگاه ۱: دسته‌بندی حوادث Lab 1: Incident triage

  • آزمایشگاه ۲: عامل رفع نقص خودکار Lab 2: Auto-remediation agent

  • تکلیف: استراتژی عامل IT Homework: IT agent strategy

هفته ۴۹: عامل‌های انطباق و ریسک Week 49: Compliance & Risk Agents

  • عامل‌های سیاست‌گذاری Policy agents

  • عامل‌های حسابرسی Audit agents

  • جمع‌آوری شواهد Evidence collection

  • آزمایشگاه ۱: بررسی‌کننده انطباق Lab 1: Compliance checker

  • آزمایشگاه ۲: عامل حسابرسی Lab 2: Audit agent

  • تکلیف: جریان کاری انطباق Homework: Compliance workflow

هفته ۵۰: عامل‌های تحقیق و دانش Week 50: Research & Knowledge Agents

  • عامل‌های بررسی ادبیات (Literature) Literature agents

  • عامل‌های سنتز (Synthesis) Synthesis agents

  • استخراج بینش (Insight) Insight extraction

  • آزمایشگاه ۱: عامل تحقیق Lab 1: Research agent

  • آزمایشگاه ۲: عامل سنتز Lab 2: Synthesis agent

  • تکلیف: خلاصه تحقیق Homework: Research summary

هفته ۵۱: عامل‌های هوش مصنوعی شخصی Week 51: Personal AI Agents

  • عامل‌های بهره‌وری Productivity agents

  • عامل‌های مدیریت زندگی Life-management agents

  • عامل‌های یادگیری Learning agents

  • آزمایشگاه ۱: دستیار شخصی Lab 1: Personal assistant

  • آزمایشگاه ۲: عامل کوچ یادگیری Lab 2: Learning coach agent

  • تکلیف: طراحی عامل شخصی Homework: Personal agent design

هفته ۵۲: سیستم‌های عامل آماده تولید Week 52: Production-Ready Agent Systems

  • استقرار جامع (End-to-End) End-to-end deployment

  • مانیتورینگ و حاکمیت Monitoring & governance

  • تکامل مستمر Continuous evolution

  • آزمایشگاه ۱: استقرار در محیط تولید Lab 1: Production deployment

  • آزمایشگاه ۲: راه‌اندازی مانیتورینگ Lab 2: Monitoring setup

  • تکلیف: معماری نهایی سیستم Homework: Final system architecture

نمایش نظرات

آموزش عامل‌های هوش مصنوعی (AI Agents): از مفاهیم پایه تا سیستم‌های سازمانی
جزییات دوره
11.5 hours
313
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6,168
4.5 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

School of AI School of AI

Siam Hossain Siam Hossain

رهبر اجرایی