آموزش ساخت اپلیکیشن‌های هوش مصنوعی با OpenAI، LangChain و React - آخرین آپدیت

دانلود Build AI Apps with OpenAI, LangChain & React

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ساخت اپلیکیشن‌های هوش مصنوعی آماده برای محیط عملیاتی (Production) با استفاده از OpenAI، LangChain، React، RAG، ایجنت‌های هوشمند، CI/CD و پروژه‌های واقعی. درک نحوه عملکرد مدل‌های زبانی بزرگ (LLMs) و اپلیکیشن‌های مدرن هوش مصنوعی. تسلط بر تکنیک‌های مهندسی پرامپت (Prompt Engineering) برای تولید پاسخ‌های قابل اعتماد. یکپارچه‌سازی APIهای OpenAI در برنامه‌های کاربردی واقعی. ساخت اپلیکیشن‌های مبتنی بر هوش مصنوعی با استفاده از LangChain و React. ایجاد اپلیکیشن‌های چت استریمینگ (Streaming) با پاسخ‌های لحظه‌ای هوش مصنوعی. توسعه ایجنت‌های هوش مصنوعی قادر به فراخوانی ابزارها و استدلال‌های چندمرحله‌ای. ساخت اپلیکیشن‌های تولید تقویت‌شده با بازیابی (RAG). محافظت از سیستم‌های هوش مصنوعی در برابر تزریق پرامپت (Prompt Injection) و مخاطرات امنیتی. بهینه‌سازی اپلیکیشن‌های هوش مصنوعی از نظر عملکرد، مقیاس‌پذیری و هزینه. مانیتورینگ کیفیت هوش مصنوعی با استفاده از لاگ‌ها، تحلیل‌ها و حلقه‌های بازخورد. پیاده‌سازی استراتژی‌های جایگزینی مدل (Fallback) و تست A/B برای پرامپت‌ها. ساخت APIهای هوش مصنوعی آماده عملیات با استفاده از معماری نرم‌افزاری مدرن. اتوماسیون تست و استقرار با استفاده از GitHub Actions و CI/CD. استقرار و نگهداری اپلیکیشن‌های هوش مصنوعی مطابق با بهترین استانداردهای صنعت. پیشنیازها: دانش پایه جاوااسکریپت توصیه می‌شود. آشنایی با React مفید است اما اجباری نیست. درک ابتدایی از APIها و درخواست‌های HTTP. یک کامپیوتر با سیستم‌عامل ویندوز، مک یا لینوکس. نصب Node.js و Visual Studio Code. یک کلید API از OpenAI (راهنما در دوره ارائه شده است). اشتیاق به یادگیری از طریق ساخت اپلیکیشن‌های واقعی هوش مصنوعی. عدم نیاز به تجربه قبلی در LangChain، APIهای OpenAI یا توسعه هوش مصنوعی.

مهندسی هوش مصنوعی با OpenAI، LangChain و React

هوش مصنوعی در حال تغییر نحوه ساخت اپلیکیشن‌های مدرن است. این دوره طراحی شده تا شما را از مثال‌های ساده چت‌بات فراتر برده و به شما بیاموزد چگونه اپلیکیشن‌های هوش مصنوعی آماده برای محیط عملیاتی (Production)را با استفاده از قدرتمندترین تکنولوژی‌های امروز بسازید.

چه توسعه‌دهنده نرم‌افزار باشید، چه مهندس فول‌استک یا علاقه‌مند به هوش مصنوعی، این دوره عملی شما را در تمام مراحل توسعه اپلیکیشن‌های AI هدایت می‌کند؛ از درک مدل‌های زبانی بزرگ (LLMs) تا استقرار سیستم‌های مقیاس‌پذیر در محیط عملیاتی.

در طول این دوره، شما پروژه‌های واقعی خواهید ساخت و یاد می‌گیرید چگونه OpenAI، LangChain و React را برای ایجاد اپلیکیشن‌های هوشمند با قابلیت پاسخ‌های استریمینگ، ایجنت‌های هوشمند، فراخوانی ابزارها، RAG، امنیت، مانیتورینگ، بهینه‌سازی عملکرد و بهترین روش‌های استقرار یکپارچه کنید.

