استادی Agentic AI 2026: آموزش LangChain، LangGraph و CrewAI - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر دوره Introduction to the Course

• مقدمه Introduction

• منابع دوره Course Resources

شروع یادگیری پایتون Python begins!!

• خوش‌آمدگویی به ماژول پایتون Welcome to the module on Python

• مقدمه Introduction

• انواع داده‌ها و عملگرها Datatypes & Operators

• متغیرها و کلمات کلیدی Variables & Keywords

ساختارهای داده در پایتون Python Data Structures

• لیست‌ها (Lists) Lists

• تاپل‌ها (Tuples) Tuples

• مجموعه‌ها (Sets) Sets

• دیکشنری‌ها (Dictionary) Dictionary

کار با فایل‌ها، حلقه‌ها و توابع در پایتون Python File Handling, Loops & Functions

• حلقه‌ها و تکرارها Loops & Iterations

• توابع در پایتون Functions in Python

• توابع Map، Reduce و Filter Map, Reduce & Filter Functions

• مدیریت فایل‌ها File Handling

ساختارهای کنترلی و برنامه‌نویسی شی‌گرا (OOP) Control Structures & OOPs

• ساختارهای کنترلی Control Structures

• مفاهیم برنامه‌نویسی شی‌گرا Object Oriented Programming Concepts

پایتون برای علوم داده و تحلیل داده‌ها Python for Data Science & Analysis

• کتابخانه Pandas Pandas

• کتابخانه Numpy Numpy

پایتون برای بصری‌سازی داده‌ها Python for Data Visualization

• بصری‌سازی داده‌ها Data Visualization

• کتابخانه Matplotlib Matplotlib

• کتابخانه Seaborn Seaborn

مقدمه‌ای بر NLP (پیش‌نیاز) Introduction to NLP (Pre-Requisite)

• خوش‌آمدگویی به ماژول NLP Welcome to the module on NLP

• مقدمه Introduction

• مقدمه (بخش دوم) Introduction (Part II)

• چالش‌های کلیدی NLP NLP Key Challenges

• زبان‌شناسی Linguistics

مبانی NLP (پیش‌نیاز) NLP Basics (Pre-Requisite)

• یکسان‌سازی حروف (Case Folding) Case Folding

• حذف کاراکترهای خاص Special Character Removal

• مدیریت مخفف‌ها Handling Contractions

• توکن‌سازی (Tokenization) Tokenization

• حذف کلمات توقف (Stop Words) Stop Words Removal

• n-Grams nGrams

• برداری کردن (Vectorization) Vectorization

• جاسازی کلمات (Word Embeddings) Word Embeddings

• تئوری کیسه کلمات (Bag of Words) Bag of Words (Theory)

• تمرینات عملی کیسه کلمات Bag of Words (Practicals)

• تئوری TF-IDF TF-IDF (Theory)

• تمرینات عملی TF-IDF TF-IDF (Practicals)

• برچسب‌گذاری نقش کلمات (POS) و NER Part of Speech Tagging & NER

• تمرینات عملی شناسایی موجودیت‌های نام‌دار (NER) Named Entity Recognition (Practicals)

جاسازی کلمات یا Word Embeddings (پیش‌نیاز) Word Embeddings (Pre-Requisite)

• مقدمه Word2Vec Word2Vec Intro

• Word2Vec بخش دوم Word2Vec Part 2

• مدل‌های پیش‌آموزش‌دیده Word2Vec Pretrained Word2Vec

• درک شهودی Word2Vec Word2Vec INTUITION

• Word2Vec و ۵۰ ویژگی Word2Vec 50Features

• Word2Vec مدل CBOW Word2Vec CBOW

• Word2Vec مدل SkipGrams Word2Vec SkipGrams

• مدل GloVe GloVe

• مدل fastText fastText

• شباهت کسینوسی (Cosine Similarity) Cosine Similarity

شبکه‌های عصبی NLP (پیش‌نیاز) NLP Neural Networks (Pre-Requisites)

• LSTM بخش اول LSTM Part 1

• LSTM بخش دوم (معماری) LSTM Part 2 (Architecture)

• LSTM بخش سوم (بررسی عمیق معماری) LSTM Part 3 (Deep Dive Architecture)

