آموزش توسعه عامل‌های هوش مصنوعی (AI Agents) با DeepSeek - آخرین آپدیت

دانلود Developing AI Agents with DeepSeek

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: اپلیکیشن‌های هوش مصنوعی در حال تکامل هستند و از چت‌بات‌های سنتی به سیستم‌هایی تبدیل شده‌اند که می‌توانند استدلال کنند، از ابزارها استفاده کنند، وضعیت (state) را مدیریت کنند و کارهای چندمرحله‌ای را انجام دهند. در این دوره جامع و کاربردی، شما توسعه عامل‌های هوش مصنوعی با DeepSeek را خواهید آموخت. این دوره به توسعه‌دهندگان کمک می‌کند تا با استفاده از DeepSeek و الگوهای مدرن اپلیکیشن‌های عامل‌محور (Agentic)، عامل‌های هوش مصنوعی را بسازند، کنترل کنند، ارزیابی کنند، ایمن‌سازی کنند و مستقر کنند. شما با بررسی بنیادهای عامل‌های هوش مصنوعی، از جمله جریان‌های کاری عامل‌محور (Agentic Workflows)، کنترل عامل، مدیریت وضعیت، الگوهای اجرا، ReAct، Plan-and-Execute، عامل‌های Router، حلقه‌های اجرا، فراخوانی ابزارها (Tool Calling) و پروتکل کانتکست مدل (MCP) شروع خواهید کرد. سپس، به سراغ قابلیت اطمینان و کنترل عامل‌ها می‌روید و با مدیریت وضعیت، پیشرفت تسک‌ها، محدودیت‌های تکرار، بازیابی از شکست، تاییدیه انسانی (Human-in-the-loop)، ابزارهای MCP متعدد، مدل‌های محلی DeepSeek و مجموعه‌داده‌های ارزیابی کار خواهید کرد. در نهایت، ارزیابی خودکار پاسخ‌ها، دقت، مرتبط بودن، مستند بودن (Groundedness)، معیارهای موفقیت ابزارها، تزریق پرامپت (Prompt Injection)، نشت داده‌ها، سوءاستفاده از ابزارها، اندازه مدل و کوانتیزاسیون، نقاط اتصال (Endpoints) در FastAPI و Docker برای استقرار (Deployment) را بررسی خواهید کرد. در پایان این دوره، شما قادر خواهید بود: - عامل‌های هوش مصنوعی، جریان‌های کاری عامل‌محور، الگوهای اجرا، وضعیت عامل و تفاوت‌های بین چت‌بات‌ها، جریان‌های کاری و عامل‌ها را توضیح دهید. - عامل‌های DeepSeek کنترل‌شده را با استفاده از حلقه‌های اجرا، فراخوانی ابزارها، یکپارچه‌سازی MCP، مدیریت وضعیت و ردیابی پیشرفت تسک‌ها بسازید. - مکانیزم‌های قابلیت اطمینان و کنترل عامل را با استفاده از محدودیت‌های تکرار، بازیابی از شکست، مرزهای اجرا و تاییدیه انسانی پیاده‌سازی کنید. - اپلیکیشن‌های DeepSeek را با استفاده از مجموعه‌داده‌های ساختاریافته، بررسی‌های خودکار پاسخ‌ها، دقت، مرتبط بودن و معیارهای موفقیت ابزارها ارزیابی کرده و ریسک‌های تزریق پرامپت، نشت داده‌ها و سوءاستفاده از ابزارها را شناسایی کنید. - اپلیکیشن‌های DeepSeek را از طریق FastAPI و Docker با استفاده از اعتبارسنجی درخواست‌ها، مدیریت خطاها، بررسی‌های سلامت (Health Checks) و پیکربندی‌های محیط تولید (Production) مستقر کنید. این دوره برای توسعه‌دهندگان هوش مصنوعی، توسعه‌دهندگان پایتون، مهندسان بک‌اند، توسعه‌دهندگان هوش مصنوعی مولد (Generative AI)، مهندسان نرم‌افزار و هر کسی که می‌خواهد بداند عامل‌های هوش مصنوعی قابل اطمینان و کنترل‌شده چگونه طراحی، ارزیابی، ایمن‌سازی و مستقر می‌شوند، طراحی شده است. اگر شما تازه‌کار در حوزه AI Agentic را هستید یا می‌خواهید مسیری کاربردی از یکپارچه‌سازی ساده DeepSeek تا ساخت عامل‌های ابزار-محور و آماده استقرار، این دوره یک تجربه یادگیری هدایت‌شده را فراهم می‌کند. پیش‌نیازها: تجربه बुनियादी در پایتون و مفاهیم هوش مصنوعی مولد. آشنایی با APIها، JSON، خط فرمان (CLI) و Docker کمک‌کننده خواهد بود، همراه با اشتیاق برای تمرین از طریق توسعه، ارزیابی، تستر‌های امنیتی و استقرار عامل‌های هوش مصنوعی. همین حالا ثبت‌نام کنید و بیاموزید چگونه عامل‌های هوش مصنوعی کنترل‌شده، قابل اطمینان، ایمن و آماده استقرار را با DeepSeek توسعه دهید.

