آموزش دوره جامع GCP Vertex AI | هوش مصنوعی و یادگیری ماشین گوگل | Agentic AI (ADK) | MCP | A2A - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه دوره Course Introduction

• بسیار مهم برای مبتدیان Must Watch for Beginners

• مقدمه‌ای بر Vertex AI Introduction to Vertex AI

• مروری بر کنسول Vertex AI Walkthrough of Vertex AI Console

• خانواده مدل‌های گوگل Google Model Family

دسترسی به مدل‌های گوگل Accessing Google Models

• دانلود کدهای استفاده شده در این بخش Download Codes used in this Section

• گزینه‌ها - AI Studio و Vertex AI Options - AI Studio and Vertex AI

• مقدمه‌ای بر Google AI Studio Google AI Studio - Introduction

• Google AI Studio - مقدمه‌ای بر API Key Google AI Studio - API Key - Introduction

• Google AI Studio - پروژه‌های API Key Google AI Studio - API Key - Projects

• Google AI Studio - ساخت کلید API Google AI Studio - API Key - Create Your Key

• Google AI Studio - دسترسی به مدل Gemini از برنامه پایتون Google AI Studio - Access Gemini Model from Python Program

• Google AI Studio - ساخت اپلیکیشن AI خود Google AI Studio - Create Your AI App

• Google AI Studio - استقرار اپلیکیشن AI Google AI Studio - Deploy Your AI App

• Vertex AI - احراز هویت Vertex AI - Authorization

• دسترسی به Gemini با کلید Service Account Accessing Gemini with Service Account Key

• دسترسی به Gemini به عنوان کاربر احراز هویت شده Accessing Gemini as Authenticated User

کار با SDK genai Working with genai SDK

• مقدمه‌ای بر SDK google genai Introduction to google-genai SDK

• شمارش توکن‌ها Count your Tokens

• محدود کردن بودجه تفکر (Thinking Budget) Limit Thinking Budget

• محدود کردن توکن‌های خروجی Limit Output Token

• مدیریت تنظیمات دما و تصادفی بودن Manage Temperature and Randomness Setting

• مدیریت تنظیمات ایمنی Manage Safety Setting

• افزودن دستورالعمل سیستمی (System Instruction) Add System Instruction

• استفاده از پاسخ‌های استریمینگ (Streaming) Using Streaming Response

• ساخت تصویر با Nano Banana Create Image with Nano Banana

• ویرایش تصویر با Nano Banana Edit an Image with Nano Banana

• تولید ویدیو با مدل Veo Generate a Video with Veo Model

• خلاصه‌سازی ویدیو یوتیوب با Gemini Summarize a YouTube Video using Gemini

• ابزارها در LLM - استفاده از جستجوی گوگل به عنوان ابزار Grounding Tools with LLM - Using Google Search as Grounding Tool

• ابزارها در LLM - استفاده از ابزار توابع سفارشی (Custom Function) Tools with LLM - Using Custom Function Tool with LLM

• به ما کمک کنید! Help Us!

رابط خط فرمان Gemini (CLI) جادوی خط فرمان Gemini CLI - The Command Line Magic

• Gemini CLI - نصب و مقدمه Gemini CLI - Installation & Introduction

• احراز هویت در Gemini CLI Authenticating to Gemini CLI

• کاوش در Gemini CLI Exploring Gemini CLI

• استفاده از API Key برای احراز هویت در CLI Using Gemini API Key to Authenticate to CLI

• استفاده از کلید Vertex AI برای احراز هویت در CLI Using Vertex AI Key to Authenticate to CLI

• Gemini CLI در Cloud Shell Gemini CLI in Cloud Shell

دستیار کدنویسی Gemini (Code Assist) Gemini Code Assist

• Gemini Code Assist - نصب Gemini Code Assist - Installation

• کاوش در Gemini Code Assist Exploring Gemini Code Assist

گزینه‌های نوت‌بوک Notebook Options

• تغییر در گزینه‌های منو - نوت‌بوک‌ها Change in Menu Options - Notebooks

• گزینه‌های نوت‌بوک در GCP GCP Notebook Options

• مقدمه‌ای بر Colab Enterprise Introduction to Colab Enterprise

• Colab Enterprise - Runtime و قالب‌های Runtime Colab Enterprise - Runtime and Runtime Templates

• Colab Enterprise - زمان‌بندی و اجرا - بخش ۱ Colab Enterprise - Schedule and Execution - Part 1

• Colab Enterprise - زمان‌بندی و اجرا - بخش ۲ Colab Enterprise - Schedules and Executions - Part 2