• LSTM بخش چهارم (عملیات نقطه به نقطه) LSTM Part 4 (Pointwise Operations)

• LSTM بخش پنجم (درگاه فراموشی) LSTM Part 5 forgetGate

• LSTM بخش ششم (درگاه ورودی) LSTM Part 6 inputGate

• LSTM بخش هفتم (درگاه خروجی) LSTM Part 7 outputGate

• تمرینات عملی LSTM بخش ۸ LSTM Part 8 Practicals

• تمرینات عملی LSTM بخش ۹ LSTM Part 9 Practicals

• تمرینات عملی LSTM بخش ۱۰ LSTM Part 10 Practicals

• GRU بخش اول GRU Part 1

• GRU بخش دوم GRU Part 2

• GRU بخش سوم (resetGate) GRU Part 3 (resetGate)

• GRU بخش چهارم (updateGate) GRU Part 4 (updateGate)

• تمرینات عملی GRU بخش ۵ GRU Part 5 Practicals

• RNN دوجهته (Bi-Directional RNN) Bi Directional RNN

یادگیری عمیق یا Deep Learning (پیش‌نیاز) Deep Learning (Pre-Requisite)

• خوش‌آمدگویی به ماژول یادگیری عمیق (DL) Welcome to the module on DL

• مقدمه بر یادگیری عمیق Introduction to DL

• درک یادگیری عمیق Understanding Deep Learning

• نورون چیست؟ What is a Neuron

• توابع فعال‌ساز (Activation Functions) Activation Functions

• تابع پله‌ای (Step Function) Step Function

• تابع خطی (Linear Function) Linear Function

• تابع سیگموئید (Sigmoid) Sigmoid Function

• تابع TanH TanH Function

• تابع ReLU ReLU Function

• پس‌انتشار در مقابل گذر پیشرو (Backpropagation vs Forward Pass) Backpropagation vs Forward Pass

• گرادیان کاهشی (Gradient Descent) Gradient Descent

• درک شهودی ANN ANN Intuition

• تمرینات عملی ANN ANN (Practicals)

• بهینه‌سازی هایپرپارامترها در ANN ANN (Hyper Parameter Optimization)

• مراحل CNN CNN - Steps in CNN

• CNN چیست؟ CNN - What is CNN

• توضیح معماری CNN CNN - Architecture Explained

• CNN افزایش داده‌های تصویری (Image Augmentation) CNN - Image Augmentation

• CNN مفهوم Batch size در مقابل iterations و epochs CNN - Batch size vs iterations vs epochs

• پیاده‌سازی کد CNN CNN - Code Implementation of CNN

• خلاصه مدل و پارامترها در CNN CNN - Model Summary & Parameters

• پروژه عملی CNN (طبقه‌بندی تصاویر X-Ray) CNN - Hands on Project (XRAY Image Classification)

• مبانی RNN RNN - Basics

• انواع RNN RNN - Types of RNN

• مشکل Vanishing Gradient در مقابل Exploding Gradient RNN - Vanishing Gradient vs Exploding Gradient Problem

• مدل‌های LSTM RNN - LSTMs

• تمرینات عملی LSTM RNN - LSTMs (Practicals)

• تئوری مدل‌های پیش‌آموزش‌دیده Pre Trained Models (Theory)

• تمرینات عملی مدل‌های پیش‌آموزش‌دیده Pre Trained Models (Practicals)

• مدل VGG16 VGG16

• مدل MobileNet MobileNet

• یادگیری انتقالی (Transfer Learning) Transfer Learning

• پروژه نهایی و کار با Streamlit Final Project + Streamlit

ترنسفورمرها (پیش‌نیاز) Transformers (Pre-Requisite)

• خوش‌آمدگویی به دنیای Gen AI Welcome to the journey of Gen AI

• انواع ترنسفورمرها Transformers Types

• ترنسفورمرها چیستند؟ What are Transformers

• مکانیزم Self Attention: تمام آنچه نیاز دارید Self Attention is all you need!!

