آموزش مهندسی AI: ساخت اپلیکیشن‌های کاربردی با هوش مصنوعی ایجنتی (Agentic AI) - آخرین آپدیت

دانلود AI Engineer: Build Real-World Agentic AI Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ساخت ایجنت‌های هوش مصنوعی با استفاده از LangChain، LangGraph، LlamaIndex، Langflow، Smolagents، RAG، CrewAI و پروژه‌های Agentic AI ساخت ایجنت‌های هوش مصنوعی آماده برای محیط عملیاتی (Production-ready) با استفاده از فریم‌ورک‌های LangChain، LangGraph، CrewAI، LlamaIndex، Langflow و Hugging Face smolagents. درک مفاهیم بنیادی ایجنت‌های هوش مصنوعی، Agentic AI، مدل‌های زبانی بزرگ (LLMs)، فراخوانی ابزارها (Tool Calling) و استدلال خودمختار. طراحی و پیاده‌سازی ایجنت‌های AI مبتنی بر ReAct که قادر به استدلال، برنامه‌ریزی و استفاده از ابزارهای خارجی هستند. توسعه اپلیکیشن‌های Agentic RAG با استفاده از LlamaIndex، بازیابی برداری و منابع دانش خارجی. ایجاد گردش‌کارهای AI با LangGraph برای اتوماسیون، ارکستراسیون و اجرای ایجنت‌های حالت‌دار (Stateful). ساخت سیستم‌های چند-ایجنته (Multi-agent) با استفاده از CrewAI برای حل مسائل واقعی تجاری و مهندسی. توسعه اپلیکیشن‌های بصری AI با Langflow با استفاده از گردش‌کارهای کم‌کد (Low-code) و یکپارچه‌سازی‌ها. مانیتورینگ، ردیابی و ارزیابی ایجنت‌های AI با استفاده از Langfuse برای مشاهده‌پذیری و عیب‌یابی. کسب مهارت‌های برنامه‌نویسی پایتون مورد نیاز برای ساخت و شخصی‌سازی اپلیکیشن‌های مدرن ایجنت‌های AI. تکمیل پروژه‌های جامع AI شامل دستیارهای پژوهشی، اتوماسیون ایمیل، هوش مصنوعی بینایی (Vision AI)، برنامه‌ریز سفر، بهینه‌ساز رزومه و معاملات سهام. پیش نیازها: دانش پایه برنامه‌نویسی مفید است، اما هیچ تجربه قبلی در زمینه AI Agent مورد نیاز نیست. آشنایی ابتدایی با پایتون توصیه می‌شود. این دوره شامل یک بخش مبانی پایتون برای شروع است. یک کامپیوتر با دسترسی به اینترنت و قابلیت نصب Python، Anaconda، Jupyter Notebook و VS Code. کنجکاوی و علاقه به ساخت اپلیکیشن‌های AI با استفاده از مدل‌های زبانی بزرگ (LLMs) و Agentic AI. عدم نیاز به تجربه قبلی با LangChain، LangGraph، CrewAI، LlamaIndex یا RAG.

با تسلط بر اکوسیستم کامل Agentic AI و ساخت اپلیکیشن‌های واقعی از صفر، به یک توسعه‌دهنده AI Agent تبدیل شوید.

این دوره جامع و عملی، شما را از مبانی ایجنت‌های AI و مدل‌های زبانی بزرگ (LLMs) به سمت ساخت سیستم‌های پیشرفته خودمختار با استفاده از محبوب‌ترین فریم‌ورک‌های ایجنت AI می‌برد.

شما خواهید آموخت که ایجنت‌های AI چگونه کار می‌کنند، LLMها چگونه سیستم‌های هوشمند را تغذیه می‌کنند، ایجنت‌ها چگونه از ابزارها استفاده می‌کنند و فریم‌ورک‌های استدلالی مانند ReAct چگونه سیستم‌های AI را قادر به برنامه‌ریزی و اجرای وظایف می‌کنند.

