آموزش بوت کمپ کامل هوش مصنوعی عامل‌محور با LangGraph و Langchain - آخرین آپدیت

دانلود Complete Agentic AI Bootcamp With LangGraph and Langchain

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

یاد بگیرید چگونه با LangGraph و LangChain، عوامل هوش مصنوعی (AI agents) واقعی، گردش‌کارهای چند-عاملی و برنامه‌های مستقل بسازید.

اصول اساسی هوش مصنوعی عاملی (Agentic AI) و نحوه طراحی عوامل هوشمند و مستقل برای انجام وظایف دنیای واقعی را درک کنید.

با استفاده از LangGraph، بر ساختن عوامل هوش مصنوعی تسلط یابید، از جمله ایجاد گردش‌کارها، مدیریت وضعیت عامل، حافظه و رفتار مبتنی بر رویداد.

سیستم‌های همکاری چند-عاملی را توسعه و مستقر کنید که بتوانند با هم ارتباط برقرار کنند، استدلال کنند و مسائل پیچیده را حل کنند.

پروژه‌های عملی را برای ایجاد برنامه‌های قدرتمند عاملی مانند عوامل تحقیقاتی مستقل، سیستم‌های اتوماسیون وظایف و دستیارهای بازیابی دانش پیاده‌سازی کنید.

پیش‌نیازها:

  • دانش پایه برنامه‌نویسی پایتون (متغیرها، توابع، کلاس‌ها).
  • درک APIها و سرویس‌های RESTful (سطح پایه).
  • آشنایی با مفاهیم مدل‌های زبانی بزرگ (LLM) (مانند مدل‌های OpenAI، Hugging Face و غیره).
  • کنجکاوی و تمایل به ساختن برنامه‌های هوش مصنوعی دنیای واقعی - نیازی به تجربه قبلی با LangGraph نیست!

آیا در مورد آینده هوش مصنوعی هیجان‌زده هستید، جایی که عوامل هوشمند می‌توانند به طور خودکار فکر کنند، عمل کنند و برای حل وظایف پیچیده همکاری کنند؟ به بوت کمپ کامل هوش مصنوعی عاملی (Agentic AI) با LangGraph و LangChain خوش آمدید - دوره جامع شما برای تسلط بر هنر ساخت برنامه‌های هوش مصنوعی عاملی از صفر!

این دوره برای آموزش همه چیزهایی که باید در مورد هوش مصنوعی عاملی، LangGraph و LangChain بدانید طراحی شده است - دو مورد از قدرتمندترین چارچوب‌ها برای ساختن عوامل هوش مصنوعی هوشمند و سیستم‌های چند-عاملی.

شما با درک مبانی هوش مصنوعی عاملی شروع خواهید کرد - اینکه چگونه با مدل‌های هوش مصنوعی سنتی متفاوت است، اجزای اصلی عوامل (حافظه، ابزارها، تصمیم‌گیری) و موارد استفاده در دنیای واقعی.
سپس به طور عمیق در LangGraph غوطه ور خواهیم شد، یک چارچوب پیشرفته که به شما کمک می‌کند گردش‌کارهای پیچیده عامل را با استفاده از نمودارها، رویدادها و انتقال‌های حالت طراحی کنید. شما همچنین یاد خواهید گرفت که چگونه قدرت LangChain را با LangGraph ترکیب کنید تا برنامه‌های عاملی آماده برای تولید بسازید.

در طول دوره، پروژه‌های واقعی را گام به گام خواهید ساخت، از جمله:

  • ایجاد عوامل هوشمند منفرد با قابلیت‌های حافظه و استفاده از ابزار.

  • طراحی سیستم‌های همکاری چند-عاملی با انتقال پیام و اهداف مشترک.

  • پیاده‌سازی دستیاران تحقیقاتی مستقل، ربات‌های اتوماسیون وظایف و عوامل تولید افزوده شده بازیابی (RAG).

شما فقط تئوری را یاد نخواهید گرفت - شما چندین برنامه عاملی سرتاسری را خواهید ساخت و مستقر خواهید کرد و تجربه دنیای واقعی در ساخت سیستم‌های قدرتمند هوش مصنوعی را به دست خواهید آورد.

در پایان این دوره، مهارت‌ها و اعتماد به نفس لازم برای ایجاد عوامل هوش مصنوعی خود و استقرار برنامه‌های عاملی پیچیده برای حوزه‌های مختلف مانند جستجو، تحقیق، برنامه‌ریزی وظایف، پشتیبانی مشتری و غیره را خواهید داشت.

آنچه خواهید آموخت:

  • مفاهیم اصلی هوش مصنوعی عاملی (Agentic AI) و نحوه عملکرد عوامل هوشمند.

  • تسلط عملی بر LangGraph و LangChain برای ساخت سیستم‌های عامل.