• معماری رمزگذار (Encoder) Encoder Architecture

• جاسازی‌های متنی (Contextual Embeddings) Contextual Embeddings

• معماری رمزگشا (Decoder) Decoder Architecture

معماری فقط رمزگذار یا Encoder Only (پیش‌نیاز) Encoder Only Architecture (Pre-Requisite)

• مقدمه بر BERT Introduction to BERT

• پیکربندی‌های BERT BERT Configurations

• تنظیم دقیق BERT (Fine Tuning) BERT Fine Tuning

• پیش‌آموزش BERT (Masked LM) BERT Pre Training (Masked LM)

• جاسازی ورودی‌های BERT Input Embeddings BERT

• تفاوت ARLM و AELM ARLM vs AELM

• مدل RoBERTa RoBERTa

• مدل DistilBERT DistilBERT

• مدل AlBERT AlBERT

معماری فقط رمزگشا یا Decoder Only Decoder Only Architecture

• مقدمه بر GPT Introduction to GPT

• معماری GPT GPT Architecture

• GPT و مکانیزم Masked Multi Head Attention GPT (Masked Multi Head Attention)

• بلوک‌های GPT GPT Blocks

• آموزش GPT GPT Training

مبانی LLM: توکن‌ها، پنجره زمینه، پرومپت و تنظیم پرومپت LLM Basics - Tokens, Context Window, Prompt, Prompt Tuning etc.

• توکن‌ها چیستند؟ What are Tokens

• پنجره زمینه (Context Window) Context Window

• پرومپت چیست؟ What is a Prompt?

• مهندسی پرومپت (Prompt Engineering) Prompt Engineering

• تنظیم پرومپت (Prompt Tuning) Prompt Tuning

• ساختارهای پرومپت Prompt Structures

سیستم‌های RAG (تولید تقویت‌شده بازیابی) RAGs (Retrieval Augmented Generation)

• مقدمه‌ای بر سیستم‌های RAG Introduction to RAGs

• RAG چیست و چرا استفاده می‌شود؟ RAGs - What and Why

• موارد استفاده از RAG RAGs - Use Cases

• بررسی مقاله پژوهشی RAG RAGs - Research Paper

• معماری‌های RAG و معماری VectorDB RAGs Architectures + VectorDB Architecture

• معماری دقیق RAG RAGs - Detailed Architecture

• ساخت چت‌بات مبتنی بر مقاله با OpenAI (عملی) RAGs - Research Paper based Chatbot using Open AI (Practicals)

فریمورک LangChain LangChain

• فریمورک LangChain LangChain

مهندسی پرومپت Prompt Engineering

• مقدمه‌ای بر مهندسی پرومپت Introduction to Prompt Engineering

• انواع پرومپت‌نویسی Types of Prompting

• محدودیت‌های Few Shot Few Shot Limitations

• پرومپت‌نویسی زنجیره افکار (Chain of Thoughts) Chain of Thoughts Prompting

پایگاه‌های داده برداری در مقابل ایندکس برداری Vector Databases vs Vector Index

• پایگاه‌های داده برداری Vector Databases

• تفاوت ایندکس برداری و پایگاه داده برداری Vector Index vs Vector Database

• نحوه عملکرد پایگاه داده برداری How Vector db works

• تمرینات عملی پایگاه داده برداری Vector Database (Practicals)

• مفهوم LSH LSH

مرور مدل: Ollama Model Overview: Ollama

• مرور کلی مدل Model Overview

• شروع کار با Ollama Getting Started with Ollama

• تست مدل Model Testing

• پیاده‌سازی با پایتون Python Implementation

• سیستم‌های RAG با Ollama RAG Systems with Ollama

• تمرینات عملی RAG با Ollama RAG Systems with Ollama (Practicals)

مرور مدل‌ها: OpenAI و xAI Model Overview: OpenAI and xAI

• مرور کلی APIهای LLM LLM APIs Overview

• سیستم‌های RAG با xAI: APIهای LLM RAG Systems with xAI: LLM APIs

• تمرینات عملی RAG با xAI RAG Systems with xAI: LLM APIs (Practicals)

تنظیم دقیق مدل یا Fine Tuning Fine Tuning

• مقدمه Introduction

• تفاوت RAG و Fine Tuning RAGs vs Fine Tuning

• چه زمانی از RAG یا Fine Tuning استفاده کنیم؟ When to use RAG/Fine-Tuning?