آنچه خواهید ساخت:

  • اپلیکیشن‌های چت مبتنی بر هوش مصنوعی

  • رابط‌های کاربری استریمینگ AI

  • ایجنت‌های هوش مصنوعی قادر به استفاده از ابزارهای خارجی

  • اپلیکیشن‌های تولید تقویت‌شده با بازیابی (RAG)

  • APIهای هوش مصنوعی آماده برای عملیات

  • فرانت‌اند‌های هوش مصنوعی مبتنی بر React

  • داشبوردهای مانیتورینگ و تحلیل هوش مصنوعی

  • سرویس‌های هوش مصنوعی امن و مقیاس‌پذیر

مباحث پوشش داده شده:

  • مهندسی پرامپت

  • یکپارچه‌سازی OpenAI API

  • مبانی LangChain

  • پاسخ‌های استریمینگ هوش مصنوعی

  • اپلیکیشن‌های چت React

  • فراخوانی توابع و ابزارها (Function & Tool Calling)

  • ایجنت‌های هوش مصنوعی و الگوی ReAct

  • تولید تقویت‌شده با بازیابی (RAG)

  • محافظت در برابر تزریق پرامپت

  • امنیت و گاردریل‌های (Guardrails) هوش مصنوعی

  • بهینه‌سازی توکن‌ها

  • مانیتورینگ عملکرد و هزینه

  • پردازش موازی و ناهمگام (Async)

  • مشاهده‌پذیری (Observability) هوش مصنوعی

  • استراتژی‌های جایگزینی مدل

  • تست A/B پرامپت‌ها

  • GitHub Actions و CI/CD

  • بهترین روش‌های استقرار در محیط عملیاتی

در پایان این دوره، شما مهارت و اعتماد به نفس لازم برای طراحی، توسعه، استقرار، مانیتورینگ و نگهداری اپلیکیشن‌های هوش مصنوعی را با استفاده از متدهای مدرن مهندسی خواهید داشت.

اگر هدف شما تبدیل شدن به یک مهندس هوش مصنوعی هستید که قادر به ساخت اپلیکیشن‌های واقعی و عملیاتی باشد (و نه فقط نمونه‌های اولیه)، این دوره برای شماست.


سرفصل ها و درس ها

مبانی و مفاهیم پایه Foundations

  • مقدمه – اپلیکیشن‌های وب سنتی در مقابل آینده Introduction – Traditional vs Future Web Apps

  • قابلیت‌های مدل‌های زبانی بزرگ (LLM) LLM Capabilities

  • مفهوم کانتکست در LLM LLM Context

  • نقشه راه (Blueprint) هوش مصنوعی AI Blueprint

  • دموی اپلیکیشن LLM LLM Demo App

  • الگوهای رایج معماری اپلیکیشن‌های AI Common AI App Architecture Patterns

بررسی عمیق OpenAI API OpenAI API Deep Dive

  • مرور کلی OpenAI API OpenAI API Overview

  • کار عملی با OpenAI API OpenAI API Hands-On

  • مهندسی پرامپت در OpenAI OpenAI Prompt Engineering

  • نقش‌های System، User و Assistant (بهترین روش‌ها) System, User & Assistant Roles (Best Practices)

  • هایپرپارامترهای OpenAI OpenAI Hyperparameters

  • مدیریت خطاها، محدودیت‌ها و تلاش مجدد Handling Errors, Limits & Retries

  • استراتژی‌های بهینه‌سازی هزینه Cost Optimization Strategies

  • کار عملی – ساخت لایه سرویس قابل استفاده مجدد برای OpenAI Hands-On – Building a Reusable OpenAI Service Layer

