آموزش n8n و هوش مصنوعی برای مبتدیان - ضروریات اتوماسیون کسب‌وکار [ویدئویی] - آخرین آپدیت

دانلود n8n + AI for Beginners - Business Automation Essentials [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: اتوماسیون دیگر برای تیم‌های مدرن یک انتخاب نیست، بلکه یک ضرورت است. این مسیر یادگیری با معرفی جامع n8n، نقاط قوت، محدودیت‌ها، مدل قیمت‌گذاری و گزینه‌های میزبانی آغاز می‌شود تا بتوانید مناسب‌ترین ساختار را برای اهداف خود انتخاب کنید. شما به سرعت از تئوری به عمل خواهید رفت و اولین جریان‌های کاری (Workflows) خود را در فضای ابری می‌سازید، APIها را یکپارچه می‌کنید و سرویس‌هایی مانند تلگرام را متصل می‌نمایید و در عین حال با مفاهیمی چون اجرای عملیات، لاگ‌ها و تاریخچه جریان‌های کاری آشنا می‌شوید. در ادامه، دوره به مسیرهای استقرار حرفه‌ای، از جمله میزبانی محلی مبتنی بر Docker و پیکربندی‌های VPS برای کنترل کامل و مقیاس‌پذیری گسترش می‌یابد. شما مدیریت اعتبارنامه‌ها (Credentials)، تریگرها، ساختارهای داده JSON، اکسپرشن‌ها، ترتیب اجرا و استراتژی‌های تست جریان کاری را بررسی خواهید کرد. از طریق پروژه‌های ساختاریافته «بساز و بیاموز»، سیستم‌های اتوماسیون اینباکس را با قابلیت‌های برچسب‌گذاری، حذف داده‌های تکراری و مقایسه مجموعه‌داده‌ها ایجاد کرده و در زمینه دیباگ و بهینه‌سازی تخصص می‌یابید. در نهایت، وارد دنیای اتوماسیون پیشرفته با هوش مصنوعی عامل‌محور (Agentic AI)، زیر-جریان‌های کاری (Sub-workflows)، استراتژی‌های مدیریت خطا، تلاش مجدد با تأخیر نمایی (Exponential Backoff)، حلقه‌ها برای کنترل نرخ درخواست (Rate-limit) و ارزیابی مدل‌ها برای سنجش کیفیت AI خواهید شد. در پایان، شما با اعتماد به نفس کامل، سیستم‌های اتوماسیون قابل اعتماد و مقیاس‌پذیری را طراحی خواهید کرد که آماده استفاده در محیط عملیاتی هستند. این دوره برای توسعه‌دهندگان، مهندسان اتوماسیون و متخصصان فنی با دانش پایه API و آشنایی با JSON طراحی شده است. نتایج یادگیری: - طراحی جریان‌های کاری اتوماسیون مقیاس‌پذیر با استفاده از n8n - استقرار n8n در محیط‌های ابری، Docker و VPS - یکپارچه‌سازی امن APIها و سرویس‌های خارجی - پیاده‌سازی هوش مصنوعی عامل‌محور در جریان‌های کاری ساختاریافته - مدیریت موثر خطاها، تلاش‌های مجدد و محدودیت‌های نرخ درخواست - ارزیابی خروجی‌های هوش مصنوعی با استفاده از معیارهای کیفیت قابل اندازه‌گیری مخاطبان دوره: این دوره برای توسعه‌دهندگان، مهندسان اتوماسیون، بنیان‌گذاران فنی و متخصصان IT که به دنبال کنترل کامل بر اتوماسیون جریان‌های کاری هستند، مناسب است. افرادی که به یکپارچه‌سازی API، فرآیندهای مبتنی بر AI و زیرساخت‌های Self-hosted علاقه دارند، مخاطبان اصلی این دوره هستند. داشتن درک پایه از API، JSON و کار با خط فرمان توصیه می‌شود. آشنایی با Docker مفید است اما الزامی نیست، زیرا مراحل استقرار به صورت گام‌به‌گام آموزش داده شده است. ویژگی‌های دوره: - پوشش کامل استقرارهای ابری و Self-hosted n8n - پروژه‌های واقعی جریان کاری با یکپارچه‌سازی APIها و پلتفرم‌های پیام‌رسان - بررسی ساختاریافته هوش مصنوعی عامل‌محور در سیستم‌های اتوماسیون

سرفصل ها و درس ها

مقدمه‌ای بر n8n و این دوره An Introduction To n8n and This Course

  • n8n چیست؟ What is n8n?