• تنظیم دقیق مدل (Fine Tuning) Fine Tuning

• تکنیک‌های PEFT و کوانتایزیشن (Quantization) PEFT and Quantization

• LoRA بخش اول (Low Rank) LoRA (Phase I - Low Rank)

• LoRA بخش دوم (Adapters) LoRA (Phase II - Adapters)

• LoRA بخش سوم (Low Rank + Adapters) LoRA (Phase III - Low Rank + Adapters)

• qLoRA (کوانتایز شده) qLoRA (Quantized LoRA)

ارزیابی RAG و معیارهای سنجش RAG Assessment and Evaluation Metrics

• مقدمه Introduction

• مقدمه‌ای بر ارزیابی RAG Introduction to RAG Evaluation

• معیارهای N-gram (BLEU) N-gram Metrics (BLEU)

• معیارهای N-gram (ROUGE) N-gram Metrics (ROUGE)

• معیارهای N-gram (METEOR) N-gram Metrics (METEOR)

• معیارهای درونی (PPL Score) Intrinsic Metrics (PPL Score)

• تمرینات عملی PPL Score Intrinsic Metrics (PPL Score) Practicals

• معیارهای مبتنی بر مدل (BARTScore در مقابل BERTScore) Model-based Metrics (BARTScore vs BERTScore)

• چارچوب RAGAS (ارزیابی RAG) RAGAS Framework (RAG Assessment)

• ارزیابی RAG با RAGAS (عملی) (PRACTICALS) Rag Evaluation by RAGAS

• ارزیابی RAG با BLEU و ROUGE (عملی) (PRACTICALS) Rag Evaluation by BLEU, ROUGE

• ارزیابی RAG با BERTScore و BARTScore (عملی) (PRACTICALS) Rag Evaluation by BERTScore, BARTScore

استقرار برنامه‌های هوش مصنوعی تولیدی (Gen AI) Deployment of Gen AI Applications

• مقدمه‌ای بر استقرار (Deployment) در ML و DL و NLP Introduction to Deployment (ML, DL, NLP etc)

• مقدمه بر Flask Introduction to Flask

• ساخت یک برنامه پایه با Flask Building a basic Flask App

• ساخت مدل (تشخیص سرطان سینه) Model Building (Breast Cancer)

• برنامه Flask برای تشخیص سرطان سینه Flask App (Breast Cancer)

• نقش ابر (Cloud) در استقرار (AWS) Role of Cloud in Deployment (AWS)

• استقرار برنامه ML/DL در AWS AWS Deployment of ML/DL Application

• استقرار مدل‌های Gen AI Gen AI Model Deployment

• نمودار معماری Architecture Diagram

• ارائه مدل (Model Serving) Model Serving

• گام‌های بعدی Next Steps

• چت‌بات Air India Air India Chatbot

• کدنویسی مبتنی بر PDF Code - PDF Based

• کدنویسی مبتنی بر دایرکتوری Code - Directory Based

• برنامه Streamlit Streamlit App

• استقرار روی AWS EC2 AWS EC2 Deployment

پروژه‌های هوش مصنوعی تولیدی Gen AI Projects

• پروژه ۱: چت‌بات پژوهشی RAG Project 1: Research RAG Chatbot

• پروژه ۲: چت‌بات Scholar Chatbot + سیستم نمره دهی مقاله Project 2: Chat Scholar Chatbot + Essay Grading System

• پروژه ۳: پردازش ادعاهای بیمه با هوش مصنوعی Project 3: AI Powered Insurance Claims Processing

• پروژه ۴: مربی شغلی AI (بخش ۱) Project 4: AI Career Coach (Part 1)

• پروژه ۴: مربی شغلی AI (بخش ۲) Project 4: AI Career Coach (Part 2)

• پروژه ۴: مربی شغلی AI (بخش ۳) Project 4: AI Career Coach (Part 3)

• پروژه ۵: چت‌بات پایداری محیطی (با Grok 3 از xAI) Project 5: Sustainability Chatbot (xAI's Grok-3)

• پروژه ۶: چت‌بات RAG چند-PDF مبتنی بر داده‌های وب‌اسکرپ شده Project 6: Multi PDF RAG Chatbot built on Web Scraped Data