  • ساخت گردش‌کارهای هوش مصنوعی مستقل و مبتنی بر رویداد با حافظه، استدلال و ابزار.

  • استقرار و بهینه‌سازی برنامه‌های تک عاملی و چند عاملی.

  • تجربه پروژه دنیای واقعی با عوامل RAG، عوامل تحقیقاتی خودکار و موارد دیگر.

چرا این دوره را انتخاب کنید؟

  • یادگیری عملی و مبتنی بر پروژه: برنامه‌های عامل هوش مصنوعی واقعی بسازید، نه فقط نمونه‌های اسباب‌بازی.

  • کامل و مبتدی پسند: طراحی شده است تا شما را از یک مبتدی به یک سازنده عامل پیشرفته برساند.

  • مهارت‌های دنیای واقعی: تکنیک‌هایی را بیاموزید که شرکت‌ها شروع به استفاده از آنها برای محصولات هوش مصنوعی نسل بعدی می‌کنند.

  • فناوری‌های پیشرفته: بر آخرین نوآوری‌ها در ارکستراسیون عامل هوش مصنوعی با LangGraph و LangChain تسلط یابید.

اگر یک توسعه‌دهنده، دانشمند داده، مهندس هوش مصنوعی/یادگیری ماشین یا علاقه‌مند به فناوری هستید که به دنبال مقاوم‌سازی مهارت‌های خود در برابر آینده و ساخت برنامه‌های هوش مصنوعی پیشرفته هستید، این دوره برای شما مناسب است!

همین حالا ثبت نام کنید و ساختن آینده با عوامل هوش مصنوعی هوشمند را امروز شروع کنید!


سرفصل ها و درس ها

معرفی دوره Introduction To the Course

  • خوش آمدگویی Welcome

نصب آناکوندا و VS Code IDE Installation Of Anaconda And VS Code IDE

  • نصب آناکوندا و ویرایشگر VS Code Installation Of Anaconda And VS Code Editor

  • ایجاد محیط‌های مجازی با استفاده از Conda Creating Virtual Environments Using Conda

  • ایجاد محیط‌های مجازی با استفاده از UV Package Manager Creating Virtual Environments Using UV Package Manager

پیش نیازهای پایتون Python Prerequisites

  • شروع کار با VS Code Getting Started With VS Code

  • مبانی پایتون - سینتکس و معناشناسی Python Basics- Syntax And Semantics

  • متغیرها در پایتون Variables In Python

  • انواع داده های اصلی در پایتون Basic Datatypes In Python

  • عملگرها در پایتون Operators In Python

  • عبارات شرطی (if, elif, else) Conditional Statements(if,elif,else)

  • حلقه ها در پایتون Loops In Python

  • لیست و لیست Comprehension در پایتون List And List Comprehension In Python

  • مثال های عملی لیست Practical Exmaples Of List

  • مجموعه ها در پایتون Sets In Python

  • دیکشنری ها در پایتون Dictionaries In Python

  • تاپل ها در پایتون Tuples In Python

  • شروع کار با توابع Getting Started With Functions

  • مثال های کدنویسی بیشتر با توابع More Coding Examples With Functions

  • تابع لامبدا پایتون Python Lambda Funbction

  • توابع Maps در پایتون Maps Functions Python

  • تابع Filter در پایتون Filter Function In Python

  • وارد کردن ماژول ها و بسته ها در پایتون Import Modules And Package In Python

  • مروری بر کتابخانه استاندارد Standard Library Overview

  • عملیات فایل در پایتون File Operation In Python

  • کار با مسیرهای فایل Working With File Paths

  • مدیریت خطاها Exception Handling

  • کلاس ها و اشیا در پایتون Classes And Objects In Python

  • وراثت در OOPS Inheritance In OOPS

  • چند ریختی در OOPS Polymorphism In OOPS

  • کپسوله سازی در OOPS Encapsulations In OOPS

  • تجرید در OOPS Abstraction In OOPS

  • متدهای جادویی در پایتون Magic Methods In Python

  • بارگذاری عملگر در پایتون Operative Overloading In Python

  • مدیریت خطاهای سفارشی Custom Exception Handling

  • تکرار کننده ها در پایتون Iterators In Python

  • مولدها در پایتون Generators In Python

  • کپی تابع، Closureها و Decoratorها Fucntion Copy.Closures and Decorators

  • Numpy در پایتون Numpy In Python

  • Pandas - DataFrame و Series Pandas-DataFrame And Series

  • دستکاری داده ها با Pandas و Numpy Data Manipulation With Pandas And Numpy

  • خواندن داده ها از منابع مختلف داده با استفاده از Pandas Reading Data From Various Data Source Using Pandas

