آموزش هوش مصنوعی عامل‌محور (Agentic AI): ساخت عوامل AI در سطح صنعتی با CrewAI و AWS - آخرین آپدیت

دانلود Agentic AI: Production Grade AI Agents using CrewAI and AWS

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ساخت عوامل هوش مصنوعی با استفاده از CrewAI، AWS Bedrock، AgentCore، RAG، MCP، Langfuse، مدیریت حافظه، ارزیابی‌ها، سیستم‌های چندعاملی، A2A و امنیت. در این دوره مفاهیم Agentic AI را بیاموزید: گذار از پرامپت‌نویسی ساده LLM به طراحی عوامل خودمختاری که قادر به استدلال و برنامه‌ریزی هستند. ساخت عملی سیستم‌های چندعاملی: یاد بگیرید چگونه جریان‌های کاری را مدیریت کنید تا چندین عامل با استفاده از فریم‌ورک‌هایی مانند CrewAI و AWS Bedrock AgentCore با یکدیگر همکاری کنند. پیاده‌سازی الگوهای عامل‌محور: کسب تجربه در معماری‌هایی شامل تولید تقویت‌شده با بازیابی (RAG)، پروتکل کانتکست مدل (MCP) و حافظه عامل. تضمین امنیت و مشاهده‌پذیری عامل‌ها: اعمال بهترین روش‌های امنیتی و تسلط بر مشاهده‌پذیری (Observability) عوامل AI. اعتبارسنجی عملکرد AI: یاد بگیرید چگونه کیفیت عامل‌ها را با استفاده از معیارهای داده‌محور و فریم‌ورک «LLM-as-a-Judge» تست و ارزیابی کنید. توسعه تفکر معماری: کسب ذهنیت «اصول اولیه» (First Principles) مورد نیاز برای معماری اپلیکیشن‌های Agentic به جای صرفاً نوشتن اسکریپت. یادگیری ارتباطات بین-عاملی: ساخت راهکارهای بزرگتر با استفاده از A2A. پیش نیازها: ترجیحاً آشنایی با مبانی پایتون (چون دموها با پایتون هستند). ترجیحاً آشنایی با مبانی AWS (چون دموها در محیط AWS اجرا می‌شوند). اشتیاق به یادگیری Agentic AI.

آیا از پروژه‌های AI که هرگز به مرحله تولید (Production) نمی‌رسند خسته شده‌اید؟

این دوره شما را از مبانی Agentic AI تا استقرار عامل‌های آماده تولید با استفاده از CrewAI و AWS می‌برد.

این دوره برای چه کسانی است: مهندسان و توسعه‌دهندگانی که می‌خواهند فراتر از پرامپت‌نویسی بروند و عامل‌های AI صنعتی را با CrewAI، AWS Bedrock و AWS AgentCore بسازند.

آنچه خواهید ساخت:

  • سیستم‌های چندعاملی با استفاده از CrewAI

  • ربات تلگرام صنعتی قدرت گرفته از عوامل AI (پروژه نهایی)

  • سیستم اصلاح خودکار ایشوهای گیت‌هاب (پروژه نهایی)

  • خط لوله‌های RAG با استفاده از AWS Bedrock Knowledge Base

  • یکپارچه‌سازی MCP با استفاده از AWS AgentCore MCP Gateway

  • عامل‌های مشاهده‌پذیر در AWS با مانیتورینگ لحظه‌ای

آنچه درک خواهید کرد:

  • مبانی Agentic و معماری‌های چندعاملی

  • استفاده از RAG برای دسترسی عامل‌ها به داده‌های شما از طریق AWS Bedrock Knowledge Base

  • استفاده از MCP برای دسترسی استاندارد به ابزارها از طریق AWS AgentCore MCP Gateway

  • مدیریت حافظه برای حفظ کانتکست پایدار عامل

  • ارتباطات بین-عاملی (A2A) برای سیستم‌های همکاری عامل‌ها

  • امنیت عامل‌ها با استفاده از AWS Bedrock Guardrails و بهترین روش‌های امنیتی

  • مشاهده‌پذیری با Langfuse و CloudWatch برای مانیتورینگ رفتار عامل در محیط تولید

  • ارزیابی عامل‌ها با متدولوژی LLM-as-a-Judge و سایر تکنیک‌های ارزیابی آنلاین و آفلاین

چرا این دوره:

  • دموهای عملی با الگوهای واقعی محیط تولید

  • تدریس توسط معمار نرم‌افزار با بیش از ۲۰ سال تجربه عملی

  • چرخه کامل عمر عامل: مفهوم ← ساخت ← امنیت ← استقرار ← مانیتورینگ

این یک دوره تبلیغاتی دیگر درباره هایپِ AI نیست؛ بلکه یک نقشه راه عملی برای مهندسانی است که قصد ساخت عامل‌های AI صنعتی با CrewAI و AWS را دارند.

