آموزش هوش مصنوعی عامل‌محور (Agentic AI) با LangChain و LangGraph - آخرین آپدیت

دانلود Agentic AI with LangChain and LangGraph

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

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: آیا آماده‌اید تا عامل‌های هوشمند AI بسازید که قادر به استدلال، بهبود خودکار و همکاری باشند؟ این دوره کاربردی در عرض ۳ هفته، مهارت‌های لازم برای ساخت سیستم‌های هوش مصنوعی عامل‌محور را با استفاده از LangChain و LangGraph به شما آموزش می‌دهد. شما جریان‌های کاری حالت‌دار (Stateful Workflows) را طراحی خواهید کرد که از حافظه، تکرار و منطق شرطی پشتیبانی می‌کنند. همچنین یاد می‌گیرید چگونه با استفاده از معماری‌های Reflection، Reflexion و ReAct، عامل‌هایی بسازید که بتوانند خروجی‌های خود را تحلیل کرده و به مرور زمان آن‌ها را اصلاح کنند. علاوه بر این، در آزمایشگاه‌های عملی، بر روی ساختارهای بازخورد عامل، ادغام داده‌های خارجی و تولید پاسخ‌های متناسب با متن از طریق استدلال گام‌به‌گام کار خواهید کرد. در ادامه، سیستم‌های چند-عاملی (Multi-agent) همکاری‌کننده‌ای را توسعه خواهید داد که وظایف را هماهنگ کرده، داده‌های مرتبط را بازیابی می‌کنند و مسائل پیچیده را با استفاده از Agentic RAG حل می‌کنند. همچنین در زمینه ارکستراسیون عامل‌ها، مسیریابی کوئری‌ها و استراتژی‌های حاکمیتی برای ساخت اپلیکیشن‌های AI مقیاس‌پذیر و پایدار تجربه کسب خواهید کرد. در پایان این دوره، شما نمونه‌های اولیه و کاربردی از سیستم‌های عامل‌محور را ساخته‌اید و مهارت‌های عملی برای طراحی عامل‌های قابل اعتماد و تطبیق‌پذیر را به دست آورده‌اید. همین امروز ثبت‌نام کنید و رزومه خود را متحول کنید!

سرفصل ها و درس ها

مقدمه‌ای بر LangGraph Introduction to LangGraph

معرفی دوره Course Introduction
مرور گواهینامه حرفه‌ای RAG و هوش مصنوعی عامل‌محور RAG and Agentic AI Professional Certificate Overview
تفاوت هوش مصنوعی مولد و عامل‌محور Generative versus Agentic AI
اجزای اصلی LangGraph Core Components of LangGraph
مقایسه LangGraph و LangChain: چه زمانی از کدام استفاده کنیم LangGraph versus LangChain: When to Use What 
شروع کار با LangGraph 101 Getting Started with LangGraph 101

ساخت عامل‌های خود-بهبوددهنده با LangGraph Build Self-Improving Agents with LangGraph

مرور کلی: انواع عامل‌های هوش مصنوعی Overview: Types of AI Agents
هنر خود-بهبودی AI: ساخت عامل‌های Reflection The Art of AI Self-Improvement: Building Reflection Agents
درک عامل‌های Reflexion Understanding Reflexion Agents
ساخت عامل‌های Reflexion Building Reflexion Agents
معماری ReAct: ساخت عامل‌هایی که پیش از اقدام استدلال می‌کنند ReAct: Building Agents that Reason Before Acting

سیستم‌های چند-عاملی و Agentic RAG با LangGraph Multi-Agent Systems and Agentic RAG with LangGraph

مقدمه‌ای بر سیستم‌های چند-عاملی Introduction to Multi-Agent Systems
ریسک‌های هوش مصنوعی عامل‌محور: آنچه باید درباره AI خودمختار بدانید Risks of Agentic AI: What You Need to Know About Autonomous AI
Agentic RAG: ارتقای بازیابی داده‌ها با سیستم‌های چند-عاملی Agentic RAG: Enhance Retrieval with Multi-Agent Systems
جمع‌بندی دوره Course Wrap-up