• Colab Enterprise - دسترسی به GCS Bucket از نوت‌بوک Colab Enterprise - Accessing a GCS Bucket from Notebook

• Colab Enterprise - گزینه‌های احراز هویت Colab Enterprise - Authentication Options

• مقدمه‌ای بر Workbench Introduction to Workbench

• Workbench - JupyterLab Workbench - JupyterLab

• Workbench - زمان‌بندی و اجرا - بخش ۱ Workbench - Schedules and Executions - Part 1

• Workbench - زمان‌بندی و اجرا - بخش ۲ Workbench - Schedules and Executions - Part 2

آموزش مدل Model Training

• محصولات یادگیری ماشین در GCP Machine Learning Products in GCP

• مقایسه محصولات یادگیری ماشین Machine Learning Product Comparison

• تغییرات در گزینه‌های منو Changes in Menu Options

• مروری بر گزینه‌های آموزش در Vertex AI Overview of Training Option under Vertex AI

• مقدمه‌ای بر Dataset Introduction to Dataset

آموزش اولین مدل - رگرسیون - استفاده از AutoML Train Your First Model - Regression - Use AutoML

• درک داده‌های ورودی Understand the Input Data

• دیتاست مورد استفاده در مثال Dataset Used in the Example

• وارد کردن داده‌ها به Vertex AI Dataset Import Data into Vertex AI Dataset

• آموزش مدل با استفاده از AutoML Train Your Model - Using AutoML

• استقرار مدل شما Deploy Your Model

• تست مدل شما Test Your Model

• ساخت دیتاست از جدول BigQuery و انجام آموزش Create Dataset from BigQuery Table and Perform Training

اولین مدل طبقه‌بندی متن Your First Text Classification Model

• طبقه‌بندی متن - مقدمه Text Classification - Introduction

• دیتاست مورد استفاده در مثال Dataset Used in the Example

• آموزش مدل - Gemini Tuning Train Your Model - Gemini Tuning

• استقرار مدل شما Deploy Your Model

• تست مدل شما Test Your Model

اولین مدل طبقه‌بندی تصویر Your First Image Classification Model

• درک داده‌ها Understand the Data

• دیتاست مورد استفاده در مثال Dataset Used in the Example

• ساخت دیتاست Create Dataset

• آموزش مدل شما Train Your Model

• استقرار مدل شما Deploy Your Model

• تست مدل شما Test Your Model

آموزش سفارشی با کانتینر پیش‌ساخته Custom Training with Pre-built Container

• مقدمه‌ای بر آموزش سفارشی (Custom Training) Custom Training Introduction

• درک دیتاست Understand the DataSet

• دیتاست مورد استفاده در مثال Dataset Used in the Example

• برنامه‌های مورد استفاده در این مثال Programs Used in this Example

• ساختار پروژه Project Structure

• آموزش مدل شما Train Your Model

• وارد کردن مدل Import Your Model

• استقرار مدل شما Deploy Your Model

• تست مدل شما Test Your Model

آموزش سفارشی با کانتینر سفارشی Custom Training with Custom Container

• نکته مهم --------NOTE---------

• دیتاست مورد استفاده در مثال Dataset Used in the Example

• برنامه‌های مورد استفاده در این مثال Programs Used in this Example

• ساختار کد برای کانتینر سفارشی Code Structure for Custom Container

• ساخت و Push کردن ایمیج داکر Create and Push Docker Image

• آموزش مدل شما Train your Model

• بررسی خروجی مدل Check the Model Output

• استقرار و تست مدل Model Deployment & Testing

استقرار مدل پیش‌آموزش‌دیده در Vertex AI به عنوان کانتینر پیش‌ساخته - Scikit Learn Deploy a Pre-Trained Model in Vertex AI as Pre-built Container - Scikit Learn

• کدهای استفاده شده در این بخش Code Used in this Section

• گزینه‌های استقرار در Vertex AI Vertex AI Deployment Options

• آموزش مدل با scikit learn (در Workbench) Train Your Model with scikit-learn (In Workbench)

• وارد کردن مدل به Model Registry به عنوان کانتینر پیش‌ساخته Import Your Model to Model Registry - As Pre-built Container

• استقرار مدل شما Deploy Your Model

• تست مدل شما Test Your Model

استقرار مدل پیش‌آموزش‌دیده در Vertex AI - کانتینر سفارشی Deploy a Pre-Trained Model in Vertex AI - Custom Container

• دانلود کد از اینجا Download the code Here

• مقدمه‌ای بر کانتینر سفارشی و آموزش مدل Introduction to Custom Container and Train Your Model