همین حالا ثبت‌نام کنید و ساختن را آغاز کنید.


سرفصل ها و درس ها

گرم کردن Warming Up

  • ساختار دوره Course Structure

  • درباره من About Me

  • دمو: مثالی از Agentic AI Demo - Example of Agentic AI

  • منابع مفید Helpful Resources

  • تکلیف اختیاری: تست یک عامل کدنویس Optional Assignment - Try out a coding agent

پیش‌زمینه هوش مصنوعی عامل‌محور Background to Agentic AI

  • هدف Purpose

  • عصر GenAI GenAI Era

  • Attention is all you need Attention is all you need

  • مهندسی پرامپت Prompt Engineering

  • تکلیف اختیاری: مهندسی پرامپت Optional Assignment - Prompt Engineering

  • ظهور Agentic AI Advent of Agentic AI

  • عوامل تسهیل‌کننده Agentic AI Enablers for Agentic AI

  • دمو: بررسی Cursor IDE Demo - Exploring Cursor IDE

  • راه‌اندازی IDE IDE Setup

  • جمع‌بندی Summary

  • تست مفاهیم Test your concepts

سلام Agentic AI و CrewAI Hello Agentic AI - CrewAI

  • هدف: سلام Agentic AI Purpose - Hello Agentic AI

  • مثالی از یک عامل AI Example of an AI Agent

  • مثالی از یک سیستم چندعاملی Example of a Multi-Agent System

  • فریم‌ورک‌های Agentic AI Agentic AI Frameworks

  • معرفی CrewAI (فریم‌ورک Agentic AI) Introduction to CrewAI (Agentic AI Framework)

  • دمو: اولین عامل CrewAI Demo - First CrewAI agent

  • دمو: خروجی ساختاریافته از Agentic AI Demo - Structured output from Agentic AI

  • مشاهده‌پذیری Agentic AI Agentic AI Observability

  • دمو: بررسی داخلی Agentic AI با Langfuse Traces Demo - Agentic AI internals using Langfuse Traces

  • تکلیف اختیاری: CrewAI Optional Assignment - CrewAI

  • جمع‌بندی: سلام Agentic AI Summary - Hello Agentic AI

  • تست مفاهیم: سلام Agentic AI Test your concepts - Hello Agentic AI

استقرار عامل‌ها در AWS AgentCore Deploying Agents - AWS AgentCore

  • هدف: استقرار عامل‌ها Purpose - Deploying Agents

  • معرفی AWS Bedrock AgentCore Introduction to AWS Bedrock AgentCore

  • دمو: آماده‌سازی عامل برای AWS AgentCore Demo - Modifying agent to be AWS AgentCore ready

  • دمو: استقرار عامل در AWS AgentCore Demo - Deploying agent to AWS AgentCore

  • دمو: بررسی کنسول AWS AgentCore Demo - Exploring AWS AgentCore Console

  • دمو: استفاده از Identity Provider اختصاصی Demo - Using own Identity Provider

  • تکلیف اختیاری: AWS AgentCore Optional Assignment - AWS AgentCore

  • جمع‌بندی: استقرار عامل‌ها Summary - Deploying Agents

  • تست مفاهیم: استقرار عامل‌ها Test your concepts - Deploying Agents

مهندسی کانتکست و RAG Context Engineering - RAG

  • هدف: RAG Purpose - RAG

  • پایگاه‌های داده برداری برای RAG Vector Databases for RAG

  • مهندسی کانتکست با استفاده از RAG Context Engineering using RAG

  • معرفی RAG Introduction to RAG

  • جریان داده‌های RAG RAG Data Flows

  • استفاده از AWS Bedrock Knowledge Base برای RAG AWS Bedrock Knowledge Base for RAG

  • دمو: ایجاد منبع داده برای RAG Demo - Creating Data Source for RAG

  • دمو: ایجاد پایگاه داده برداری برای RAG Demo - Creating Vector Database for RAG

  • دمو: ایجاد AWS Knowledge Base برای RAG Demo - Creating AWS Knowledge Base for RAG