سرفصل ها و درس ها

ساخت عامل‌های کنترل‌شده DeepSeek Building Controlled DeepSeek Agents

  • مقدمه تخصصی Specialization Intro

  • معرفی دوره Course Introduction

  • عامل‌های هوش مصنوعی و جریان‌های کاری عامل‌محور با DeepSeek AI Agents and Agentic Workflows with DeepSeek

  • مدیریت وضعیت عامل و الگوهای اجرا Agent State Management and Execution Patterns

  • پروژه عملی: ایجاد حلقه اجرای پایه برای عامل Hands-On: Creating a Basic Agent Execution Loop

  • پروژه عملی: اتصال ابزارها به حلقه اجرای عامل Hands-On: Connecting Tools to the Agent Loop

  • پروژه عملی: راه‌اندازی یک سرور MCP پایه Hands-On: Setting Up a Basic MCP Server

  • پروژه عملی: اتصال DeepSeek به سرور MCP Hands-On: Connecting DeepSeek to an MCP Server

  • پروژه عملی: افزودن وضعیت عامل و پیشرفت تسک Hands-On: Adding Agent State and Task Progress

قابلیت اطمینان، کنترل و استقرار DeepSeek Reliability, Control, and DeepSeek Deployment

  • پروژه عملی: افزودن محدودیت‌های تکرار و بازیابی از شکست Hands-On: Adding Iteration Limits and Failure Recovery

  • پروژه عملی: افزودن تاییدیه انسانی برای اقدامات حساس Hands-On: Adding Human Approval for Sensitive Actions

  • پروژه عملی: نمایش و فراخوانی ابزارها از طریق MCP Hands-On: Exposing and Calling Tools Through MCP

  • پروژه عملی: کار با ابزارهای متعدد از طریق MCP Hands-On: Working with Multiple Tools Through MCP

  • مدل‌های محلی DeepSeek و گزینه‌های استقرار Local DeepSeek Models and Deployment Options

  • معماری ارزیابی، امنیت و استقرار Evaluation, Security, and Deployment Architecture

  • پروژه عملی: ایجاد مجموعه‌داده ارزیابی DeepSeek Hands-On: Creating a DeepSeek Evaluation Dataset

ارزیابی، ایمن‌سازی و استقرار اپلیکیشن‌های DeepSeek Evaluating, Securing, and Deploying DeepSeek Applications

  • پروژه عملی: اجرای بررسی‌های خودکار پاسخ‌ها Hands-On: Running Automated Response Checks

  • پروژه عملی: تست تزریق پرامپت و ورودی‌های ناامن Hands-On: Testing Prompt Injection and Unsafe Inputs

  • اندازه مدل، کوانتیزاسیون و برنامه‌ریزی سخت‌افزاری Model Size, Quantisation, and Hardware Planning

  • پروژه عملی: نمایش DeepSeek از طریق یک نقطه اتصال FastAPI Hands-On: Exposing DeepSeek Through a FastAPI Endpoint

  • پروژه عملی: کانتینری‌سازی و تست سرویس DeepSeek Hands-On: Containerising and Testing the DeepSeek Service

  • جمع‌بندی دوره Course Summary

نمایش نظرات

آموزش توسعه عامل‌های هوش مصنوعی (AI Agents) با DeepSeek
جزییات دوره
5h 40m
22
(آخرین آپدیت)
19
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده