آموزش مایکروسافت Copilot Studio: عامل‌های هوش مصنوعی، RAG، MCP و امنیت AI - آخرین آپدیت

دانلود Microsoft Copilot Studio: AI Agents, RAG, MCP & AI Security

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: [جدید ۲۰۲۶] ساخت عامل‌های هوش مصنوعی با Copilot Studio به همراه آزمایشگاه‌های عملی و سناریوهای تحت هدایت مدرس ساخت و استقرار عامل‌های هوش مصنوعی با استفاده از Microsoft Copilot Studio برای موارد استفاده واقعی در کسب‌وکار پیاده‌سازی تولید تقویت‌شده با بازیابی (RAG) با استفاده از Microsoft 365، SharePoint و منابع داده خارجی طراحی راهکارهای امن هوش مصنوعی سازمانی با استفاده از Entra ID، RBAC و کنترل‌های حاکمیتی Microsoft Purview یکپارچه‌سازی پروتکل مدل کانتکست (MCP)، A2A و ابزارهای خارجی برای گسترش قابلیت‌های Copilot معماری راهکارهای مقیاس‌پذیر هوش مصنوعی با ترکیب Copilot Studio، Azure AI Studio و Microsoft 365 پیش نیازها: بدون نیاز به تجربه برنامه‌نویسی. هر آنچه لازم است را خواهید آموخت.

مایکروسافت Copilot Studio ابزاری قدرتمند است — اما در محیط‌های سازمانی، امنیت و حاکمیت (Governance) اختیاری نیستند.

در این دوره، شما یاد می‌گیرید چگونه با استفاده از Microsoft Copilot Studio، تولید تقویت‌شده با بازیابی (RAG)، پروتکل مدل کانتکست (MCP) و کنترل‌های امنیتی سطح سازمانی، عامل‌های هوش مصنوعی را بسازید، گسترش دهید و ایمن کنید.

این دوره فراتر از ساخت چت‌بات‌های ساده است.

شما درک خواهید کرد که عامل‌های Copilot چگونه در داخل Microsoft 365 عمل می‌کنند، Grounding با استفاده از Microsoft Graph و SharePoint چگونه کار می‌کند و چگونه معماری‌های امن هوش مصنوعی را برای سازمان‌های واقعی طراحی کنید.

شما یاد خواهید گرفت که چگونه:

• عامل‌های هوش مصنوعی را با استفاده از Microsoft Copilot Studio بسازید

• RAG را با استفاده از SharePoint و منابع داده سازمانی پیاده‌سازی کنید

• عامل‌ها را با استفاده از پروتکل مدل کانتکست (MCP) و APIهای خارجی گسترش دهید

• احراز هویت را با استفاده از Entra ID و جریان‌های امن OBO پیکربندی کنید

• حاکمیت و انطباق را با استفاده از Microsoft Purview اعمال کنید

• Entra Agent ID را برای کنترل دسترسی درک و پیکربندی کنید

• راهکارهای هوش مصنوعی امن و قابل حسابرسی را برای استقرار سازمانی طراحی کنید

امنیت تم اصلی در سراسر این دوره است.

شما خواهید دید که چگونه هویت عامل (Agent identity)، دسترسی شرطی (Conditional Access)، RBAC و سیاست‌های Purview بر نحوه دسترسی عامل‌های Copilot به داده‌ها تأثیر می‌گذارند — و چگونه از افشای غیرمجاز داده‌ها جلوگیری کنید.

در پایان این دوره، شما فقط نحوه ساخت یک عامل هوش مصنوعی را نخواهید دانست.

بلکه می‌دانید چگونه عاملی بسازید که از سخت‌گیرانه‌ترین بررسی‌های امنیتی سازمانی عبور کند.

این دوره برای مدیران Microsoft 365، مهندسان Azure AI، معماران راهکار و مشاورانی که مسئول پذیرش امن هوش مصنوعی هستند، ایده‌آل است.

پذیرش هوش مصنوعی بدون حاکمیت، ریسک‌آفرین است.