• ساخت ایمیج داکر از فایل مدل شما Create Docker Image from your Model File

• وارد کردن ایمیج داکر به Model Registry Import the Docker Image to Model Registry

• استقرار مدل شما Deploy Your Model

• تست مدل شما Test Your Model

خط لوله Vertex AI (Pipeline) Vertex AI Pipeline

• دانلود کد از اینجا Download Code Here

• مقدمه‌ای بر Vertex AI Pipeline Vertex AI Pipeline - Introduction

• گالری قالب‌های Pipeline Pipeline Template Gallery

• ساخت یک Kubeflow Pipeline - بخش ۱ Create a Kubeflow Pipeline - Part 1

• ساخت یک Kubeflow Pipeline - بخش ۲ Create a Kubeflow Pipeline - Part 2

• ساخت یک Kubeflow Pipeline - بخش ۳ Create a Kubeflow Pipeline - Part 3

• ساخت یک Kubeflow Pipeline - بخش ۴ Create a Kubeflow Pipeline - Part 4

• ساخت قالب سفارشی خودتان Create Your Own Template

استقرار مدل پیش‌آموزش‌دیده در Cloud Run Deploy a Pre-Trained Model in Cloud Run

• استقرار ایمیج مدل در Cloud Run Deploy Your Model Image to Cloud Run

استقرار مدل پیش‌آموزش‌دیده در کلاستر GKE Deploy a Pre-Trained Model in GKE Cluster

• ساخت یک کلاستر GKE Create a GKE Cluster

• استقرار مدل به عنوان Deployment Deploy your Model as Deployment

• در دسترس قرار دادن مدل با LoadBalancer و تست مدل Expose Your Model with LoadBalancer Service and Test your Model

• پاکسازی (Cleanup) Cleanup

Vertex AI Studio Vertex AI Studio

• مقدمه‌ای بر Vertex AI Studio Introduction to Vertex AI Studio

• تعامل پایه با LLM و گزینه‌های صفحه Basic Interaction with LLM & Screen Options

• دسترسی به مدل‌های تصویر، ویدیو، صوت و موسیقی Accessing Image, Video, Speech & Music Models

• استریمینگ لحظه‌ای با Gemini Real Time Stream with Gemini

• گالری پرامپت‌ها Prompt Gallery

• تنظیمات Vertex AI Studio و API Key Vertex AI Studio Settings & API Key

مقدمه‌ای بر Vertex AI Agent Builder Vertex AI Agent Builder Introduction

• گزینه‌های موجود در بخش ایجنت (Agent) Options Under Agent

• مرور سطح بالای Embedding و فضای برداری High-level Recap of Embedding and Vector Space

• تفاوت بین Vector Search، موتور RAG و Vertex AI Search Difference Between Vector Search, RAG Engine & Vertex AI Search

جستجوی برداری (Vector Search) با پیاده‌سازی عملی Vector Search with Practical Implementation

• دانلود کدهای استفاده شده در این بخش Download the Code Used in this Section

• ساخت Embedding Create Embedding

• ساخت Index و Index Endpoint و استقرار Create Index and Index Endpoint and Deploy

• پرس‌وجو از Vector Search شما Query Your Vector Search

موتور RAG با پیاده‌سازی عملی RAG Engine with Practical Implementation

• فایل‌های نمونه مورد استفاده در این بخش Example Files Used in this Section

• مقدمه‌ای بر موتور RAG Introduction to RAG Engine

• ساخت Corpus و پیکربندی موتور RAG Creating Corpus and Configuring RAG Engine

• پرس‌وجو از موتور RAG با قدرت LLM Querying the RAG Engine with the Power of LLM

Vertex AI Search / اپلیکیشن‌های AI گوگل Vertex AI Search / GCP AI Application

• مقدمه‌ای بر Vertex AI Search Introduction to Vertex AI Search

• ساخت Datastore شما Create your Datastore

• پیاده‌سازی جستجوی سفارشی با Vertex AI Search Implement a Custom Search using Vertex AI Search

• پیاده‌سازی Agentspace / Gemini Enterprise با Vertex AI Search Implement Agentspace / Gemini Enterprise using Vertex AI Search

مقدمه‌ای بر کیت توسعه ایجنت گوگل (Google ADK) Introduction to Google Agent Development Kit

