آموزش هوش مصنوعی عامل‌محور (Agentic AI): مهندسی جامع Agentic AI با پایتون - آخرین آپدیت

دانلود Agentic AI: The Ultimate Agentic AI Engineer with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پروژه‌های عملی برای تسلط بر هوش مصنوعی مدرن عامل‌محور و مولد: عوامل (Agents)، RAG، پایگاه‌های داده برداری (Vector DBs) و استقرار اپلیکیشن‌های AI و موارد بسیار بیشتر. مبانی هوش مصنوعی مولد (Generative AI)، مدل‌های زبانی بزرگ (LLMs)، مهندسی پرامپت و Agentic AI را برای ساخت اپلیکیشن‌های هوشمند و خودمختار بیاموزید. توسعه عوامل هوش مصنوعی آماده تولید با استفاده از پایتون از طریق ادغام فریم‌ورک‌های پیشرو، ابزارها، APIها، پایگاه‌های داده برداری، حافظه، RAG، پروتکل MCP و معماری‌های چند-عاملی (Multi-agent). ساخت و استقرار بیش از ۲۰ پروژه واقعی AI، شامل دستیارهای هوشمند، عوامل خودمختار، اتوماسیون گردش کار، تحلیل هوشمند اسناد، چت‌بات‌ها و دستیارهای کدنویسی. کسب مهارت‌های کاربردی لازم برای بهره‌برداری از فناوری‌های مدرن AI، بهینه‌سازی سیستم‌های هوش مصنوعی و خلق و استقرار با اعتمادبه‌نفس پروژه‌های پیچیده. پیش نیازها: اشتیاق به یادگیری هوش مصنوعی عامل‌محور و مولد

با یادگیری نحوه ساخت اپلیکیشن‌های هوشمند و خودمختار با پایتون، بر آخرین پیشرفت‌های هوش مصنوعی مسلط شوید. این دوره جامع و عملی طراحی شده است تا شما را از مبانی هوش مصنوعی مولد به سیستم‌های پیشرفته Agentic AI با استفاده از قدرتمندترین فناوری‌های امروز برساند.

چه مبتدی باشید که وارد حوزه AI می‌شود و چه توسعه‌دهنده‌ای با تجربه که به دنبال ساخت نسل بعدی اپلیکیشن‌های هوش مصنوعی است، این دوره یک تجربه یادگیری عملی و پروژه-محور را فراهم می‌کند که شما را برای توسعه AI در دنیای واقعی آماده می‌سازد.

شما با درک مفاهیم بنیادی هوش مصنوعی مولد، مدل‌های زبانی بزرگ (LLMs)، مهندسی پرامپت و برنامه‌نویسی پایتون شروع خواهید کرد و سپس به مفاهیم پیشرفته‌ای مانند عوامل AI، سیستم‌های چند-عاملی، تولید تقویت‌شده با بازیابی (RAG)، پایگاه‌های داده برداری، حافظه AI، فراخوانی توابع (Function Calling)، ادغام ابزارها، پروتکل مدل کانتکست (MCP)، گردش‌های کاری AI و معماری‌های سازمانی AI خواهید رسید.

در طول این دوره، تجربه عملی ساخت اپلیکیشن‌های AI آماده تولید را با استفاده از فریم‌ورک‌ها و کتابخانه‌های مدرن به دست خواهید آورد. یاد می‌گیرید چگونه LLMها را به ابزارهای خارجی، APIها، پایگاه‌های داده و منابع دانش متصل کنید و به عوامل AI اجازه دهید به صورت خودمختار استدلال کنند، برنامه‌ریزی نمایند، اطلاعات را بازیابی کرده و وظایف پیچیده را اجرا کنند.

این دوره شامل بیش از ۵ پروژه واقعی است که نحوه ساخت و استقرار سیستم‌های مدرن AI را نمایش می‌دهد. شما چت‌بات‌های هوشمند، سیستم‌های پرسش و پاسخ اسناد، دستیارهای پژوهشی، دستیارهای کدنویسی AI، عوامل پشتیبانی مشتری، ابزارهای اتوماسیون گردش کار، پلتفرم‌های تولید محتوا، دستیارهای تجاری AI، سیستم‌های جستجوی مبتنی بر RAG، اپلیکیشن‌های فعال شده با MCP و راهکارهای مشارکتی چند-عاملی خواهید ساخت.

همچنین بهترین روش‌ها برای طراحی اپلیکیشن‌های AI مقیاس‌پذیر، مدیریت کانتکست و حافظه، بهینه‌سازی پرامپت‌ها، ادغام سرویس‌های خارجی، استقرار اپلیکیشن‌های AI و ساخت سیستم‌های امن و قابل اعتماد مناسب برای محیط‌های تولید را بررسی خواهید کرد.

در پایان این دوره، شما یک پورتفولیوی قوی از پروژه‌های واقعی AI و مهارت‌های عملی لازم برای طراحی، توسعه، استقرار و مقیاس‌بندی اپلیکیشن‌های هوشمند AI با پایتون خواهید داشت. شما مجهز خواهید شد تا از LLMs، RAG، MCP و Agentic AI برای حل مشکلات پیچیده تجاری و ساخت محصولات پیشرو در حوزه AI استفاده کنید.

چه هدف شما تبدیل شدن به مهندس AI، توسعه‌دهنده پایتون، مهندس یادگیری ماشین، توسعه‌دهنده نرم‌افزار، دانشمند داده یا کارآفرینی باشد که محصولات مبتنی بر AI می‌سازد، این دوره دانش، تجربه عملی و مهارت‌های مورد نیاز صنعت را برای موفقیت در دنیای به سرعت در حال تغییر هوش مصنوعی فراهم می‌کند.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

مفاهیم کلیدی هوش مصنوعی عامل‌محور Core Concepts of Agentic AI

  • مفاهیم کلیدی هوش مصنوعی عامل‌محور Core Concepts of Agentic AI

  • اجزای تشکیل‌دهنده یک عامل هوش مصنوعی Components of an AI Agent

مدل‌های زبانی بزرگ (LLMs) Large Language Models (LLMs)

  • مدل‌های زبانی بزرگ (LLMs) Large Language Models (LLMs)

  • مهندسی پرامپت برای عوامل هوش مصنوعی Prompt Engineering for AI Agents

  • استدلال و تصمیم‌گیری در عوامل هوش مصنوعی Reasoning and Decision-Making in AI Agents

برنامه‌ریزی و تجزیه وظایف Planning and Task Decomposition

  • برنامه‌ریزی و تجزیه وظایف Planning and Task Decomposition

  • تولید تقویت‌شده با بازیابی (RAG) برای عوامل Retrieval-Augmented Generation (RAG) for Agents

نمایش نظرات

آموزش هوش مصنوعی عامل‌محور (Agentic AI): مهندسی جامع Agentic AI با پایتون
جزییات دوره
1 hour
8
(آخرین آپدیت)
30
5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lakshmana Rao Netheti Lakshmana Rao Netheti

استاد ریاضیات