مفاهیم کلیدی LangChain LangChain Core Concepts

  • چرا LangChain به وجود آمد Why LangChain Exists

  • تفاوت زنجیره‌ها (Chains)، ابزارها (Tools) و ایجنت‌ها (Agents) Chains vs Tools vs Agents

  • کار عملی با زنجیره‌ها، ابزارها و ایجنت‌ها Chains, Tools & Agents – Hands-On

  • قالب‌های پرامپت و تجزیه‌کنندگان خروجی (Output Parsers) Prompt Templates & Output Parsers

  • دموی قالب‌های پرامپت و تجزیه‌کنندگان خروجی Prompt Templates & Output Parsers – Demo

  • زنجیره‌های متوالی و شرطی Sequential & Conditional Chains

  • دموی زنجیره‌های متوالی و شرطی Sequential & Conditional Chains – Demo

  • انواع حافظه و مکانیسم‌های آن Memory Types & Mechanics

  • دموی حافظه Memory Demo

  • چه زمانی از LangChain استفاده نکنیم When Not to Use LangChain

  • دموی موارد عدم استفاده از LangChain When Not to Use LangChain – Demo

  • خلاصه فصل Summary

تولید تقویت‌شده با بازیابی (RAG) Retrieval-Augmented Generation

  • چرا RAG و چرا مدل‌های زبانی توهم می‌زنند Why RAG & Why LLMs Hallucinate

  • دموی مقایسه‌ای RAG در برابر غیر RAG RAG vs Non-RAG Demo

  • تئوری امبدینگ‌ها (Embeddings) Embeddings – Theory

  • دموی امبدینگ‌ها Embeddings – Demo

  • تئوری پایگاه‌های داده برداری (Vector Databases) Vector Databases – Theory

  • مبانی تکه‌تکه کردن داده‌ها (Chunking) Chunking Fundamentals

  • دموی Chunking Chunking Demo

  • استراتژی‌های Chunking Chunking Strategies

  • امبدینگ‌های پرس‌وجو در مقابل سند (Vectors) Query vs Document Embeddings (Vectors)

  • بررسی کد جستجوی برداری Vector Search Code Review

  • تئوری خط لوله PDF RAG PDF RAG Pipeline – Theory

  • دموی پروژه PDF RAG PDF RAG Project – Demo

معماری بک‌اند برای اپلیکیشن‌های AI Backend Architecture for AI Apps

  • پاسخ‌های استریمینگ (Streaming Responses) Streaming Responses

  • دموی پاسخ‌های استریمینگ Streaming Responses – Demo

  • معماری استریمینگ در React React Streaming Architecture

  • دموی استریمینگ React React Streaming – Demo

  • پردازش‌های پس‌زمینه (Background Jobs) برای تسک‌های AI Background Jobs for AI Tasks