• پروژه ۷: چت‌بات Text-to-SQL (بخش ۱) Project 7: Text-to-SQL Chatbot: Part 1

• پروژه ۷: چت‌بات Text-to-SQL (بخش ۲) Project 7: Text-to-SQL Chatbot: Part 2

• پروژه ۷: چت‌بات Text-to-SQL (بخش ۳) Project 7: Text-to-SQL Chatbot: Part 3

• پروژه ۷: چت‌بات Text-to-SQL (بخش ۴) Project 7: Text-to-SQL Chatbot: Part 4

• پروژه ۷: چت‌بات Text-to-SQL (بخش ۵) Project 7: Text-to-SQL Chatbot: Part 5

• پروژه ۷: چت‌بات Text-to-SQL (بخش ۶) Project 7: Text-to-SQL Chatbot: Part 6

• پروژه ۷: چت‌بات Text-to-SQL (بخش ۷) Project 7: Text-to-SQL Chatbot: Part 7

شروع کار با Agentic AI با LangChain Getting Started with Agentic AI - LangChain

• مقدمه‌ای بر Agentic AI Introduction to Agentic AI

• مثال‌های Agentic AI Agentic AI Examples

• مقدمه بر ابزارها Tools Intro

• ابزارهای داخلی Built-in Tools

• ابزارهای سفارشی: روش اول Custom Tools - Method 1

• ابزارهای سفارشی: روش دوم Custom Tools - Method 2

• ابزارهای سفارشی: روش سوم Custom Tools - Method 3

• مجموعه ابزارها (Tool kit) Tool kit

• فراخوانی ابزار #۱ Tool Calling #1

• فراخوانی ابزار #۲ Tool Calling #2

• اجرای ابزار Tool Execution

• ابزار تبدیل ارز Currency Conversion Tool

• عامل برنامه‌ریزی سفر: ایده پروژه ۱ Travel Planning Agent - Project Idea 1

• عامل برنامه‌ریزی سفر: ایده پروژه ۲ Travel Planning Agent - Project Idea 2

• عامل برنامه‌ریزی سفر: ایده پروژه ۳ Travel Planning Agent - Project Idea 3

• تمرینات عملی عامل AI AI Agent Practicals

• تئوری و توضیح کد عامل AI #۱ AI Agent Code Explanation and Theory #1

• تئوری و توضیح کد عامل AI #۲ AI Agent Code Explanation and Theory #2

ساخت دستیار چت با LangChain (برنامه‌ای مشابه الکسا) Building a Chat Assistant using LangChain (Alexa Like Application)

• بررسی جامع پروژه Project Walkthrough

• ساخت پروژه Project Building

• بررسی کدها Code Walkthrough

• سیستم چند-عاملی با استفاده از LangChain Multi Agent System using LangChain

هوش مصنوعی عاملی با LangGraph Agentic AI with LangGraph

• مقدمه Introduction

• هوش مصنوعی تولیدی در مقابل هوش مصنوعی سنتی Gen AI vs Traditional AI

• هوش مصنوعی تولیدی در مقابل Agentic AI Gen AI vs Agentic AI

• بررسی سناریو Scenario

• ویژگی‌های کلیدی عامل‌های AI Key Characteristics of AI Agents

• ویژگی ۱: خودمختاری (Autonomy) Characteristics #1 - Autonomy

• ویژگی ۲: هدف‌مندی (Goal Oriented) Characteristics #2 - Goal Oriented

• ویژگی ۳: برنامه‌ریزی (Planning) Characteristics #3 - Planning

• ویژگی ۴: استدلال (Reasoning) Characteristics #4 - Reasoning

• ویژگی ۵: سازگاری (Adaptibility) Characteristics #5 - Adaptibility

• ویژگی ۶: آگاهی از زمینه (Context Awareness) Characteristics #6 - Context Awareness

• اجزای سازنده عامل AI Components of AI Agent

• مینی پروژه با LangGraph Mini Project on LangGraph

پروژه سیستم نوبت‌دهی دندانپزشکی (با LangGraph) Dental Appointment System (LangGraph Project)

• مقدمه Introduction

• اجزای اصلی Core Components

• درک داده‌ها Data Understanding

• دموی پروژه Project Demo

• نمودار معماری Architecture Diagram

• بررسی کدها Code Walkthrough

• درک StateGraph و دمو Understanding StateGraph + Demo

هوش مصنوعی عاملی (CrewAI) Agentic AI (CrewAI)