  • پیاده سازی عملی Logging در پایتون Logging Practical Implementation In Python

  • Logging با چندین Logger Logging With Multiple Loggers

  • Logging با مثال های دنیای واقعی Logging With A Real World Examples

شروع کار با Pydantic در پایتون Getting Started With Pydantic In Python

  • معرفی Pydantic Introduction To Pydantic

  • پیاده سازی عملی Pydantic Pydantic Practical Implementation

Langchain Hands On Langchain Hands On

  • شروع کار با Langchain و Open AI Getting Started With Langchain And Open AI

  • ایجاد محیط مجازی Creating Virtual Environment

  • اجزای مهم LangChain Important Components Of LangChain

  • دریافت داده با Document Loaders Data Ingestion With Documents Loaders

  • Recursive Character Text Splitter Recursive Character Text Splitter

  • Character Text Splitter با Langchain Character Text Splitter With Langchain

  • HTML Header Text Splitter HTML Header Text Splitter

  • Recursive Json Text Splitter Recursive Json Text Splitter

  • معرفی OPENAI Embeddings Introduction To OPENAI Embeddings

  • Ollama Embeddings Ollama Embeddings

  • HuggingFace Embeddings HuggingFace Embeddings

  • Vector Stores - FAISS Vector Stores-FAISS

  • Vector Store و Retriever - Chroma DB Vector Store And Retriever- Chroma DB

شروع کار با OpenAI و Ollama Getting Started With OpenAI And Ollama

  • ساخت اجزای مهم Langchain Building Important Components Of Langchain

  • ساخت برنامه های GENAI Building GENAI Apps

  • درک Retrievers و Chains Understanding Retrievers And Chains

  • معرفی Ollama و راه اندازی Introduction To Ollama And Set Up

  • برنامه ساده GenAI با استفاده از Ollama Simple GenAI App Using Ollama

  • ردیابی برنامه GENAI با استفاده از Langsmith Tracking GENAI App Using Langsmith

ساخت برنامه پایه LLM با استفاده از LCEL Building Basic LLM Application Using LCEL

  • شروع کار با مدل های Open Source با استفاده از Groq API Getting Started With Open Source Models Uing Groq API

  • ساخت زنجیره LLM Prompt و StrOutput Parser با LCEL Building LLM Prompt And StrOutput Parser Chain With LCEL

  • استقرار Langserve Runnable و Chains به عنوان API Deploy Langserve Runnable And Chains As API

ساخت AI agent با تاریخچه مکالمه با استفاده از Langchain Building AI agents With Conversation History Using Langchain

  • ساخت Chatbot با تاریخچه پیام با استفاده از Langchain Building Chatbot With Message History Using Langchain

  • کار با Prompt Template و Message ChatHistory با استفاده از LAngchain Working With Prompt Template And Message ChatHistory Using LAngchain

  • مدیریت تاریخچه مکالمه چت با استفاده از Langchain Managing the Chat Conversation History Using Langchain

  • کار با VectorStore و Retriever Working With VectorStore And Retriever

AI Agents در مقابل Agentic AI AI Agents Vs Agentic AI

  • AI Agent در مقابل Agentic AI چیست؟ What is Ai Agent Vs Agentic AI

  • چند مثال بیشتر Some More Examples

شروع کار با LangGraph Getting Started With LangGraph

  • معرفی LangGraph Introduction To LangGraph

  • شروع کار با برنامه LangGraph - ایجاد محیط Getting Started LangGraph Application- Creating The Environment

  • راه اندازی کلید API OpenAI Setting Up OpenAI API Key

  • راه اندازی کلید API GROQ Setting Up GROQ API KEY

  • راه اندازی کلید API LangSmith Setting Up LangSmith API Key

  • توسعه یک گراف یا گردش کار ساده با استفاده از LangGraph - ساخت Nodes و Edges Developing A Simple Graph or Workflow Using LangGraph- Building Nodes And Edges

  • ساخت گراف ساده StateGraph و Graph Compiling Building Simple Graph StateGraph And Graph Compiling

  • توسعه Chatbot ساده با قدرت LLM با استفاده از LangGraph Developing LLM Powered Simple Chatbot Using LangGraph

اجزای LangGraph LangGraph Components

  • State Schema با DataClasses State Schema With DataClasses

  • Pydantic Pydantic

  • Chain در LangGraph Chain In LangGraph

  • Routers در LangGraph Routers In LangGraph

  • ابزارها و ToolNode با Chain Integration - قسمت 1 Tools And ToolNode With Chain Integration- Part 1

  • ابزارها و Tool Node با Chain Integration - قسمت 2 Tools And Tool Node With Chain Integration-Part 2

  • ساخت Chatbot با یکپارچه سازی چندین ابزار - قسمت 1 Building Chatbot With Multiple Tools Integration- Part 1

