آموزش ساخت هوش مصنوعی عامل از صفر - بدون فریمورک! - آخرین آپدیت

دانلود Master AI Agents from Scratch - No Frameworks!

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

دوره ساخت هوش مصنوعی (AI) از پایه: تسلط بر ساخت Agent های هوشمند بدون استفاده از فریمورک‌ها

به دنیای هوش مصنوعی با دوره "ساخت Agent های AI از پایه" قدم بگذارید! این دوره برای توسعه‌دهندگانی طراحی شده است که می‌خواهند پیچیدگی‌های ساخت AI Agent ها را بدون اتکا به فریمورک‌ها فرا بگیرند. این رویکرد، نه تنها به شما نحوه ساخت AI Agent ها را آموزش می‌دهد، بلکه درک عمیقی از مکانیزم‌های پشت هر خط کد را به شما ارائه می‌دهد.


ویژگی‌های کلیدی دوره:

  • ساخت بدون فریمورک (Framework-Free): یاد بگیرید چگونه AI Agent ها را از صفر بسازید. این کار به شما درک عمیقی از نحوه عملکرد اجزای داخلی و نحوه بهینه‌سازی آن‌ها می‌دهد، بدون اینکه به فریمورک‌های آماده وابسته باشید. این روش تضمین می‌کند که شما دقیقاً می‌دانید الگوریتم‌هایتان چگونه کار می‌کنند.

  • بازیابی و تولید افزوده (Retrieval-Augmented Generation - RAG): نحوه ادغام مکانیزم‌های بازیابی و مدل‌های تولید را برای تولید خروجی‌های AI مرتبط‌تر و غنی‌تر از نظر زمینه (Contextual) فرا بگیرید.

  • حافظه Agent ها: قابلیت‌های حافظه کوتاه‌مدت و بلندمدت را در AI Agent های خود پیاده‌سازی کنید تا آن‌ها بتوانند از تعاملات گذشته برای تصمیم‌گیری‌های هوشمندانه‌تر استفاده کنند.

  • جستجوی معنایی Redis: از Redis برای ساخت قابلیت‌های جستجوی معنایی استفاده کنید که فراتر از تطبیق کلمات کلیدی رفته و جوهر (Essence) پرس و جوهای کاربران را درک می‌کند.

  • مهندسی پیشرفته Prompt (Prompt Engineering): هنر ساخت Prompt های مؤثر را که مدل‌های AI را برای ارائه پاسخ‌های بهینه هدایت می‌کنند، فرا بگیرید. این مهارت برای کارهای استدلالی پیچیده ضروری است.

  • Chain-of-Thought Prompting: یادگیری روش Prompting زنجیره-تفکر برای بهبود استدلال هوش مصنوعی.

  • فراخوانی تابع (Function Calling): فعال کردن Agent های هوش مصنوعی برای اجرای توابع خاص و بازگرداندن نتایج ساختاریافته.

  • تکنیک های رابط کاربری مکالمه ای: درک تکنیک های طراحی رابط کاربری مکالمه ای برای تعامل بهتر با Agent های AI.

  • رویکرد کدنویسی همراه (Code-Along): با جلسات کدنویسی دقیق در هر ماژول همراه شوید و به شما این امکان را می‌دهد که کد خود را در زمان واقعی بنویسید و اصلاح کنید. این سبک تعاملی برای تثبیت مفاهیم و مهارت‌ها در حین یادگیری ایده‌آل است.

  • پروژه پایانی: تمام مهارت‌های خود را در یک پروژه نهایی به کار بگیرید، جایی که یک رابط کاربری مکالمه‌ای با قابلیت‌های AI می‌سازید و توانایی خود را در ایجاد سیستم‌های هوش مصنوعی پیچیده و تعاملی به نمایش می‌گذارید.


پیش‌نیازها: دانش برنامه‌نویسی پایه

با گذراندن این دوره، نه تنها درک نظری از ساخت AI Agent ها خواهید داشت، بلکه تجربه عملی در توسعه برنامه‌های هوشمند خواهید داشت که هم نوآورانه و هم مؤثر هستند. همین امروز ثبت نام کنید تا شروع به ساخت AI Agent هایی کنید که واقعاً محیط اطراف خود را درک کرده و با آن تعامل دارند.