• مقدمه Introduction

• مبانی Agentic AI AI Agent Basics

• اجزای عامل‌های AI Components of AI Agents

• مبانی Crewai Crewai Basics

• تکامل مدل‌های GPT Evolution of GPT Models

• Crewai بخش دوم Crewai - Part 2

• Crewai بخش سوم (فلوچارت) Crewai - Part 3 (Flow Chart)

• نصب Crewai (پروژه پایه) بخش ۱ Crewai Installation (Basic Project) - Part 1

• نصب Crewai (پروژه پایه) بخش ۲ Crewai Installation (Basic Project) - Part 2

• نصب Crewai (پروژه پایه) بخش ۳ Crewai Installation (Basic Project) - Part 3

• خط لوله محتوای بازار (پروژه زنده) بخش ۱ Content Market Pipeline (Live Project) - Part 1

• خط لوله محتوای بازار (پروژه زنده) بخش ۲ Content Market Pipeline (Live Project) - Part 2

• خط لوله محتوای بازار (پروژه زنده) بخش ۳ (استقرار در AWS) Content Market Pipeline (Live Project) - Part 3 (AWS Deployment)

اتوماسیون کم-کد با استفاده از n8n Low Code Automation using n8n

• مقدمه Introduction

• قالب‌های n8n n8n Templates

• دموی ابزار n8n n8n Tool Demo

• پروژه ۱: مرور کلی Project #1 - Overview

• پروژه ۱: مرور کلی جریان کاری Project #1 - Workflow Overview

• پروژه ۱: ساخت جریان کاری از صفر Project #1 - Workflow from scratch

اتوماسیون جذب لید (با n8n) Lead Generation Automation (n8n)

• بررسی جامع پروژه Project Walkthrough

اتوماسیون لینکدین (با n8n) LinkedIn Automation (n8n)

• درک پروژه Understanding the Project

• جریان کاری (Workflow) Workflow

خلاصه‌ساز اخبار مبتنی بر AI (با n8n) AI Powered News Summarizer (n8n)

• مقدمه Introduction

• جریان کاری (Workflow) Workflow

• تنظیمات پروژه Project Setup

چت‌بات RAG (با n8n) RAG Chatbot (n8n)

• RAG چیست؟ What is RAG?

• معماری Architecture

• ساخت یک چت‌بات RAG پایه Building a basic RAG Chatbot

• جاسازی‌های Hugging Face Hugging Face Embeddings

• افزودن پایگاه داده برداری (Pinecone) Adding a Vector Database (Pinecone)

گاردریل‌ها در LangGraph و n8n: تئوری و پیاده‌سازی عملی Guardrails in LangGraph & n8n - Theory + Practical Implementation

• مقدمه Introduction

• عامل تک‌نفره در مقابل چند-عاملی Single Agent vs Multi Agent

• نحوه پیاده‌سازی گاردریل‌ها در سیستم‌های چند-عاملی How to implement Guardrails in Multi Agent Systems

• گاردریل‌ها در LangGraph (تئوری) Guardrails in LangGraph (Theory)

• گاردریل‌ها در LangGraph (عملی ۱) Guardrails in LangGraph (Practicals #1)

• گاردریل‌ها در LangGraph (عملی ۲) Guardrails in LangGraph (Practicals #2)

• پروژه دمو: ساخت دستیار چت الکسا Demo Project (Build an Alexa Chat Assistant)

• پروژه دمو: ساخت دستیار چت الکسا (گاردریل‌ها) Demo Project (Build an Alexa Chat Assistant) - Guardrails

پروتکل‌های MCP در n8n MCPs in n8n

• MCP چیست؟ What is MCP?

• اجزای MCP MCP Components

• معماری کلاینت-سرور Client Server Architecture

• دمو در n8n Demo on n8n

درک پروتکل A2A Understanding on A2A Protocol

• پروتکل A2A A2A Protocol

• MCP چیست؟ What is MCP?

• اجزای MCP MCP Components

• معماری کلاینت-سرور Client Server Architecture

• A2A چیست؟ What is A2A?

• معماری A2A (توضیح ساده) A2A Architecture (Simple Explanation)