• درک ایجنت‌های هوش مصنوعی (AI Agents) Understanding AI Agents

• Google ADK - یک مقدمه Google ADK - An Introduction

• لینک به مستندات و برنامه‌های نمونه Link to Documentation & Example Programs

ساخت اولین ایجنت ADK Build Your First ADK Agent

• دانلود Artifactها Download Artifacts

• راه‌اندازی کتابخانه و ساختار دایرکتوری Library Setup & Directory Structure

• تولید Gemini API Key Generate Gemini API Key

• استفاده از Vertex AI به عنوان بک‌اِند برای ایجنت شما Use Vertex AI as Backend for Your Agent

• مرور کد اولین ایجنت شما Code Overview of Your First Agent

• اجرای ایجنت با adk web Running Your Agent with - adk web

• اجرای ایجنت با adk run Running Your Agent with - adk run

• اجرای ایجنت با adk api_server Running Your Agent with - adk api_server

• درک رابط کاربری ADK Web Understanding the ADK Web Interface

• اجرای محلی ایجنت با Gemini API Key Running Agent from Locally with Gemini API Key

• اجرای محلی ایجنت با Vertex AI به عنوان بک‌اِند Running Agent from Locally with Vertex AI as Backend

• استفاده از Service Account گوگل برای احراز هویت ایجنت Using GCP Service Account for Agent Authentication

• احراز هویت مدل‌های غیر گوگل Non-Google Model Authentication

• تغییرات منو برای ساخت ایجنت جدید در کنسول Menu Changes for New Agent Creation in the Console

• Agent Designer - ساخت کد ایجنت در کنسول Agent Designer - Creating Agent Code in the Console

استقرار ایجنت در Vertex AI Agent Engine Deploy Your Agent to Vertex AI Agent Engine

• دانلود Artifactها Download Artifacts

• گزینه‌های استقرار برای ایجنت‌های ADK Deployment Options for ADK Agents

• تغییرات منو در کنسول GCP برای استقرار ایجنت Menu Changes in the GCP Console for Agent Deployment

• استقرار ایجنت ADK در Vertex AI Agent Engine Deploy Your ADK Agent with in Vertex AI Agent Engine

• تایید ایجنت با دستور curl Validate the Agent with curl Command

• استفاده از ایجنت در برنامه پایتون Use the Agent from Python Program

بسته استارتر ایجنت گوگل (Agent Starter Pack) Google Agent Starter Pack

• Agent Starter Pack چیست What is Agent Starter Pack

• ساخت ایجنت با Agent Starter Pack Creating Agent with Agent Starter Pack

• تست محلی ایجنت Testing Agent Locally

• استقرار ایجنت در Agent Engine با استفاده از Starter Pack Deploying Agent to Agent Engine using Agent Starter Pack

• ایجنت صوتی و تصویری زنده - ساخت و تست محلی Live Audio & Video Agent - Create and Test Locally

• ایجنت صوتی و تصویری زنده - استقرار در Cloud Run Live Audio & Video Agent - Deploy to Cloud Run

• استقرار از Agent Garden با استفاده از Starter Pack Deploy from Agent Garden using Agent Starter Pack

استفاده از ابزارها (Tools) برای ایجنت AI Use Tools with Your AI Agent

• دانلود Artifactها Download Artifacts

• ابزار (Tool) در ایجنت AI چیست و انواع ابزارها What is Tool in AI Agent and Different Types of Tools

• استفاده از google_search به عنوان ابزار Using google_search as Tool

• استفاده از Big Query به عنوان ابزار - بخش ۱ Using Big Query as Tool - Part 1

• استفاده از Big Query به عنوان ابزار - بخش ۲ Using Big Query as Tool - Part 2

• تعریف ابزار سفارشی با تابع پایتون Defining Custom Tool with Python Function

• ابزار Langchain با ایجنت ADK Langchain Tool with ADK Agent

• ابزار CrewAI با ایجنت ADK CrewAI Tool with ADK Agent

پیاده‌سازی سیستم چند-ایجنته با ایجنت ADK Implement Multi Agent System with ADK Agent

• دانلود Artifactها Download Arifacts

• درک سیستم‌های چند-ایجنته (Multi Agent System) Understanding Multi Agent System

• اولین سیستم چند-ایجنته شما - بخش ۱ Your First Multi Agent System - Part 1

• اولین سیستم چند-ایجنته شما - بخش ۲ Your First Multi Agent System - Part 2

• ساختار دایرکتوری و ماژولار بودن در سیستم‌های چند-ایجنته Directory Structure and Modularity with Multi Agent System

• مشکل کنترل در سیستم‌های چند-ایجنته Problem with Control in Multi Agent System

• استفاده از پرامپت برای حل مشکل کنترل Using Prompt to fix Control Issue

• استفاده از ایجنت‌ها به عنوان ابزار Using Agents as Tool

پیاده‌سازی سیستم چند-ایجنته با ایجنت‌های گردش‌کار (Workflow Agents) Implementing Multi Agent System with Workflow Agents