  • RAG عامل‌محور (Agentic RAG) Agentic RAG

  • دمو: Agentic RAG Demo - Agentic RAG

  • تکلیف اختیاری: RAG Optional Assignment - RAG

  • جمع‌بندی: RAG Summary - RAG

  • تست مفاهیم: RAG Test your concepts - RAG

یکپارچه‌سازی‌ها و MCP Integrations - MCP

  • هدف: MCP Purpose - MCP

  • مهندسی کانتکست و ابزارها Context Engineering and Tools

  • دمو: استفاده از ابزار جستجو Demo - Using search tool

  • معرفی MCP Introduction to MCP

  • معماری MCP MCP Architecture

  • دمو: استفاده از MCP برای ابزار جستجو Demo - Using MCP for search tool

  • معرفی MCP Gateway Introduction to MCP Gateway

  • دمو: استفاده از ابزار جستجو از طریق MCP gateway Demo - Using search tool through MCP gateway

  • دمو: انتشار گزارش تحقیق با استفاده از MCP Gateway Demo - Publishing research report using MCP Gateway

  • تکلیف اختیاری: یکپارچه‌سازی‌ها (MCP) Optional Assignment - Integrations(MCP)

  • جمع‌بندی: MCP Summary - MCP

  • تست مفاهیم: MCP Test your concepts - MCP

حافظه عامل Agent Memory

  • هدف: حافظه عامل Purpose - Agent Memory

  • چرا عامل‌ها به حافظه نیاز دارند؟ Why do agents need memory?

  • دمو: بدون حافظه عامل Demo - Without Agent Memory

  • حافظه کوتاه‌مدت عامل Short Term Agent Memory

  • دمو: استفاده از حافظه کوتاه‌مدت عامل Demo - Using Short Term Agent Memory

  • حافظه بلندمدت عامل Long Term Agent Memory

  • دمو: استفاده از حافظه بلندمدت عامل Demo - Using Long Term Agent Memory

  • تکلیف اختیاری: حافظه عامل Optional Assignment - Agent Memory

  • جمع‌بندی: حافظه عامل Summary - Agent Memory

  • تست مفاهیم: حافظه عامل Test your concepts - Agent Memory

الگوهای عامل‌محور Agentic Patterns

  • هدف: الگوهای عامل‌محور Purpose - Agentic Patterns

  • الگوهای تک-عاملی Single Agent Patterns

  • دمو: الگوی «برنامه‌ریزی و اجرا» Demo - Plan and Execute Agentic Pattern

  • الگوهای چندعاملی Multi-Agent Patterns

  • دمو: الگوی «اجرای موازی» Demo - Parallel Execution Agentic Pattern

  • دمو: الگوی «هماهنگ‌کننده-کارگر» (Orchestrator Worker) Demo - Orchestrator Worker Agentic Pattern

  • جریان کاری ساختاریافته در مقابل هماهنگی خودمختار Structured Workflow vs Autonomous Orchestration

  • تکلیف اختیاری: الگوهای عامل‌محور Optional Assignment - Agentic Patterns

  • جمع‌بندی: الگوهای عامل‌محور Summary - Agentic Patterns

  • تست مفاهیم: الگوهای عامل‌محور Test your concepts - Agentic Patterns

ارزیابی عامل Agent Evaluation

  • هدف: ارزیابی عامل Purpose - Agent Evaluation

  • ارزیابی و انواع آن Evaluation and its types

  • ارزیابی LLM LLM Evaluation

  • ارزیابی آنلاین Online Evaluation

  • دمو: LLM به عنوان داور (ارزیابی آنلاین) Demo - LLM as a Judge - Online Evaluation

  • دمو: حاشیه‌نویسی انسانی (ارزیابی آنلاین) Demo - Human Annotation - Online Evaluation

  • ارزیابی درون‌خطی (Inline Evaluation) Inline Evaluation

  • دمو: الگوی عامل منتقد (ارزیابی درون‌خطی) Demo - Critic Agent Pattern - Inline Evaluation

  • انسان در چرخه (Human in the Loop - ارزیابی درون‌خطی) Human in the Loop - Inline Evaluation

  • ارزیابی آفلاین Offline Evaluation

  • تکلیف اختیاری: ارزیابی عامل Optional Assignment - Agent Evaluation

  • جمع‌بندی: ارزیابی عامل Summary - Agent Evaluation

  • تست مفاهیم: ارزیابی عامل Test your concepts - Agent Evaluation

ارتباطات بین-عاملی A2A Inter Agent Communication - A2A

  • هدف: A2A Purpose - A2A

  • چرا به A2A نیاز داریم؟ Need for A2A?

