کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش هوش مصنوعی عامل‌محور در عمل [ویدیو] - آخرین آپدیت

دانلود Agentic AI in Action [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی عامل‌محور (Agentic AI) نشان‌دهنده مرحله بعدی نوآوری در AI است؛ سیستم‌های خودمختاری که قادر به استدلال، برنامه‌ریزی و اقدام در محیط‌های پویا هستند. دوره «هوش مصنوعی عامل‌محور در عمل»، شما را با دانش و مهارت‌های لازم برای طراحی و استقرار عامل‌های پیشرفته AI تجهیز می‌کند و پلی میان تحقیقات پیشرو و کاربردهای واقعی سازمانی ایجاد می‌نماید. در این جلسات تخصصی، شما با عامل‌های تولید متنی تقویت‌شده با بازیابی (RAG) و نحوه ادغام آن‌ها با گراف‌های دانش برای دستیابی به بافتار عمیق‌تر و دقت بیشتر آشنا خواهید شد. همچنین یاد می‌گیرید که چگونه با استفاده از فریم‌ورک‌هایی مانند MCP و A2S، عامل‌های شناختی در سطح سازمانی بسازید و بینش‌هایی در مورد معماری، مقیاس‌پذیری و قابلیت اطمینان آن‌ها کسب کنید. مطالعات موردی در این دوره نشان می‌دهد که چگونه Agentic AI در حال متحول کردن صنایع، به‌ویژه در حوزه مالی است. یک کارگاه عملی با PandaAGI به شما تجربه دست‌اول در ساخت عامل‌های هوشمند AI می‌دهد و در جلسه‌ای دیگر، مسیر تبدیل پرامپت‌های ساده به استقرار عامل‌های AI در محیط Snowflake را خواهید آموخت. در نهایت، یک پنل Closing با حضور رهبران صنعت، دیدگاه‌های انتقادی درباره چالش‌ها، فرصت‌ها و آینده هوش مصنوعی عامل‌محور ارائه می‌دهد. در پایان این دوره، شما نه‌تنها مبانی مفهومی، بلکه مهارت‌های عملی برای پیاده‌سازی عامل‌های خودمختار AI که تاثیر واقعی ایجاد می‌کنند را به‌دست خواهید آورد: - ساخت عامل‌های AI قدرتمند از طریق ادغام گراف‌های دانش با RAG - توسعه عامل‌های شناختی سطح سازمانی با پروتکل‌های MCP و A2A - بررسی موارد استفاده و الگوهای عامل‌های AI در صنعت مالی - کسب تجربه عملی در ساخت عامل‌های AI با استفاده از ابزارهای PandaAGI - تبدیل پرامپت‌های پایه LLM به استقرار عامل‌های AI در Snowflake - دریافت بینش‌های تخصصی درباره بهترین روش‌ها و آینده عامل‌های AI اگر مهندس ML، توسعه‌دهنده AI یا دانشمند داده هستید و مشتاقید از چت‌بات‌های ساده فراتر رفته و عامل‌های خودمختار AI بسازید، این دوره سطح متوسط برای شماست. این دوره شما را در تکنیک‌های عملی برای ایجاد عامل‌های قادر به انجام وظایف پیچیده راهنمایی می‌کند. متخصصانی که به دنبال ادغام Agentic AI در سیستم‌های سازمانی یا پروژه‌های دامنه‌های خاص (مانند امور مالی) هستند، بینش‌های ارزشمندی کسب خواهند کرد. ویژگی‌های دوره: * پوشش تکنیک‌های پیشرو (RAG، گراف‌های دانش، MCP/A2A) برای ساخت عامل‌های پیشرفته AI * جلسات تحت هدایت متخصصان و مطالعات موردی واقعی، با تمرکز ویژه بر صنعت مالی * یادگیری عملی از طریق کارگاه‌های تخصصی و مباحث پنل کارشناسان
سرفصل ها و درس ها

پشته یادگیری ماشین در عمل ML Stack in Action

  • مهندسی عامل‌های Graph RAG Engineering Graph RAG Agents

  • ساخت گراف‌های دانش برای فعال‌سازی هوش مصنوعی عامل‌محور Building Knowledge Graphs to Enable Agentic AI

  • توسعه عامل‌های شناختی سطح سازمانی (MCP و A2S) Developing Enterprise-Grade Cognitive Agents (MCP & A2S)

  • پنل پایانی: ساخت عامل‌های هوش مصنوعی Closing Panel: Building AI Agent

  • عامل‌های هوش مصنوعی در صنعت مالی AI Agents in Finance

  • کارگاه: ساخت عامل‌های هوشمند AI با PandaAGI Workshop: Build Intelligent AI Agents with PandaAGI

  • از پرامپت‌نویسی تا عامل‌های هوش مصنوعی در Snowflake From Prompting to AI Agents in Snowflake

آموزش کدنویسی ایمن در پایتون

آموزش کدنویسی ایمن در پایتون

دانلود Secure Coding in Python

آموزش Azure ML: استقرار، مدیریت و آزمایش مدل‌ها

آموزش Azure ML: استقرار، مدیریت و آزمایش مدل‌ها

دانلود Azure ML: Deploying, Managing, and Experimenting with Models

آموزش توسعه سریع برنامه با پایتون

آموزش توسعه سریع برنامه با پایتون

Rapid Application Development with Python

نمایش نظرات

آموزش هوش مصنوعی عامل‌محور در عمل [ویدیو]
جزییات دوره
6h 8m
7
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد

https://donyad.com/d/ff142b

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Hanane DUPOUY Hanane DUPOUY

معامله‌گر الگوریتمی و دانشمند داده

Anthony Alcaraz Anthony Alcaraz

آنتونی به عنوان استراتژیست ارشد AI ML شرکت AWS برای استارت‌آپ‌های منطقه EMEA، در راهنمایی شرکت‌های نوپای AI در مسیر توسعه فنی و استراتژی‌های ورود به بازار تخصص دارد. تجربه او حوزه‌های پیشرو بسیاری از جمله مدل‌های زبانی بزرگ، معماری‌های AI مولد، گراف‌های دانش، فضاهای برداری، MLOps و سیستم‌های Agentic AI را در بر می‌گیرد. او استراتژی AI را برای استارت‌آپ‌های سرمایه‌گذاری شده هدایت کرده، پلتفرم‌های یادگیری ماشین را برای مشتریان سازمانی مقیاس‌بندی نموده و در دانشگاه آکسفورد درباره آخرین راهکارهای LLM و گراف‌ها تدریس کرده است.