در طول این دوره، پروژه‌های کاربردی را با استفاده از فریم‌ورک‌های پیشرو خواهید ساخت:

  • LangChain - ساخت ایجنت‌های AI با قابلیت فراخوانی ابزار و استدلال ReAct

  • LangGraph - ایجاد گردش‌کارهای ایجنت آماده برای تولید و سیستم‌های AI حالت‌دار

  • CrewAI - ساخت تیم‌های قدرتمند چند-ایجنته AI و سیستم‌های اتوماسیون

  • LlamaIndex - توسعه اپلیکیشن‌های RAG و Agentic RAG

  • Langflow - ایجاد گردش‌کارهای بصری ایجنت AI

  • Hugging Face smolagents - ساخت ایجنت‌های کدنویس، ایجنت‌های فراخوان ابزار، ایجنت‌های بینایی و سیستم‌های چند-ایجنته

پروژه‌های عملی شامل:

  • گردش‌کار اتوماسیون ایمیل AI

  • ایجنت دستیار بینایی AI

  • ایجنت بهینه‌ساز رزومه AI

  • دستیار AI با قابلیت Agentic RAG

  • سیستم چند-ایجنته تولید محتوا

  • سیستم بازاریابی و جذب مشتری AI

  • سیستم اتوماسیون درخواست شغل AI

  • سیستم چند-ایجنته معاملات سهام AI

  • ایجنت‌های پژوهشی و ایجنت‌های بینایی

همچنین مفاهیم ضروری محیط عملیاتی را خواهید آموخت، از جمله:

  • فراخوانی ابزار (Tool Calling) و اجرای توابع

  • مشاهده‌پذیری و ارزیابی ایجنت‌های AI با استفاده از Langfuse

  • تولید تقویت‌شده با بازیابی (RAG)

  • معماری‌های Agentic RAG

  • الگوهای همکاری چند-ایجنته

  • ایجنت‌های کدنویس و گردش‌کارهای خودمختار

در پایان این دوره، شما مهارت‌های عملی برای طراحی، ساخت و استقرار اپلیکیشن‌های مدرن ایجنت AI را با استفاده از پیشروترین فریم‌ورک‌های اکوسیستم Agentic AI خواهید داشت.

چه توسعه‌دهنده باشید، چه علاقه‌مند به AI، متخصص داده یا کسی که به دنبال درک آینده اتوماسیون هوش مصنوعی است، این دوره تجربه عملی لازم برای ساخت سیستم‌های هوشمند AI را به شما می‌دهد.


سرفصل ها و درس ها

خوش‌آمدگویی و بررسی کلی دوره Welcome & Course Overview

  • خوش‌آمدگویی! بررسی دوره و آنچه خواهید ساخت Welcome! Course Overview and What You'll Build

شروع کار: نصب نرم‌افزارها و آماده‌سازی محیط توسعه Getting Started: Software Installation & Development Setup

  • نصب توزیع Anaconda برای توسعه پایتون Install Anaconda Distribution for Python Development

  • نصب و بررسی محیط Jupyter Notebook Install and Explore Jupyter Notebook Environment

  • تسلط بر Markdown در Jupyter Notebook برای مستندسازی Master Jupyter Notebook Markdown for Documentation

  • نصب و پیکربندی Visual Studio Code (VS Code) Install and Configure Visual Studio Code (VS Code)

دوره سریع پایتون: یادگیری سریع مبانی Python Crash Course: Learn the Fundamentals Fast

  • مبانی پایتون: پکیج‌ها، متغیرها، انواع داده‌ها و شناسه‌ها Python Basics: Packages, Variables, Data Types & Identifiers

  • کنترل جریان در پایتون: شرط‌ها، حلقه‌ها و توابع Python Control Flow: Conditions, Loops & Functions

  • ساختارهای داده پایتون: کار با لیست‌ها (Lists) Python Data Structures: Working with Lists

  • ساختارهای داده پایتون: کار با تاپل‌ها (Tuples) Python Data Structures: Working with Tuples

  • ساختارهای داده پایتون: کار با رشته‌ها (Strings) Python Data Structures: Working with Strings

  • ساختارهای داده پایتون: کار با مجموعه‌ها (Sets) Python Data Structures: Working with Sets

  • ساختارهای داده پایتون: کار با دیکشنری‌ها (Dictionaries) Python Data Structures: Working with Dictionaries

مبانی ایجنت‌های AI: درک آینده هوش مصنوعی AI Agents Fundamentals: Understanding the Future of AI

  • توضیح ایجنت‌های AI: واقعیت در برابر تبلیغات و چرایی اهمیت آن‌ها AI Agents Explained: Hype vs Reality and Why They Matter

