مبانی هوش مصنوعی برای مبتدیان - آموزش LLM، هوش مصنوعی عامل‌محور و MCP - آخرین آپدیت

سرفصل ها و درس ها

تجربه اولین تعامل با هوش مصنوعی مولد روی سیستم شخصی Getting first hand taste of Generative Ai on your local Machine

• ورود سریع به دنیای هوش مصنوعی Jumping right into the World of Artificial Intelligence

• نصب Ollama روی مک و ویندوز برای تست‌های محلی Setting up Ollama on Mac & Windows for local testing

• ساخت اولین اپلیکیشن AI: مدرس زبان انگلیسی با Ollama Build your first Ai application: English Tutor using Ollama

• بررسی NotebookLM گوگل Explore NotebookLM from Google

• نقشه راه دوره Course Roadmap

• آشنایی با مدرس (در صورت تمایل رد کنید) Know your Instructor - Skip if its boring

• بررسی مدل‌های رایج متن‌باز و بسته Taking a look at some of the widely used Closed and Open source models

مبانی هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLMs) Fundamentals of Generative AI & LLMs

• هوش مصنوعی مولد در مقابل هوش مصنوعی سنتی Generative AI vs traditional AI

• مدل‌های زبانی بزرگ (LLMs) چیستند؟ What are Large Language Models (LLMs)

• نحوه عملکرد LLM How LLM works

• توکن‌ها (Tokens) چیستند؟ What are Tokens

• اصطلاحات تخصصی AI: استنتاج، پنجره کانتکست، توهم، RAG AI Jargons - Inference, Context Window, hallucinations, RAG

هنر مهندسی پرامپت: درک و طراحی پرامپت‌های بهینه Art of Prompt Engineering: Understanding And Crafting good Prompts

• چرا به مهندسی پرامپت نیاز داریم؟ Why need to engineer a prompt?

• نقش Temperature، Top K و Top P در خروجی‌ها Role of Temperature, Top-K, Top-P in Sampling Output

• اجزای تشکیل‌دهنده یک پرامپت Components of Prompt

• تکنیک Zero Shot Prompting Zero Shot Prompting

• تکنیک One Shot و Few Shot Prompting One-Shot or Few-Shot Prompting

• تکنیک زنجیره افکار (Chain of Thought) Chain-of-Thought or CoT Prompting

• تکنیک ReAct (استدلال و اقدام) ReAct or Reason and Act Prompting

• پرامپت‌های سیستمی، زمینه‌ای و نقش‌محور System, contextual and role prompting

مبانی و توسعه هوش مصنوعی عامل‌محور (Agentic AI) Agentic AI Fundamentals and Development

• عامل هوشمند (AI Agent) چیست؟ What is an AI Agent

• اجزای تشکیل‌دهنده یک عامل AI Components of AI agent

• سرویس بدون سرور AWS Bedrock Agent AWS Bedrock Agent - A Serverless Service

• درک معماری عامل AIOPS و پیش‌نیازها Understanding our AIOPS agent Architecture and Pre-req

• تنظیم AWS CLI و اعتبارنامه‌های AWS Setup the AWS CLI and AWS Credentials

• ساخت عامل AI برای AIOPS در AWS Bedrock Create an AIOPS AI agent in AWS Bedrock

• اصول هوش مصنوعی مسئولانه Responsible AI Principles

درک و پیاده‌سازی RAG عامل‌محور (Agentic RAG) Understanding and Implementing Agentic RAG

• درک تولید تقویت‌شده با بازیابی (RAG) Understanding Retrieval Augmented Generation (RAG)

• عامل پذیرش بدون RAG: درک مشکل Front Desk Agent Without RAG - Understanding the problem

• پیاده‌سازی عامل پذیرش مبتنی بر RAG با Langflow Implementing RAG based Front Desk agent using Langflow

• تفاوت RAG سنتی و RAG عامل‌محور Traditional RAG vs Agentic RAG

• پیاده‌سازی Agentic RAG Implementing Agentic RAG

مبانی و کاربردهای پروتکل کانتکست مدل (MCP) Fundamentals of Model Context Protocol (MCP) and Use

• پروتکل MCP چیست؟ رابط جهانی برای AI What is MCP – The Universal Connector for AI

• تجربه کار با سرور Docker MCP Get the taste of Docker MCP server

• معماری پایه MCP Basic MCP Architecture

• ساخت سرور MCP شخصی برای مدیریت تقویم گوگل Build your own MCP server to manage Your Google Calendar

جمع‌بندی Conclusion

• جمع‌بندی نهایی Wrap-up