• دانلود Artifactها Download Artifacts

• مقدمه‌ای بر ایجنت‌های گردش‌کار (Workflow Agents) Introduction to Workflow Agents

• مقدمه‌ای بر ایجنت‌های متوالی (Sequential Agents) Introduction to Sequential Agents

• پیاده‌سازی ایجنت متوالی Implementing Sequential Agent

• پیاده‌سازی ایجنت متوالی - دموی وب Implementing Sequential Agent - Web Demo

• پیاده‌سازی ایجنت متوالی با استفاده از output_key Implementing Sequential Agent - Using output_key

• مقدمه‌ای بر ایجنت‌های موازی (Parallel Agents) Introduction to Parallel Agents

• پیاده‌سازی ایجنت موازی Implementing Parallel Agent

• پیاده‌سازی ایجنت موازی - دموی وب Implementing Parallel Agent - Web Demo

• مقدمه‌ای بر ایجنت‌های حلقوی (Loop Agents) Introduction to Loop Agents

• پیاده‌سازی ایجنت حلقوی Implementing Loop Agent

• پیاده‌سازی ایجنت حلقوی - دموی وب Implementing Loop Agent - Web Demo

مدیریت ساختار داده‌ها با ایجنت‌های ADK Managing Data Structure with ADK Agents

• دانلود Artifactها Download Artifacts

• مقدمه‌ای بر ساختاردهی داده‌ها برای ایجنت‌های AI Introduction to Structuring Data for AI Agents

• درک input_schema به همراه دمو Understand input_schema with Demo

• درک output_schema به همراه دمو Understand output_schema with Demo

مدیریت دما، توکن‌ها و تنظیمات ایمنی ایجنت ADK Managing Temperature, Tokens, Safety Settings of Your ADK Agent

• دانلود Artifactها Download Artifacts

• درک تنظیمات (Config) برای یک مدل Understanding Config for a Model

• تنظیم Config برای ایجنت ADK شما Setting Config for Your ADK Agent

گزینه‌های Grounding با Vertex AI Search Grounding Options with Vertex AI Search

• Artifactهای استفاده شده در این بخش Artifacts used in this section

• مقدمه‌ای بر Grounding در ایجنت ADK ADK Agent Grounding Introduction

• ساخت Vertex AI Search Datastore Creating a Vertex AI Search Datastore

• اجرای ایجنت AI شما با Vertex AI Search Run Your AI Agent with Vertex AI Search

درک مفاهیم Runner، Session، State و Memory Understanding Runner, Session, State & Memory

• دانلود Artifactها Download Artifacts

• درک کلاس Runtime و Runner Understanding Runtime and Runner Class

• اجرای ایجنت ADK شما با Runner Run Your ADK Agent with Runner

• مقدمه‌ای بر Session، State و Memory Introduction to Session. State & Memory

• پیاده‌سازی سرویس Session Implementing Session Service

• پیاده‌سازی InMemorySessionService - Implementing InMemorySessionService

• مقدمه‌ای بر DatabaseSessionService Introduction to DatabaseSessionService

• پیاده‌سازی DatabaseSessionService Implementing DatabaseSessionService

• مقدمه‌ای بر VertexAISessionService Introduction to VertexAISessionService

• پیاده‌سازی VertexAISessionService - بخش ۱ Implementing VertexAISessionService - Part 1

• پیاده‌سازی VertexAISessionService - بخش ۲ Implementing VertexAISessionService - Part 2

• مقدمه‌ای بر حافظه (Memory) و انواع سرویس‌های حافظه Introduction to Memory & types of Memory Services

• پیاده‌سازی InMemoryMemoryService Implementing InMemoryMemoryService

• پیاده‌سازی VertexAiMemoryBankService - بخش ۱ Implementing VertexAiMemoryBankService - Part 1

• پیاده‌سازی VertexAiMemoryBankService - بخش ۲ Implementing VertexAiMemoryBankService - Part 2

• پیاده‌سازی VertexAiMemoryBankService - بخش ۳ Implementing VertexAiMemoryBankService - Part 3

مدیریت Artifactها در ایجنت‌های ADK Managing Artifacts in ADK Agents

• دانلود کد از اینجا Download code Here

• Artifactها در ADK چیستند What is Artifacts in ADK

• مثال ۱ سرویس Artifact Artifact Service Example 1

• مثال ۲ سرویس Artifact Artifact Service Example 2

• پیاده‌سازی پایداری با Artifactها - GCSArtifactService Implementing Persistency with Artifacts - GCSArtifactService