  • با آن چه کارهایی می‌توان انجام داد؟ What can you do with it?

  • داستان نام n8n چیست؟ What's with the name?

  • تاریخچه و ریشه‌های n8n n8n's - Origins

  • نقاط قوت n8n در چیست؟ What n8n is GOOD at

  • n8n در چه مواردی مناسب نیست؟ What n8n is NOT good at

  • طرح‌ها و قیمت‌های n8n n8n Plans and Prices

  • نسخه Community: لایسنس استفاده پایدار Community Edition - The sustainable use licence

  • نسخه Community: کدام ویژگی‌ها رایگان هستند؟ Community Edition - What features are free?

  • انتخاب‌های میزبانی: ابری در مقابل محلی در مقابل VPS Hosting Choices - Cloud vs Local vs VPS

شروع به کار (استفاده از n8n cloud) Getting Started (using n8n cloud)

  • بررسی رابط کاربری و درک ویژگی‌های اصلی Exploring the interface and understanding the main features

  • ساخت حساب کاربری n8n Setting up an n8n account

  • کار با ویرایشگر جریان کاری (Workflow Editor) Navigating in the workflow editor

  • اولین جریان کاری سریع (بخش اول): فراخوانی API با HTTP Request Quick first workflow - Part1 - Calling an API using HTTP request

  • اولین جریان کاری سریع (بخش دوم): تنظیم تلگرام و دریافت Chat ID Quick first workflow - Part 2 - Setting up Telegram and getting a chat ID

  • ویرایشگر، اجراها، لاگ‌ها، ارزیابی‌ها و تاریخچه جریان کاری The workflow editor, executions, logs, evaluations, and workflow history

  • کتابخانه تمپلیت‌های n8n (و مشکلات آن) The n8n template library (and it's issues)

  • وارد کردن، خروجی گرفتن و کپی-پیست کردن نودهای جریان کاری Importing, exporting workflows, copying and pasting workflow nodes

میزبانی محلی n8n با استفاده از Docker (اختیاری) Locally hosting n8n using Docker (Optional)

  • چرا داکر (Docker)؟ Why Docker?

  • توری سریع در داکر و ویژگی‌های آن A quick tour of Docker and it's features

  • پیش‌نیازهای داکر Docker pre-requisites

  • نصب Docker Desktop (ویندوز) Installing Docker desktop (Windows)

  • نصب و پیکربندی n8n روی داکر Installing and setting up n8n on Docker

  • به‌روزرسانی ایمیج داکر n8n Updating your n8n Docker image

راه‌اندازی VPS اختصاصی برای n8n (اختیاری) Running your own n8n VPS (Optional)

  • راهنمای گام‌به‌گام تنظیم VPS اقتصادی Walkthrough setup for a budget $/mo VPS

  • ساخت SSH Alias برای اتصال آسان به VPS Creating ssh aliases to make connecting to your VPS easy

  • به‌روزرسانی ایمیج داکر n8n در VPS Updating your n8n Docker image VPS

  • استفاده از توابع PowerShell برای مانیتورینگ و به‌روزرسانی آسان سرور Using PowerShell functions to make server monitoring and updates a breeze

  • اصلاح تنظیمات با تعریف متغیرهای محیطی n8n در Compose Fixing our config by setting n8n environment variables using compose

بساز و بیاموز: مبانی Build & Learn - The Basics

  • تنظیم و ذخیره اعتبارنامه‌های مهم (API Keyها، رمز عبور و غیره) Setting and storing important credentials (API keys, passwords etc)

  • تریگرها و جریان‌های کاری تولیدی/توسعه (افزودن تریگر و زمان‌بندی جیمیل) Triggers & production / development workflows (add a trigger - schedule gmail)

  • مفاهیم پایه: ورودی و خروجی نودها (نمای Schema، Table و JSON) Basic concepts - node input and output (Schema, Table & JSON Views)

  • نحوه مدیریت داده‌ها در n8n و اهمیت درک پایه JSON How n8n handles data, understanding a little JSON is never a bad thing

  • استفاده از نودهای CODE یا EDIT برای تسهیل کار با داده‌ها Using CODE or EDIT nodes to make data easier to work with