  • دموی پردازش‌های پس‌زمینه Background Jobs – Demo

  • تقویت امنیت API Hardening API Security

  • دموی تقویت امنیت API Hardening API Security – Demo

  • تئوری کشینگ با Redis Redis Caching – Theory

  • دموی کشینگ با Redis Redis Caching – Demo

  • دموی یکپارچه‌سازی سرور Redis Redis Server Integration Demo

  • مشاهده‌پذیری (Observability) و لاگ‌گذاری Observability & Logging

  • دموی مشاهده‌پذیری و لاگ‌گذاری Observability & Logging – Demo

فرانت‌اند React برای تجربیات هوش مصنوعی React Frontend for AI Experiences

  • الگوهای UX با اولویت هوش مصنوعی AI-First UX Patterns

  • دموی الگوهای UX اولویت AI AI-First UX Patterns – Demo

  • تئوری رابط کاربری استریمینگ (Streaming UI) Streaming UI – Theory

  • دموی رابط کاربری استریمینگ Streaming UI – Demo

  • مدیریت خطاهای نرم و بهینه (Graceful Failure) Graceful Failure Handling

  • دموی مدیریت خطاهای نرم Graceful Failure – Demo

  • معماری قصد کاربر (User Intent) Architecting User Intent

  • دموی قصد کاربر User Intent – Demo

  • معماری رابط‌های کاربری نسل آینده AI Architecting Next-Generation AI Interfaces

  • دموی رابط‌های نسل آینده AI Next-Generation AI Interfaces – Demo

  • تداوم هوش مصنوعی و جریان گفتگو AI Continuity & Conversation Flow

  • دموی تداوم هوش مصنوعی AI Continuity – Demo

ایجنت‌ها و فراخوانی ابزارها Agents & Tool Calling

  • ایجنت‌های هوش مصنوعی واقعاً چه هستند What AI Agents Really Are

  • فراخوانی ابزارها و اجرای توابع توسط AI AI Tool Calling & Function Execution

  • دموی عملی فراخوانی ابزارها Tool Calling – Hands-On Demo

  • حلقه‌های ایجنت و الگوی ReAct Agent Loops & ReAct Pattern

  • دموی حلقه‌های ایجنت Agent Loops – Demo

  • لایه کنترل هوش مصنوعی The AI Control Layer

  • زمانی که ایجنت‌ها شکست می‌خورند و اتوماسیون ایجنت‌ها When Agents Fail & Automating Agents

امنیت، ایمنی و گاردریل‌ها Security, Safety & Guardrails

  • مرور کلی گاردریل‌ها و امنیت AI AI Guardrails & Security Overview

  • دموی گاردریل‌ها Guardrails – Demo

  • دفاع پیشرفته در برابر تزریق پرامپت Advanced Prompt Injection Defense

  • دموی دفاع در برابر تزریق پرامپت Prompt Injection Defense – Demo

  • گاردریل‌های خروجی و نظارت (Moderation) Output Guardrails & Moderation

  • دموی نظارت بر خروجی Output Moderation – Demo

  • ساخت بک‌اند AI در سطح صنعتی (Production Grade) Building a Production-Grade AI Backend

  • دموی بک‌اند AI سطح صنعتی Production-Grade AI Backend – Demo

عملکرد، هزینه و مقیاس‌پذیری Performance, Cost & Scaling

  • کاهش مصرف توکن‌ها Reducing Token Usage

  • دموی بهینه‌سازی توکن‌ها Token Optimization – Demo

  • زنجیره‌های موازی و ناهمگام Async & Parallel Chains

  • دموی زنجیره‌های موازی و ناهمگام Async & Parallel Chains – Demo

  • مقیاس‌پذیری افقی APIهای هوش مصنوعی Scaling AI APIs Horizontally

  • مانیتورینگ هزینه و هشدارها Cost Monitoring & Alerts

  • دموی مانیتورینگ هزینه و هشدارها Cost Monitoring & Alerts – Demo

استقرار و آمادگی برای محیط عملیاتی Deployment & Production Readiness

  • مدیریت محیط (Environment) و اسرار (Secrets) Environment & Secret Management

  • دموی مدیریت محیط و اسرار Environment & Secret Management – Demo

  • خط لوله CI/CD برای اپلیکیشن‌های هوش مصنوعی CI/CD Pipeline for AI Applications

  • مانیتورینگ کیفیت AI در طول زمان Monitoring AI Quality Over Time

  • مدیریت تغییرات و قدیمی شدن مدل‌ها Handling Model Changes & Deprecations

  • تست A/B برای پرامپت‌ها Prompt A/B Testing

  • دموی آمادگی برای تولید (کوچ AI جامع از ابتدا تا انتها) Production Readiness Demo (End-to-End AI Career Coach)

  • GitHub Actions و استقرار خودکار GitHub Actions & Automated Deployment

جمع‌بندی و نتیجه‌گیری Conclusion

  • نتیجه‌گیری و دسترسی به کدها Conclusion and Code Access

نمایش نظرات

آموزش ساخت اپلیکیشن‌های هوش مصنوعی با OpenAI، LangChain و React
جزییات دوره
8 hours
94
(آخرین آپدیت)
5
از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

SkillBakery Studio SkillBakery Studio

از همین امروز شروع به یادگیری کنید...