این دوره به شما می‌آموزد که چگونه مسئولانه — و امن — بسازید.


سرفصل ها و درس ها

مقدمه دوره Course Introduction Video

  • معرفی دوره Course Introduction

مبانی و مفاهیم اولیه Fundamentals and Primers

  • چه انتظاری از این بخش از دوره داشته باشیم What to expect from this section of the course

  • مقدمه‌ای بر GenAI و مدل‌های زبانی بزرگ (LLMs) Introduction to GenAI and LLMs

  • اصطلاحات تخصصی GenAI GenAI Jargons

  • مقدمه‌ای بر عامل‌های هوش مصنوعی و سیستم‌های هوش مصنوعی ترکیبی Introduction to AI Agents and Compound AI Systems

مایکروسافت Copilot Studio: شور و اشتیاق عامل‌محور! Microsoft Copilot Studio - Agentic Ecstasy!

  • چه انتظاری از این بخش از دوره داشته باشیم What to expect from this section of the course

  • آشنایی با مایکروسافت Copilot Studio Introduction to Microsoft Copilot Studio

  • راهنمای لایسنس‌های Copilot Studio Copilot Studio Licensing Guide

  • آزمایشگاه: ثبت‌نام در دوره آزمایشی رایگان Copilot Studio (عملی) Lab: Copilot Studio Free Trial Sign Up (Hands-On Lab)

  • آزمایشگاه: بررسی محیط Copilot Studio (عملی) Lab: Copilot Studio Walkthrough

  • ارکستراتور/برنامه‌ریز هوش مصنوعی مولد برای Microsoft Copilot Studio Generative AI Orchestrator/Planner for Microsoft Copilot Studio

  • آزمایشگاه: ساخت عامل مستقل با قابلیت Web Grounding (عملی) Lab: Creating Web Grounding Standalone Agent (Hands-On Lab)

  • آزمایشگاه: ساخت عامل تعبیه شده در سایت SharePoint (عملی) Lab: Creating a SharePoint Site Embedded Agent (Hands-On Lab)

  • مقایسه عامل‌های تعبیه شده در مقابل عامل‌های مستقل در Copilot Studio Embedded v/s Standalone Copilot Studio Agents

  • آزمایشگاه: افزودن کانکتور آب و هوای MSN به عنوان یک اکشن (عملی) Lab: Adding MSN Weather Connector as an Action to Agent (Hands-On Lab)

  • مهندسی پرامپت: مقدمه و بهترین روش‌ها Prompt Engineering: Introduction and Best Practises

  • آزمایشگاه: کار با Prompt Actions در Copilot Studio (عملی) Lab: Working with Prompt Actions in Copilot Studio (Hands-On Lab)

  • آزمایشگاه: اجرای جریان Power Automate با عامل Copilot Studio (عملی) Lab: Running a Power Automate Flow with Copilot Studio Agent (Hands-On Lab)

  • آزمایشگاه: جریان تحلیل احساسات با استفاده از AI Builder (عملی) Lab: Sentiment Analysis Flow using AI Builder (Hands-On Lab)

  • مقدمه‌ای بر سرورهای MCP Introduction to MCP Servers

  • آزمایشگاه: عامل سرور MCP در Copilot Studio (عملی) Lab: MCP Server Agent in Copilot Studio (Hands-On Lab)

  • آزمایشگاه: جریان‌های کاری چند-عاملی با Copilot Studio (عملی) Lab: Multi-Agent Workflows with Copilot Studio (Hands-On Lab)

  • مقدمه‌ای بر A2A Introduction to A2A

  • آزمایشگاه: پیاده‌سازی A2A در Copilot Studio (عملی) Lab: A2A in Copilot Studio (Hands-On Lab)

  • آزمایشگاه: تعریف موضوعات جایگزین سفارشی (Custom Fallback) (عملی) Lab: Custom Fallback Topics (Hands-On Lab)