  • پروتکل A2A A2A protocol

  • جریان تعامل A2A A2A interaction flow

  • دمو: اکسپوز کردن عامل با استفاده از A2A Demo - Expose Agent using A2A

  • دمو: بررسی با استفاده از A2A inspector Demo - Explore using A2A inspector

  • دمو: اتصال از یک عامل دیگر با استفاده از A2A Demo - Connect from another agent using A2A

  • مقایسه MCP در مقابل A2A MCP vs A2A

  • تکلیف اختیاری: ارتباطات بین-عاملی Optional Assignment - Inter Agent communication

  • جمع‌بندی: A2A Summary - A2A

  • تست مفاهیم: A2A Test your concepts - A2A

امنیت عامل Agent Security

  • هدف: امنیت عامل Purpose - Agent Security

  • تفاوت امنیت عامل با امنیت وب در چیست؟ How Agent Security is different from Web Security?

  • ۱۰ ریسک امنیتی برتر OWASP برای Agentic AI OWASP Top 10 security risks for Agentic AI

  • ربایش هدف عامل (Goal Hijack) Agent Goal Hijack - Agent Security

  • دمو: ربایش هدف عامل Demo - Agent Goal Hijack - Agent Security

  • سوءاستفاده و بهره‌برداری از ابزارها Tool Misuse and Exploitation - Agent Security

  • سوءاستفاده از هویت و امتیازات Identity and Privilege Abuse - Agent Security

  • دمو: سوءاستفاده از هویت و امتیازات Demo - Identity and Privilege Abuse - Agent Security

  • استفاده از AWS Guardrails برای امنیت AWS Guardrails - Agent Security

  • دمو: AWS Guardrails در امنیت عامل Demo - AWS Guardrails - Agent Security

  • بهترین روش‌ها برای امنیت عامل Best Practices for Agent Security

  • تکلیف اختیاری: امنیت عامل Optional Assignment - Agent Security

  • جمع‌بندی: امنیت عامل Summary - Agent Security

  • تست مفاهیم: امنیت عامل Test your concepts - Agent Security

پروژه نهایی: الکترونیک اورنج Capstone Project - Orange Electronics

  • دمو: بررسی پروژه عملی Demo - Working Project

  • نیازمندی‌های پروژه Project Requirements

  • دمو: راه‌اندازی CrewAI Demo - CrewAI Setup

  • دمو: راه‌اندازی Knowledge Base Demo - Knowledge Base Setup

  • دمو: راه‌اندازی MCP Demo - MCP Setup

  • دمو: راه‌اندازی AgentCore Demo - AgentCore Setup

  • دمو: راه‌اندازی تلگرام Demo - Telegram Setup

  • دمو: راه‌اندازی امنیت عامل Demo - Agent Security Setup

  • دمو: راه‌اندازی مشاهده‌پذیری عامل Demo - Agent Observability Setup

  • تکلیف اختیاری: چت‌بات الکترونیک اورنج Optional Assignment - Orange Electronics Chatbot

  • جمع‌بندی Summary

پروژه نهایی: اصلاح‌کننده ایشوهای گیت‌هاب Capstone Project - Github Issue Fixer

  • معرفی پروژه Issue Fixer Issue Fixer - Project Introduction

  • دمو: Issue Fixer Demo - Issue Fixer

  • دمو: راه‌اندازی CrewAI برای Issue Fixer Demo - CrewAI Setup - Issue Fixer

  • دمو: راه‌اندازی ابزارها برای Issue Fixer Demo - Tools Setup - Issue Fixer

  • دمو: بررسی ردپای اجرا در Issue Fixer Demo - Execution Trace - Issue Fixer

  • تکلیف اختیاری: Github Issue Fixer Optional Assignment - Github Issue Fixer

  • گام‌های بعدی برای Issue Fixer Next Steps - Issue Fixer

جمع‌بندی Agentic AI Summary - Agentic AI

  • جمع‌بندی: Agentic AI Summary - Agentic AI

  • خلاصه دوره و راهنمای سریع Course Summary & Ready Reckoner

  • اسلایدهای دوره Course Slides

  • گام‌های بعدی در مسیر یادگیری Agentic AI Next steps in your Agentic AI journey

  • تبریک Congrats

  • بونوس: سورپرایز پایان دوره bonus - Surprise on Course Completion

نمایش نظرات

آموزش هوش مصنوعی عامل‌محور (Agentic AI): ساخت عوامل AI در سطح صنعتی با CrewAI و AWS
جزییات دوره
9 hours
135
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,979
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Manpreet Singh Manpreet Singh

معمار پلتفرم و مربی تکنولوژی