• Artifactها با کلاس Runner Artifacts with Runner Class

پیاده‌سازی Callbackها با ایجنت ADK Implementing Callbacks with ADK Agent

• دانلود Artifactها Download Artifacts

• درک Callbackها و نقاط ورود Callback Understanding Callbacks & Callback Entry Points

• Callbackها - درک انواع خروجی Callbacks - Understanding Return Types

• پیاده‌سازی Callbackها Implementing Callbacks

استقرار ایجنت ADK در Cloud Run با دستور adk deploy Deploy ADK Agent to Cloud Run - with adk deploy command

• دانلود Artifactها Download Artifacts

• مقدمه‌ای بر استقرار در Cloud Run Introduction to Deploy to Cloud Run

• استقرار ایجنت ADK با دستور adk deploy Deploy ADK Agent Using adk deploy Command

• استقرار ایجنت ADK با دستور adk deploy و تست ایجنت Deploy ADK Agent Using adk deploy Command - Test Your Agent

• درک آنچه در پشت صحنه رخ می‌دهد Understanding What Happens

• استفاده از ابزار UI Dev (adk web) در Cloud Run Use UI Dev ( adk web) Tool in Cloud Run

• استفاده از ابزار UI Dev (adk web) در Cloud Run و تست ایجنت Use UI Dev ( adk web) Tool in Cloud Run - Test Your Agent

استقرار ایجنت ADK در Cloud Run به عنوان کانتینر داکر Deploy ADK Agent to Cloud Run - as Docker Container

• دانلود Artifactها Download Artifacts

• درک Docker File و Artifact Repository Understand the Docker File & Artifact Repository

• استقرار ایمیج داکر شما در Cloud Run Deploy Your Docker Image to Cloud Run

• تست ایجنت شما Test Your Agent

استقرار ایجنت ADK در کلاستر GKE Deploy ADK Agent in GKE Cluster

• دانلود Artifactها Download Artifacts

• ساخت یک کلاستر GKE Create a GKE Cluster

• درک Workload Identity Federation Understanding Workload Identity Federation

• استقرار ایجنت - درک Kubernetes Deployment و Service Deploy Your Agent - Understand Kubernetes Deployment & Service

• تست ایجنت شما Test Your Agent

• استقرار ایجنت ADK با دستور adk deploy gke Deploy ADK Agent With adk deploy gke Command

• استقرار ایجنت ADK با دستور adk deploy gke و تست ایجنت Deploy ADK Agent With adk deploy gke Command - Test Your Agent

اپلیکیشن‌های MCP و استفاده از سرور MCP با ایجنت‌های ADK MCP Applications & Using MCP Server with ADK Agents

• دانلود Artifactها Download Artifacts

• درک MCP Understanding MCP

• ساخت اولین سرور MCP با استفاده از Python FastMCP Build Your First MCP Server using Python FastMCP

• تست سرور MCP از طریق کلاینت MCP Test Your MCP Server from a MCP Client

• مقدمه‌ای بر استقرار سرور MCP در Cloud Run Deploy MCP Server in Cloud Run - Introduction

• ساخت ایمیج داکر و استقرار سرور MCP در Cloud Run Create Docker Image and Deploy MCP Server in Cloud Run

• تایید اجرای سرور MCP در Cloud Run Validate MCP Server Running in Cloud Run

• یکپارچه‌سازی سرور MCP با ایجنت ADK Integrate Your MCP Server with ADK Agent

جعبه‌ابزار GCP MCP برای دیتابیس‌ها GCP MCP Toolbox for Databases

• مقدمه‌ای بر MCP Toolbox برای دیتابیس‌ها MCP Toolbox for Databases - Introduction

• پیاده‌سازی MCP Toolbox با دیتابیس محلی - بخش ۱ Implementing MCP Toolbox with Local DB - Part 1

• پیاده‌سازی MCP Toolbox با دیتابیس محلی - بخش ۲ Implementing MCP Toolbox with Local DB - Part 2

• پیاده‌سازی MCP Toolbox با دیتابیس محلی - بخش ۳ Implementing MCP Toolbox with Local DB - Part 3

• پیاده‌سازی MCP Toolbox با دیتابیس راه دور (Cloud SQL) - بخش ۱ Implementing MCP Toolbox with Remote DB (Cloud SQL) - Part 1

• پیاده‌سازی MCP Toolbox با دیتابیس راه دور (Cloud SQL) - بخش ۲ Implementing MCP Toolbox with Remote DB (Cloud SQL) - Part 2