  • آزمایشگاه: بررسی تب Analytics در Copilot Studio برای نظارت و تحلیل استفاده (عملی) Lab: Copilot Studio "Analytics" Tab for Monitoring and Usage (Hands-On Lab)

  • آزمایشگاه: بررسی تب Settings در عامل Copilot Studio (عملی) Lab: Copilot Studio Agent "Settings" Tab (Hands-On Lab)

  • گسترش M365 Copilot با استفاده از Copilot Studio Extending M365 Copilot with Copilot Studio

استفاده از Copilot Studio با Prompt Flows در Azure AI Foundry Copilot Studio with Prompt Flows in Azure AI Foundry

  • چه انتظاری از این بخش از دوره داشته باشیم What to expect from this section of the course

  • مقدمه‌ای بر Azure AI Foundry Studio Hub Introduction to Azure AI Foundry Studio Hub

  • آزمایشگاه: استقرار Azure AI Foundry Hub (عملی) Lab: Deploying Azure AI Foundry Hub (Hands-On Lab)

  • آزمایشگاه: استقرار LLMها از کاتالوگ مدل‌ها (عملی) Lab: Deploying LLMs from Model Catalog (Hands-On Lab)

  • مقدمه‌ای بر Microsoft Prompt Flow Introduction to Microsoft Prompt Flow

  • آزمایشگاه: ساخت جریان شناسایی موجودیت‌های نام‌دار (NER) (عملی) Lab: Building our NER (Named Entity Recognition) Flow (Hands-On Lab)

  • آزمایشگاه: انتشار جریان پرامپت NER به عنوان یک API (عملی) Lab: Publishing our NER Prompt Flow as an API (Hands-On Lab)

  • آزمایشگاه: استنتاج از جریان NER با استفاده از فراخوانی‌های API (عملی) Lab: Inferencing our NER Flow using API Calls (Hands-On Lab)

  • آزمایشگاه: ترکیب Prompt Flow با Copilot Studio (عملی) Lab: Prompt Flow with Copilot Studio (Hands-On Lab)

تکنیک RAG در Copilot Studio: استفاده از داده‌های شخصی در مقیاس بالا RAG With Copilot Studio - Using your Own Data at Scale

  • چه انتظاری از این بخش از دوره داشته باشیم What to expect from this section of the course

  • تکنیک RAG (تولید تقویت‌شده با بازیابی) چیست؟ What is RAG (Retrieval Augmented Generation) ?

  • مقدمه‌ای بر Multi Modal RAG با Azure AI Search (عملی) Introduction to Multi-Modal RAG with Azure AI Search (Hands-On Lab)

  • آزمایشگاه: استقرار زیرساخت RAG روی Azure (عملی) Lab: Deploying the RAG Infra on Azure (Hands-On Lab)

  • آزمایشگاه: ایجاد ایندکس AI Search (عملی) Lab: Creating the AI Search Index (Hands-On Lab)

  • آزمایشگاه: استفاده از AI Search RAG در Copilot Studio (عملی) Lab: AI Search RAG with Copilot Studio (Hands-On Lab)

Copilot Studio و Microsoft Foundry: سیستم‌های چند-عاملی Copilot Studio and Microsoft Foundry - Multi-Agent Systems

  • چه انتظاری از این بخش از دوره داشته باشیم What to expect from this section of the course

  • مقدمه‌ای بر Microsoft Foundry Introduction to Microsoft Foundry

  • تفاوت بین پروژه‌های Foundry مستقل و مبتنی بر Hub Difference between Standalone and Hub-Based Foundry Projects

  • آزمایشگاه: استقرار یک پروژه مستقل Microsoft Foundry (عملی) Lab: Deploying a Standalone Microsoft Foundry Project (Hands-On Lab)

  • آزمایشگاه: استقرار اولین LLM ما (عملی) Lab: Deploying our First LLM (Hands-On Lab)

  • آزمایشگاه: ساخت اولین عامل با استفاده از Agent Service (عملی) Lab: Creating our First Agent using the Agent Service (Hands-On Lab)