  • استفاده از اکسپرشن‌ها برای تبدیل داده‌های ورودی به پرامپت‌های AI Using expressions to turn input data into AI prompts

  • یک نود چند بار اجرا می‌شود؟ (بستگی دارد) How many times does a node execute? (It depends)

  • ثبیت داده‌های نمونه (Pinning) هنگام تست Pinning mock data whilst testing

  • دسترسی به داده‌های مراحل قبل در جریان کاری و دلایل شکست آن Getting at data from earlier in the workflow (node-links) and how that can fail

  • ترتیب اجرا (وقتی دو مسیر از یک نود خارج می‌شوند چه اتفاقی می‌افتد؟) The order of execution (what happens when 2 paths leave one node?)

  • اجراهای جریان کاری، اجراهای جزئی، نودهای Dirty و غیرفعال Workflow executions, partial executions, dirty and deactivated nodes

  • گسترش جریان کاری برای ایجاد برچسب‌ها (حذف تکراری‌ها و مقایسه مجموعه‌داده‌ها) Expanding our workflow to create labels, (deduplication and dataset comparison)

  • اعمال برچسب‌ها به ایمیل‌ها و استفاده از Sticky Notes برای تعریف بصری جریان کاری Applying labels to emails and using sticky notes to visually define our workflow

بساز و بیاموز: هوش مصنوعی عامل‌محور (Agentic AI) Build & Learn - Agentic AI

  • هوش مصنوعی عامل‌محور: ایجنت‌ها چیستند؟ بازسازی جریان کاری به روش عامل‌محور Agentic AI - What are agents? Re-creating our workflow the agentic way

  • هوش مصنوعی عامل‌محور: تنظیم ابزارها و اجازه دادن به ایجنت برای تعیین پارامترها Agentic AI - Setting up tools and allowing the agent to set parameters

  • هوش مصنوعی عامل‌محور: ارائه دستورالعمل‌های دقیق گام‌به‌گام به ایجنت Agentic AI - Giving detailed step-by-step instructions to our agent

  • مقایسه AI عامل‌محور با پیام‌رسانی کلاسیک: بررسی مصرف توکن Agentic AI vs Classic messaging - Comparing token usage

بساز و بیاموز: تنظیمات، غلبه بر خطاها و زیر-جریان‌های کاری Build & Learn - Settings, Overcoming Errors and Sub-Workflows

  • تنظیمات جریان کاری و کاربرد آن‌ها، ذخیره پیشرفت اجرا Workflow settings and what they do, storing execution progress

  • استفاده از زیر-جریان‌های کاری (Sub-workflows) برای ساده‌سازی جریان‌های بزرگ Using sub-workflows to simplify larger workflows

  • ساخت و استفاده از جریان کاری مدیریت خطا (Error Handler) Creating and using an error handler workflow

  • سه روش برای مدیریت خطاها 3 ways to handle errors

  • تلاش مجدد برای درخواست‌های API و تمپلیت ساده و نمایی برای Backoff و Retry Retrying API requests and a simple and exponential backoff and retry template

بساز و بیاموز: حلقه‌ها (Loops) Build & Learn - Loops

  • حلقه‌ها و دسته‌بندی (برای جلوگیری از محدودیت نرخ API و Throttling) Looping and batching (to avoid API rate limits and throttling)

  • درک شاخه‌بندی در حلقه‌ها و رفع مشکل شمارش مضاعف با Merge Understanding branching in loops and fixing double counted items with Merge

  • به‌روزرسانی مدیریت اینباکس برای کنترل نرخ درخواست‌ها و مدیریت خطاها Updating our Inbox manager to throttle requests and handle errors

بساز و بیاموز: ارزیابی‌ها Build & Learn - Evaluations

  • ارزیابی‌ها: چرا باید از آن‌ها استفاده کنید و چگونه مدل‌های مختلف AI را ارزیابی کنید Evaluations - Why you should use them and how to evaluate different AI models

  • ارزیابی‌ها: افزودن معیارهای کیفیت Evaluations - adding quality metrics

نمایش نظرات

آموزش n8n و هوش مصنوعی برای مبتدیان - ضروریات اتوماسیون کسب‌وکار [ویدئویی]
جزییات دوره
5h 17m
56
Packtpub Packtpub
(آخرین آپدیت)
1
4 از 5
ندارد
دارد
دارد
David Pedley
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

David Pedley David Pedley

مالک و موسس @ Buildology.io