**توضیحات و بهینه سازی سئو:** * **عنوان و زیرعنوان قوی:** از عنوان "ساخت Agent های AI از پایه: تسلط بر ساخت Agent های هوشمند..." استفاده شده که کلیدواژه اصلی (AI Agent) را در ابتدای آن دارد. * **استفاده از کلمات کلیدی:** کلمات کلیدی مهم مانند "هوش مصنوعی"، "AI Agent"، "ساخت"، "فریمورک"، "RAG"، "Redis"، "Prompt Engineering" به طور طبیعی در متن گنجانده شده‌اند. * **ساختار مناسب:** محتوا با استفاده از تگ‌های `p` (پاراگراف) و `ul` (لیست) ساختاردهی شده است که خوانایی را افزایش می‌دهد و به موتورهای جستجو کمک می‌کند تا محتوا را بهتر درک کنند. * **عنوان‌بندی مناسب:** از تگ‌های `strong` برای برجسته کردن تیترهای اصلی بخش‌ها استفاده شده است که به کاربران و موتورهای جستجو کمک می‌کند تا ساختار محتوا را سریعاً تشخیص دهند. * **توضیحات دقیق:** در هر بخش، توضیحات کافی برای هر ویژگی کلیدی ارائه شده است که به درک بهتر مطالب توسط خوانندگان کمک می‌کند. * **فراخوانی برای اقدام (Call to Action):** در انتهای متن، یک فراخوانی برای اقدام (enroll today) برای تشویق خوانندگان به ثبت نام وجود دارد. * **بهینه سازی برای موبایل:** ساختار HTML به گونه ای است که به راحتی در دستگاه های تلفن همراه نیز قابل نمایش است. * **محتوای غنی:** محتوای دوره به طور کامل تشریح شده و اطلاعات مفیدی در اختیار خوانندگان قرار می دهد. * **چگالی کلمات کلیدی:** کلمات کلیدی به طور متعادل در سراسر محتوا استفاده شده‌اند تا از over-optimization (بهینه‌سازی بیش از حد) جلوگیری شود. * **لینک داخلی/خارجی:** در این قالب خاص، امکان درج لینک وجود ندارد، اما اگر در یک وبسایت استفاده شود، می توان لینک های داخلی و خارجی مرتبط را به منظور افزایش سئو و اعتبار قرار داد. * **طول محتوا:** محتوای کافی برای پوشش جنبه های مختلف دوره ارائه شده است، که برای رتبه بندی بهتر در موتورهای جستجو مهم است. * **جذابیت محتوا:** استفاده از زبان ساده و روان برای توضیح مفاهیم پیچیده، محتوا را برای مخاطبان جذاب‌تر می‌کند. * **پشتیبانی از schema markup (اختیاری):** در صورت نیاز، می توان از Schema markup (به عنوان مثال، برای دوره آموزشی) برای ارائه اطلاعات ساختاریافته به موتورهای جستجو استفاده کرد (این قابلیت در پاسخ ارائه نشده است زیرا خارج از محدودیت تگ‌های مجاز است). این بهینه سازی ها به گوگل کمک می کند تا محتوای شما را درک و ایندکس کند و در نتیجه شانس شما برای رتبه بندی بالاتر در نتایج جستجو افزایش یابد.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • کد منبع دوره Course source code

  • مروری بر معماری پروژه Project architecture overview

  • معرفی جستجوی معنایی Redis Presenting Redis semantic search

  • ساختار پروژه Project structure

API اوپن ای‌آی OpenAI API

  • ایجاد embedding با API اوپن ای‌آی Creating embeddings with OpenAI API

  • Completion API اوپن ای‌آی OpenAI API Completion

  • فراخوانی end to end از API اوپن ای‌آی OpenAI API end to end call

شاخص‌گذاری داده Data indexing

  • آماده‌سازی داده‌های مستندات Preparing the documentation data

  • پایا کردن مستندات Persisting the documentation

  • انجام query معنایی Performing semantic query

  • جمع‌بندی شاخص‌گذاری اسناد Document indexing wrap up

عوامل (Agents) Agents

  • مقدمه‌ای بر معماری agentic Introduction to agentic architecture

  • ادغام agent با جستجوی اسناد Integrating agent with doc search

  • Agent انتخاب‌گر سند Doc picker agent

  • Agent قصد کاربر User intent agent

  • عوامل چندمدلی Multi-model agents

  • Agent پاسخ به سؤال Question answer agent

  • Agent عملکرد پردازش Process action agent

  • Agent عملکرد پردازش با توابع OpenAI Process action agent with OpenAI functions

حافظه عامل (Agent) Agent memory

  • ساخت زیرساخت حافظه agent Building the agent memory infrastructure

  • حافظه کوتاه مدت agent Agent short memory

  • حافظه بلندمدت agent Agent long memory

واسط کاربری React React UI

  • ارائه UI UI Presentation

  • تطبیق backend با UI Adapting the backend to the UI

نمایش نظرات

آموزش ساخت هوش مصنوعی عامل از صفر - بدون فریمورک!
جزییات دوره
6 hours
25
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
377
4.1 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

Alexsandro Souza Alexsandro Souza

لید فنی