  • آزمایشگاه: ترکیب Copilot Studio با Microsoft Foundry (عملی) Lab: Copilot Studio with Microsoft Foundry (Hands-On Lab)

Copilot Studio و محیط‌های Power Platform و Dataverse Copilot Studio and Power Platform Environments and Dataverse

  • چه انتظاری از این بخش از دوره داشته باشیم What to expect from this section of the course

  • مقدمه‌ای بر Microsoft Power Platform Introduction to the Microsoft Power Platform

  • مقدمه‌ای بر Microsoft Dataverse Introduction to Microsoft Dataverse

  • آزمایشگاه: بررسی جامع Power Platform (عملی) Lab: Walkthrough of Power Platform (Hands-On Lab)

  • بررسی پروژه نهایی (Capstone Project) که خواهیم ساخت What we will be creating as a Capstone Project

  • آزمایشگاه: ایجاد جدول Dataverse (عملی) Lab: Creating our Dataverse Table (Hands-On Lab)

  • آزمایشگاه: پر کردن جدول Dataverse توسط عامل (عملی) Lab: Populating Dataverse Table with Agent (Hands-On Lab)

  • محیط‌ها، راهکارها و CI/CD در Microsoft Power Platform Environments, Solutions and CI/CD in Microsoft Power Platform

  • آزمایشگاه: ایجاد یک راهکار مدیریت شده (Managed Solution) برای Copilot Studio (عملی) Lab: Creating a Managed Copilot Studio Solution (Hands-On Lab)

Copilot Studio و Microsoft Purview: امنیت داده‌ها و هوش مصنوعی Copilot Studio and Microsoft Purview - Data and AI Security

  • چه انتظاری از این بخش از دوره داشته باشیم What to expect from this section of the course

  • مقدمه‌ای بر حفاظت از اطلاعات و حاکمیت با MS Purview Introduction to Information Protection and Governance with MS Purview

  • آشنایی با مفاهیم حفاظت از اطلاعات (Information Protection) Introduction to Information Protection

  • رابطه حفاظت از اطلاعات با عامل‌های Copilot Studio How Information Protection relates to Copilot Studio Agents

  • آزمایشگاه: دمو حفاظت از اطلاعات (عملی) Lab: Information Protection Demo (Hands-On Lab)

  • آزمایشگاه: استفاده از Purview با عامل Copilot Studio (عملی) Lab: Purview with Copilot Studio Agent (Hands-On Lab)

  • آزمایشگاه: پیاده‌سازی DSPM برای هوش مصنوعی در Microsoft Purview (عملی) Lab: DSPM for AI on Microsoft Purview (Hands-On Lab)

Copilot Studio و Entra ID: حاکمیت عامل‌ها Copilot Studio and Entra ID - Agent Governance

  • چه انتظاری از این بخش از دوره داشته باشیم What to expect from this section of the course

  • مقدمه‌ای بر اصول Zero Trust، امنیت عامل و حاکمیت Introduction to the Zero Trust Principles, Agent Security and Governance

  • آزمایشگاه: فعال‌سازی Agent ID در Copilot Studio (عملی) Lab: Enabling Agent ID in Copilot Studio (Hands-On Lab)

  • آزمایشگاه: بررسی Agent ID در Entra ID (عملی) Lab: Agent ID Walkthrough in Entra ID (Hands-On Lab)

  • آزمایشگاه: ایجاد سیاست دسترسی شرطی (Conditional Access) برای عامل (عملی) Lab: Creating an Agent Conditional Access Policy (Hands-On Lab)

  • آزمایشگاه: فعال‌سازی تشخیص تهدید برای Copilot Studio (عملی) Lab: Enable Threat Detection for Copilot Studio (Hands-On Lab)

نمایش نظرات

آموزش مایکروسافت Copilot Studio: عامل‌های هوش مصنوعی، RAG، MCP و امنیت AI
جزییات دوره
11 hours
72
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
305
4.5 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

Kuljot Singh Bakshi Kuljot Singh Bakshi

مربی در Udemy