  • ایجنت‌های AI از صفر: ایجنت هوش مصنوعی چیست؟ (بررسی عمیق) AI Agents from Scratch: What Is an AI Agent? (Deep Dive)

  • سطوح ایجنسی در AI: درک خودمختاری ایجنت‌ها Levels of AI Agency: Understanding Agent Autonomy

مدل‌های زبانی بزرگ (LLMs): مغز متفکر ایجنت‌های AI Large Language Models (LLMs): The Brain Behind AI Agents

  • توضیح مدل‌های زبانی بزرگ (LLMs): مقدمه‌ای از صفر Large Language Models (LLMs) Explained: Introduction from Scratch

  • چرا LLMها «بزرگ» نامیده می‌شوند؟ درک مقیاس LLM Why Are LLMs Called "Large"? Understanding LLM Scale

  • تکامل مدل‌های زبانی بزرگ: تاریخچه کامل The Evolution of Large Language Models: A Complete History

  • چرا LLMها به پارامترهای بیشتر نیاز دارند؟ درک مقیاس‌بندی مدل Why Do LLMs Need More Parameters? Understanding Model Scaling

  • مدل‌های زبانی بزرگ چگونه ساخته می‌شوند: خط لوله کامل آموزش How Large Language Models Are Built: Complete Training Pipeline

ساخت ایجنت‌های AI با LangChain و فریم‌ورک ReAct (عملی) Building AI Agents with LangChain & ReAct Framework (Hands-On)

  • ساخت اولین فریم‌ورک Agentic AI با LangChain (عملی) Build Your First Agentic AI Framework with LangChain (Hands-On)

  • فراخوانی ابزار (Tool Calling) در LLMها: ایجنت‌های LangChain چگونه از ابزارها استفاده می‌کنند Tool Calling in LLMs: How LangChain Agents Use Tools

  • توضیح فریم‌ورک ReAct: ایجنت‌های AI چگونه استدلال و عمل می‌کنند ReAct Framework Explained: How AI Agents Reason and Act

  • ساخت یک ایجنت ReAct با LangChain (آموزش کامل عملی) Build a ReAct AI Agent with LangChain (Complete Hands-On Tutorial)

نمای کلی فریم‌ورک‌های ایجنت AI: LangChain، LangGraph، CrewAI و سایرین AI Agent Frameworks Landscape: LangChain, LangGraph, CrewAI & More

  • مقایسه برترین فریم‌ورک‌های ایجنت AI: LangChain, LangGraph, CrewAI, AutoGen و بیشتر Top AI Agent Frameworks Compared: LangChain, LangGraph, CrewAI, AutoGen & More

  • فریم‌ورک‌های ایجنت کد-محور: LangChain, LangGraph, LlamaIndex و بیشتر Code-First AI Agent Frameworks: LangChain, LangGraph, LlamaIndex & More

  • پلتفرم‌های ایجنت کم-کد: CrewAI, Langflow, n8n و Agno Low-Code AI Agent Platforms: CrewAI, Langflow, n8n & Agno

  • ایجنت‌های بدون کد (No Code): ساخت گردش‌کار ایجنت بدون برنامه‌نویسی No-Code AI Agents: Build Agent Workflows Without Programming

ساخت ایجنت‌های AI با Langflow: توسعه بصری ایجنت‌ها (عملی) Build AI Agents with Langflow: Visual Agent Development (Hands-On)

  • آموزش Langflow: نصب، راه‌اندازی و رفع خطاهای رایج Langflow Tutorial: Installation, Setup & Troubleshooting Common Errors

  • ساخت یک ایجنت AI با Langflow: خواننده URL + حل‌کننده ریاضی Build an AI Agent with Langflow: URL Reader + Math Solver

  • ساخت یک برنامه‌ریز سفر چند-ایجنته با استفاده از Langflow (عملی) Build a Multi-Agent Travel Planner Using Langflow (Hands-On)

  • ساخت ایجنت AI برای تحلیل یوتیوب با Langflow (گام به گام) Build a YouTube Analysis AI Agent Using Langflow (Step-by-Step)

ساخت ایجنت‌های AI با Hugging Face smolagents و مشاهده‌پذیری با Langfuse Build AI Agents with Hugging Face smolagents + Observability with Langfuse

  • آموزش Hugging Face smolagents: ساخت ایجنت‌های AI ساده و قدرتمند Hugging Face smolagents Tutorial: Build Simple and Powerful AI Agents

