آموزش عوامل هوشمند با حافظه تقویت‌شده و پایدار - آخرین آپدیت

دانلود Memory-augmented and Persistent Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آیا تا به حال یک عامل هوش مصنوعی ساخته‌اید که تمام جزئیات را بین تعاملات فراموش کند و ارائه نتایج سازگار و شخصی‌سازی شده را غیرممکن کند؟ در این دوره آموزشی با عنوان «عوامل هوشمند با حافظه تقویت‌شده و پایدار»، شما یاد می‌گیرید چگونه سیستم‌های عاملی طراحی کنید که حافظه تقویت‌شده و پایداری داشته باشند تا بتوانند بافتار (Context) را در جلسات مختلف حفظ کرده و رفتار خود را در طول زمان شخصی‌سازی کنند. ابتدا بررسی خواهیم کرد که چرا عامل‌ها به حافظه نیاز دارند و محدودیت‌های تعاملات بدون وضعیت (Stateless) در مدل‌های زبانی بزرگ (LLM) را با نحوه توانمندسازی یادگیری، تداوم و انطباق در جریان‌های کاری تک‌عاملی و چندعاملی مقایسه می‌کنیم. سپس، به بررسی فریم‌ورک‌های عاملی و تکنیک‌های حافظه می‌پردازیم و نحوه مدیریت حافظه در ابزارهای محبوب را با هم مقایسه می‌کنیم. در نهایت، نحوه طراحی و ساخت یک سیستم چندعاملی با حافظه پایدار را خواهید آموخت که قادر است: تعاملات گذشته را به خاطر بسپارد، دانش را در طول زمان جمع‌آوری و بازیابی کند و تصمیم‌گیری و رفتار خود را در جلسات مختلف بهبود بخشد. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم برای طراحی، پیاده‌سازی و ارزیابی عامل‌های حافظه‌دار و پایداری را خواهید داشت که در کاربردهای واقعی، بافتار را حفظ کرده و به‌طور قابل‌اطمینانی عمل می‌کنند.

سرفصل ها و درس ها

چرا حافظه برای رفتار عاملی ضروری است؟ Why Is Memory Essential for Agentic Behavior?

  • چرا حافظه اهمیت دارد؟ Why Does Memory Matter?

  • عامل‌های هوش مصنوعی بدون وضعیت در مقابل حافظه‌دار Stateless vs. Memory-augmented AI Agents

  • انواع حافظه در عامل‌های هوش مصنوعی Types of Memory in AI Agents

  • مدیریت حافظه در سیستم‌های هوش مصنوعی: محدودیت‌ها و استراتژی‌ها Memory Management in AI Systems: Limitations and Strategies

مقایسه تکنیک‌ها و فریم‌ورک‌های حافظه پایدار Comparing Techniques and Frameworks for Persistent Memory

  • معرفی فریم‌ورک‌های پیشرو در پایداری حافظه Introducing the Leading Memory Persistence Frameworks

  • کرنل (Kernel): مدیریت تاریخچه گفتگو Kernel: Managing Conversation History

  • کرنل (Kernel): مدیریت تاریخچه گفتگو - بخش دوم Kernel: Managing Conversation History – Part 2

  • استفاده از ذخیره‌ساز حافظه در سیستم‌های هوش مصنوعی (Mem0) Using a Memory Store in AI Systems (Mem0)

  • شروع کار با Mem0 Getting Started with Mem0

  • ساخت یک عامل RAG با آگاهی از حافظه Building a RAG Agent with Memory Awareness

  • مم‌جی‌پی‌تی (MemGPT): ایجاد عامل‌ها با بلوک‌های حافظه MemGPT: Creating Agents with Memory Blocks

  • مم‌جی‌پی‌تی (MemGPT): ایجاد عامل‌ها با بلوک‌های حافظه - بخش دوم MemGPT: Creating Agents with Memory Blocks – Part 2

  • لاما ایندکس (LlamaIndex): ساخت یک تیم هوش مصنوعی مهندسی LlamaIndex: Building an Engineering AI Team

  • لاما ایندکس (LlamaIndex): ساخت یک تیم هوش مصنوعی مهندسی - بخش دوم LlamaIndex: Building an Engineering AI Team – Part 2

دموی جامع: یک سیستم چندعاملی با حافظه پایدار End-to-end Demo: A Multi-agent System with Persistent Memory

  • لنگ‌چین (LangChain): استراتژی‌ها و تکنیک‌های حافظه ترکیبی LangChain: Hybrid Memory Strategies and Techniques

  • حفظ تاریخچه گفتگوهای کوتاه‌مدت Maintaining Short-term Conversation History

  • پایداری حافظه بلندمدت در لنگ‌گراف (LangGraph) LangGraph Long-term Memory Persistence

  • مقیاس‌پذیری با کارایی بالا و در سطح عملیاتی (Production) High Performance and Production-grade Scaling

  • مقیاس‌پذیری با کارایی بالا و در سطح عملیاتی - بخش دوم High Performance and Production-grade Scaling – Part 2

  • تست و مانیتورینگ عملکرد Testing and Monitoring Performance

نمایش نظرات

آموزش عوامل هوشمند با حافظه تقویت‌شده و پایدار
جزییات دوره
1h 13m
20
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
3
از 5
دارد
دارد
دارد
Sandy Ludosky
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sandy Ludosky Sandy Ludosky

توسعه دهنده وب و مربی

سندی لودوسکی کار خود را به عنوان مشاور فناوری اطلاعات در کانادا آغاز کرد.

پس از توسعه وردپرس، سندی شروع به توسعه اپلیکیشن های موبایل iOS با زبان سوئیفت کرد.

سندی متخصص در فن آوری های موبایل و وب به مدت 7 سال، از مشتریان خود در پروژه های تحول دیجیتال پشتیبانی می کند. او همچنین به عنوان یک مربی مستقل برای حمایت از فراگیران در بازآموزی حرفه ای برای مشاغل در توسعه وب کار می کند. سندی اغلب در کارگاه ها و طرح های غیرانتفاعی دیده می شود، جایی که او اشتیاق خود را برای آموزش کد با داوطلبان دیگر به اشتراک می گذارد. در وب، او مرتباً آموزش هایی با محتوای آموزشی جدید منتشر می کند.