Andrea Gioia Andrea Gioia

آندرها جویا شریک و CTO شرکت Quantyca (متخصص در مدیریت داده) و یکی از بنیان‌گذاران blindata.io است. او با بیش از ۲۰ سال تجربه، تیم‌های بین‌رشته‌ای را برای اجرای پروژه‌های پیچیده داده در صنایع مختلف رهبری کرده است. آندرها به عنوان CTO به مشتریان در تعریف و اجرای استراتژی‌های داده مشاوره می‌دهد و سازمان‌دهنده اصلی Meetup مهندسی داده در ایتالیا است.

Imran Ahmad Imran Ahmad

عمران احمد نویسنده کتاب «۵۰ الگوریتمی که هر برنامه‌نویس باید بداند» است. او سال‌ها در تحقیقات پیشرو در زمینه الگوریتم‌ها و یادگیری ماشین فعالیت کرده و PhD خود را در سال ۲۰۱۰ با ارائه الگوریتمی برای تخصیص بهینه منابع در محیط‌های ابری مقیاس‌بزرگ به پایان رساند. او در حال حاضر به عنوان دانشمند داده در مرکز راهکارهای تحلیل پیشرفته (A2SC) دولت فدرال کانادا فعالیت می‌کند و استادH مدعو در دانشگاه کارلتون اتاوا است.

Raphaël MANSUY Raphaël MANSUY

رافائل مانسوی یک مدیر ارشد فناوری و کارآفرین با بیش از ۲۵ سال تجربه در توسعه نرم‌افزار، تحول دیجیتال و راهکارهای مبتنی بر AI است. او در طراحی و اجرای راهکارهای حیاتی برای شرکت‌های جهانی موفق بوده و در زمینه‌های AI، مهندسی داده، DevOps و توسعه Cloud-native به شرکت‌های Fortune 500 و استارت‌آپ‌ها مشاوره می‌دهد.

Sandipan Bhaumik Sandipan Bhaumik

ساندیپان رهبر بخش داده و AI در AWS است که در ساخت راهکارهای AI در مقیاس سازمانی تخصص دارد. او با بیش از ۱۷ سال تجربه، در زمینه‌های استراتژی، حاکمیت داده، انطباق مقرراتی و معماری‌های پایدار مشاوره می‌دهد و در حال حاضر در حال ایجاد جامعه‌ای از سازندگان عامل‌های AI برای یادگیری استفاده از این ابزارها در محیط کار و زندگی شخصی است.

Gabriele Venturi Gabriele Venturi

گابریله کارآفرین سریالی، مهندس نرم‌افزار و بنیان‌گذار پلتفرم‌های متن‌باز PandasAI و PandaAGI است که بر ساخت عامل‌های AI توضیح‌پذیر، برنامه‌ریزی‌پذیر و امن تمرکز دارند. او فارغ‌التحصیل Y Combinator است و با همکاری شرکت‌های Fortune 500، ابزارهای AI را برای اتوماسیون جریان‌های کاری پیچیده به مرحله تولید رسانده است.

Shankar Narayanan SGS Shankar Narayanan SGS

شانکار نارایانان معمار فنی با بیش از یک دهه تجربه متنوع در رهبری و اجرای پیاده‌سازی‌های داده و ابری در مقیاس بزرگ برای شرکت‌های Fortune 500 در صنایع مختلف است. او با موفقیت Snowflake Data Cloud را برای سازمان‌های بسیاری پیاده‌سازی کرده و مشتریان را به پذیرش Snowflake هدایت نموده است. او دارای مدرک کارشناسی و کارشناسی ارشد در علوم کامپیوتر و گواهینامه‌های متعددی در پلتفرم‌های چند-ابری و Snowflake است. او یک بلاگر برنده جایزه است و فعالانه در نشریات فنی و پروژه‌های متن‌باز مشارکت می‌کند. به دلیل مشارکت‌های فنی‌اش، او توسط SAP به عنوان رهبر موضوع جامعه SAP و توسط Snowflake به عنوان یکی از ۷۲ قهرمان داده Snowflake انتخاب شده است.

Vivekanandan SS Vivekanandan SS

ویکاناندنان رهبری تیم مهندسی پرامپت GenAI در Verizon را بر عهده دارد و از بیش از یک دهه تخصص در علوم داده و داده‌های بزرگ بهره می‌برد. مسیر حرفه‌ای او شامل ساخت راهکارهای تحلیلی و محصولات در دامنه‌های مختلف با تسلط بر تحلیل‌های ابری و انبارهای داده است. او به عنوان یک مدرس با تجربه، در Snowflake و GenAI تخصص دارد و به عنوان مدرس مهمان و مشاور در موسسات آموزشی مختلف فعالیت می‌کند. شایان ذکر است که راهکار او در رتبه ۱ درصد برتر جهانی در Kaggle Kernels قرار دارد.

Python Pandas Snowflake Data GPT/LLMs داده