  • ایجنت‌های فراخوان ابزار در مقابل ایجنت‌های کدنویس: درک رویکردهای ایجنت AI Tool Calling Agents vs Code Agents: Understanding AI Agent Approaches

  • ساخت یک ایجنت کدنویس پژوهشی با smolagents (پروژه عملی) Build a Research Code Agent with smolagents (Hands-On Project)

  • ساخت یک ایجنت فراخوان ابزار پژوهشی با smolagents (پروژه عملی) Build a Research Tool Calling Agent with smolagents (Hands-On Project)

  • آموزش Langfuse: ایجاد حساب، مشاهده، ردیابی و ارزیابی ایجنت‌های AI Langfuse Tutorial: Account Creation, Observe, Trace & Evaluate AI Agents

  • ساخت ایجنت‌های بینایی AI با استفاده از Hugging Face smolagents Build Vision AI Agents Using Hugging Face smolagents

  • ساخت سیستم‌های AI چند-ایجنته با استفاده از smolagents Build Multi-Agent AI Systems Using smolagents

ساخت Agentic RAG و اپلیکیشن‌های چند-ایجنته AI با LlamaIndex Build Agentic RAG & Multi-Agent AI Applications with LlamaIndex

  • مبانی LlamaIndex: RAG، LlamaHub و تولید تقویت‌شده با بازیابی LlamaIndex Fundamentals: RAG, LlamaHub & Retrieval-Augmented Generation

  • ساخت اولین اپلیکیشن RAG با استفاده از LlamaIndex (عملی) Build Your First RAG Application Using LlamaIndex (Hands-On)

  • توضیح Agentic RAG: ترکیب ایجنت‌های AI با بازیابی اطلاعات Agentic RAG Explained: Combining AI Agents with Retrieval

  • ساخت دستیار AI با قابلیت Agentic RAG با LlamaIndex و LlamaHub (ArXiv, BraveSearch) Build an Agentic RAG AI Assistant with LlamaIndex & LlamaHub (ArXiv,BraveSearch)

ایجنت‌های LangGraph: ساخت گردش‌کارهای ایجنت آماده برای محیط عملیاتی LangGraph AI Agents: Build Production-Ready Agent Workflows

  • مبانی LangGraph: مقدمه‌ای بر ساخت گردش‌کارهای ایجنت AI LangGraph Fundamentals: Introduction to Building AI Agent Workflows

  • ساخت گردش‌کار اتوماسیون ایمیل AI با استفاده از LangGraph Build an AI Email Automation Workflow Using LangGraph

  • ساخت ایجنت دستیار بینایی AI با استفاده از LangGraph Build an AI Vision Assistant Agent Using LangGraph

  • ساخت دستیار بینایی AI با یکپارچه‌سازی ایمیل با استفاده از LangGraph و SendGrid Build a Vision AI Assistant with Email Integration Using LangGraph & SendGrid

  • ساخت ایجنت بهینه‌ساز رزومه AI با استفاده از LangGraph، LangChain و Pydantic Build an AI Resume Optimizer Agent Using LangGraph, LangChain & Pydantic

سیستم‌های چند-ایجنته CrewAI: ساخت تیم‌های ایجنت AI برای دنیای واقعی CrewAI Multi-Agent Systems: Build Real-World AI Agent Teams

  • مبانی CrewAI: ساخت اولین سیستم چند-ایجنته تولید محتوا CrewAI Fundamentals: Build Your First Multi-Agent Content Creation System

  • ساخت سیستم چند-ایجنته بازاریابی AI با استفاده از CrewAI (پروژه واقعی) Build a Multi-Agent AI Sales Outreach System Using CrewAI (Real-World Project)

  • ساخت سیستم درخواست شغل AI با CrewAI: اتوماسیون رزومه و مصاحبه Build an AI Job Application System Using CrewAI: Resume & Interview Automation

  • ساخت سیستم معاملات سهام AI با استفاده از CrewAI (پروژه جامع چند-ایجنته) Build an AI Stock Trading System Using CrewAI (End-to-End Multi-Agent Project)

نمایش نظرات

آموزش مهندسی AI: ساخت اپلیکیشن‌های کاربردی با هوش مصنوعی ایجنتی (Agentic AI)
جزییات دوره
8.5 hours
52
(آخرین آپدیت)
9
از 5
دارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Tech With Mala Tech With Mala

معمار نرم‌افزار