• پیاده‌سازی MCP Toolbox با دیتابیس راه دور (Cloud SQL) - بخش ۳ Implementing MCP Toolbox with Remote DB (Cloud SQL) - Part 3

• گزینه‌های داکر و ایمیج سفارشی برای MCP Toolbox Docker Options & Custom Image for MCP Toolbox

• اجرای محلی کانتینر داکر MCP Toolbox Running MCP Toolbox Docker Container Locally

• استقرار MCP Toolbox در Cloud Run Deploying MCP Toolbox to Cloud Run

• اتصال ایجنت ADK به سرویس Cloud Run MCP Toolbox Connecting ADK Agent to Cloud Run MCP Toolbox Service

پیاده‌سازی A2A با ایجنت ADK Implementing A2A with ADK Agent

• دانلود Artifactها از اینجا Download the Artifacts Here

• مقدمه‌ای بر ارتباط ایجنت به ایجنت (A2A) Introduction to Agent-to-Agent (A2A) Communication

• نقش فایل JSON کارت ایجنت (Agent Card) Role of Agent Card JSON File

• در دسترس قرار دادن ایجنت به عنوان ایجنت راه دور - گزینه‌های ADK Exposing Your Agent as Remote Agent - Choices with ADK

• استفاده از گزینه to_a2a - پیکربندی و اجرای ایجنت راه دور Using to_a2a Option - Configure and Run Remote Agent

• استفاده از گزینه to_a2a - پیکربندی ایجنت کلاینت و تست ایجنت راه دور Using to_a2a Option - Configure Client Agent and Test Remote Agent

• استفاده از adk api_server گزینه a2a - پیکربندی ایجنت راه دور و تست محلی Using adk api_server --a2a Option - Configure Remote Agent & Test Locally

• گزینه‌های استقرار ایجنت راه دور Remote Agent Deployment Options

• استقرار کانتینری - درک ساختار و DockerFile Container Deployment - Understand the Structure and DockerFile

• استقرار کانتینری - ساخت Docker File و اجرای محلی ایجنت راه دور Container Deployment - Create Docker File and Run Remote Agent Locally

• استقرار کانتینری - تست کانتینر محلی از طریق ایجنت کلاینت Container Deployment - Test Your Local Container from Client Agent

• استقرار کانتینری - استقرار در Cloud Run Container Deployment - Deploy to Cloud Run

• تست ایجنت راه دور Cloud Run از طریق ایجنت کلاینت Test Cloud Run Remote Agent from Client Agent

مورد کاربردی واقعی - ایجنت با ADK و Copilotkit Real World Use Case - Agent with ADK & Copilotkit

• دانلود تمامی کدها از اینجا Download All the Codes Here

• مقدمه‌ای بر ایجنت HR Introduction to HR Agent

• درک معماری ایجنت Understanding the Agent Architecture

• ساخت دیتابیس Cloud SQL Postgres Create Cloud SQL Postgres Database

• ساخت جداول و وارد کردن رکوردهای نمونه Create Tables and Insert Sample Records

• پیاده‌سازی سرور MCP - کدنویسی و تست واحد (Unit Testing) MCP Server Implementation - Code and Unit Testing

• تست محلی سرور MCP Test MCP Server Locally

• ساخت ایمیج داکر سرور MCP Create MCP Server Docker Image

• استقرار و تست سرور MCP در Cloud Run Deploy & Test MCP Server - Cloud Run

• درک ایجنت ADK Understand the ADK Agent

• در دسترس قرار دادن ایجنت ADK با FastAPI و ag_ui Expose Your ADK Agent with FastAPI and ag_ui

• ساخت ایمیج داکر برای ایجنت ADK Build Your ADK Agent as Docker Image

• استقرار ایجنت ADK در Cloud Run و تست Deploy Your ADK Agent to Cloud Run and Test

• مقدمه‌ای بر CopilotKit Introduction to CopilotKit

• راه‌اندازی اولیه UI با Next JS Basic UI Setup with Next JS

• راه‌اندازی محلی UI CopilotKit و تست Setup CopolitKit UI Locally and Test

• ساخت ایمیج داکر UI CopilotKit Create CopilotKit UI Docker Image

• استقرار ایجنت UI CopilotKit و تست کامل ایجنت (End to End) Deploy The UI CopilotKit Agent and Test the Agent End to End

**************** مطالب دوره مبتدیان - مبانی AI و ML **************** Beginners Course Material ----- AI & ML Fundamental

• مقدمه‌ای بر هوش مصنوعی (AI) Introduction to Artificial Intelligence ( AI)