  • ساخت Chatbot با یکپارچه سازی چندین ابزار - قسمت 2 Building Chatbot With Multiple Tools Integration-Part 2

  • معرفی Agents و ReAct Agent Architecture در LangGraph Introduction To Agents And ReAct Agent Architecture In LangGraph

  • پیاده سازی ReAct Agent Architecture ReAct Agent Architecture Implementation

  • Agent با حافظه در LangGraph Agent With Memory In LangGraph

  • Streaming در LangGraph Streaming In LangGraph

  • Streaming با استفاده از astream events با استفاده از Langgraph Streaming using astream events Using Langgraph

اشکال زدایی برنامه LangGraph با LangSmith Debugging LangGraph Application With LangSmith

  • LangGraph Studio LangGraph Studio

گردش کارهای مختلف در LangGraph Different Workflows In LangGraph

  • Prompt Chaining Prompt Chaining

  • پیاده سازی Prompt Chaining با Langgraph Prompt Chaining Implementation With Langgraph

  • موازی سازی Parallelization

  • Routing Routing

  • Orchestrator-Worker Orchestrator-Worker

  • پیاده سازی Orchestrator Worker Orchestrator Worker Implementation

  • Evaluator-optimizer Evaluator-optimizer

Human In The Loop در LangGraph Human In The Loop In LangGraph

  • Human In The Loop با LangGraph Workflows Human In The Loop With LangGraph Workflows

  • Human In the Loop ادامه دارد Human In the Loop Continuation

  • ویرایش بازخورد انسانی در گردش کار Editing Human Feedback In Workflow

  • بازخورد انسانی Runtime در گردش کار Runtime Human Feedback In Workflow

RAG با LangGraph RAG With LangGraph

  • درک نظری Agentic RAG Agentic RAG Theoretical Understanding

  • پیاده سازی Agentic RAG - قسمت 1 Agentic RAG Implementation- Part 1

  • پیاده سازی Agentic RAG - قسمت 2 Agentic RAG Implementation-Part 2

  • درک نظری Corrective RAG Corrective RAG Theoretical Understanding

  • پیاده سازی عملی Corrective RAG Corrective RAG Practical Implementation

  • درک نظری Adaptive RAG Adaptive RAG Theoretical Understanding

  • پیاده سازی Adaptive RAG Adaptive RAG Implementation

پروژه های Agentic AI End To End با LangGraph End To End Agentic AI Projects With LangGraph

  • معرفی و بررسی اجمالی Introduction And Overview

  • راه اندازی پروژه با VS Code Project Set Up With VS Code

  • راه اندازی مخزن Github Setting up The Github Repository

  • راه اندازی ساختار پروژه Setting Up The Project Structure

  • طراحی Front End با استفاده از streamlit Designing The Front End Using streamlit

  • پیاده سازی ماژول LLM در Graph Builder Implementing The LLM Module In Graph Builder

  • پیاده سازی ماژول Graph Builder Implementing The Graph Builder Module

  • پیاده سازی Node Implementation Implementing The Node Implementation

  • ادغام کل Pipeline با Front End Integrating the Entire Pipeline With Front End

  • تست برنامه End To End Agentic Testing The End To End Agentic Application

چت بات Agentic End To End با قابلیت جستجوی وب End To End Agentic Chatbot With Web Search Functionality

  • معرفی پروژه Introduction To The Project

  • پیاده سازی Front End با Streamlit Implementing The Front End With Streamlit

  • پیاده سازی GraphBuilder و Search Tools Pipeline Implementing GraphBuilder and Search Tools Pipeline

  • پیاده سازی Node Functionality با End To End Agentic Pipeline Implementing Node Functionality With End To End Agentic Pipeline

خلاصه کننده اخبار AI پروژه های Agentic AI End To End AI News Summarizer End To End Agentic AI Projects

  • معرفی پروژه Project Introduction

  • ساخت Front End با Streamlit Building the Front End With Streamlit

  • ساخت AI News State Graph Builder Building The AI News State Graph Builder

  • Tevily Client Search Fetch News Node Implementation Tevily Client Search Fetch News Node Implementation

  • پیاده سازی Node Functionality Summarize اخبار AI AI News Summarize Node Functionality Implementation

  • پیاده سازی Node Functionality ذخیره نتایج Save Results Node Functionality Implementation

  • اجرای کل گردش کار AINEWS Agentic Running The Entire AINEWS Agentic Workflow

نمایش نظرات

آموزش بوت کمپ کامل هوش مصنوعی عامل‌محور با LangGraph و Langchain
جزییات دوره
32.5 hours
135
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
8,326
4.7 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

KRISHAI Technologies Private Limited KRISHAI Technologies Private Limited

مهندس هوش مصنوعی و یادگیری ماشین

Krish Naik Krish Naik

مهندس ارشد هوش مصنوعی