• انواع AI Types of AI

• درک یادگیری ماشین (Machine Learning) Understanding Machine Learning

• مدل چیست What is a Model

• مبانی دیتاست (Dataset) Dataset Basic

• درک داده‌های برچسب‌دار و بدون برچسب Understand Labelled and Unlabelled Data

• درک داده‌های ساختاریافته و بدون ساختار Understand Structured and Unstructured Data

انواع یادگیری ماشین Types of Machine Learning

• انواع مختلف یادگیری ماشین Different Types of Machine Learning

• مقدمه‌ای بر یادگیری نظارت شده (Supervised Learning) Introduction to Supervised Learning

• درک یادگیری طبقه‌بندی (Classification) Understand Classification Learning

• درک یادگیری رگرسیون (Regression) Understand Regression Learning

• مقدمه‌ای بر یادگیری بدون نظارت (Unsupervised Learning) Introduction to Unsupervised Learning

• خوشه‌بندی در یادگیری بدون نظارت Clustering Unsupervised Learning

• یادگیری تداعی در یادگیری بدون نظارت Association Unsupervised Learning

• کاهش ابعاد در یادگیری بدون نظارت Dimensionality Reduction Unsupervised Learning

• درک یادگیری تقویتی (Reinforcement Learning) Understand Reinforcement Learning

چالش‌های یادگیری ماشین و داده‌ها Machine Learning & Data Challenges

• چالش‌های مربوط به دیتاست Challenges with Dataset

• مشکل بیش‌برازش (Overfitting) Overfitting Problem

• مشکل کم‌برازش (Underfitting) Underfitting Problem

• سوگیری در داده‌ها (Biasness) Biasness with Data

هوش مصنوعی مولد (Generative AI) Generative AI

• درک Gen AI به زبان ساده Understand Gen AI in Simple Language

• درک نحوه عملکرد Gen AI Understand How Gen AI Works

• پردازش زبان طبیعی (NLP) Natural Language Processing

• شبکه‌های عصبی مصنوعی Artificial Neural Network

• یادگیری عمیق (Deep Learning) Deep Learning

• انواع یادگیری عمیق و معماری ترنسفورمر (Transformer) Types of Deep Learning & Transformer Architecture

درک مدل‌های Gen AI Understand Gen AI Models

• مدل پایه (Foundation Model) چیست What is a Foundation Model

• درک مدل‌های زبانی بزرگ (LLM) Understand Large Language Model (LLM)

• آشنایی با مدل‌های دیفیوژن (Diffusion Model) Know about Diffusion Model

• مدل‌های چندوجهی (Multimodal Models) Multimodal Models

• آیا می‌توانم مدل Gen AI خودم را داشته باشم Can I have my Own Gen AI Model

• تنظیم دقیق (Fine Tuning) چیست What is Fine Tuning

• دسترسی به یک مدل Accessing a Model

هوش مصنوعی مولد - درون آن چه می‌گذرد Generative AI - What Happens Inside

• توکن و Embedding - بخش ۱ Token and Embedding - Part 1

• توکن و Embedding - بخش ۲ Token and Embedding - Part 2

• Fine Tuning چیست What is Fine Tuning

• تولید کلمه بعدی با توکن‌ها Generate Next Word with Tokens

• رابطه بین هزینه و توکن‌ها Relationship between Cost and Tokens

• درک پنجره بافت (Context Window) Understand Context Window

• تاریخ قطع دانش (Knowledge Cutoff) Knowledge Cutoff

• توهم (Hallucination) - چرا می‌تواند خطرناک باشد Hallucination - Why it can be Dangereous

• Grounding - رفع توهمات Grounding - Fixing Hallucination

• تولید تقویت شده با بازیابی (RAG) Retrieval-Augmented Generation (RAG)

مهندسی پرامپت (Prompt Engineering) Prompt Engineeering

• مفهوم مهندسی پرامپت Concept of Prompt Engineering

• پرامپت Zero Shot Zero Shot Prompting

• پرامپت One Shot One Shot Prompting

• پرامپت Few Shot Few Shot Prompting

• پرامپت نقش‌آفرینی (Role Play) چیست What is Role Play Prompting

• درک پرامپت زنجیره افکار (Chain of Thought) Understand Chain-of-Thought Prompting

• پرامپت ReAct ReAct Prompting

• متا پرامپتینگ (Meta Prompting) Meta Prompting

• پارامتر دما (Temperature) Temperature Parameter

• مفهوم Top P و Top K Concept of Top P and Top K

گام بعدی چیست! What Next!

• درس جایزه (Bonus Lecture) Bonus Lecture