لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش توسعه هوش مصنوعی بدون کدنویسی با Flowise
- آخرین آپدیت
دانلود No-Code AI Development with Flowise
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
توسعه هوش مصنوعی بدون کد (No-code AI) در حال تبدیل شدن به یکی از سریعترین روشها برای ساخت اپلیکیشنهای هوشمند بدون نیاز به نوشتن کدهای پیچیده است. در این دوره عملی، شما نحوه استفاده از Flowise را خواهید آموخت؛ یک پلتفرم بصری و بدون کد برای مدیریت جریانهای کاری هوش مصنوعی که به شما کمک میکند تا جریانهای کاری مبتنی بر LLM، زنجیرههای پرامپت (Prompt Chains)، سیستمهای RAG، عاملهای ابزار-محور (Tool-using Agents) و اپلیکیشنهای قابل استقرار AI را از طریق یک رابط بصری کشیدن و رها کردن (Drag-and-Drop) بسازید.
شما با درک مفاهیم بنیادی Agentic AI و توسعه بدون کد شروع خواهید کرد، از جمله اینکه پلتفرمهای جریان کاری AI چگونه عمل میکنند، گرهها (Nodes) چگونه متصل میشوند و دادهها چگونه در یک جریان بصری حرکت میکنند. سپس، از طریق تمرینات عملی، مراحل نصب Flowise و پیکربندی ارائهدهندگان مدل را طی کرده و به سراغ ساخت قالبهای پرامپت، تولید خروجیهای ساختاریافته JSON، ایجاد زنجیرههای چندمرحلهای، طراحی جریانهای کاری RAG، اتصال ابزارها، افزودن نردههای حفاظتی (Guardrails) و استقرار کامل جریانهای کاری AI خواهید رسید.
در پایان این دوره، شما قادر خواهید بود:
- مفاهیم اصلی Agentic AI، توسعه بدون کد، جریانهای کاری Flowise، گرهها، زنجیرهها، ابزارها و جریان داده را تعریف کنید.
- Flowise را نصب کرده، ارائهدهندگان مدل را پیکربندی کنید، LLMها را متصل نموده و مدیریت کلیدهای API، مصرف توکن و هزینههای API هوش مصنوعی را درک کنید.
- پرامپتهای قابل اعتماد طراحی کنید، از متغیرها استفاده نمایید، خروجیهای ساختاریافته JSON تولید کنید و زنجیرههای پردازشی چندمرحلهای LLM بسازید.
- جریانهای کاری RAG مبتنی بر اسناد را با استفاده از بارگذاری سند، تکهبندی (Chunking)، Embeddingها، ذخیرهسازهای برداری (Vector Stores)، متادیتا و بهینهسازی بازیابی ایجاد کنید.
- عاملهای ابزار-محور بسازید، خطاهای فراخوانی ابزار را مدیریت کنید، نردههای حفاظتی اعمال نمایید، عملکرد جریان کاری را ارزیابی کرده و جریانهای کاری AI را به صورت مسئولانه مستقر کنید.
این دوره برای مبتدیان، توسعهدهندگان نرمافزار، علاقهمندان به هوش مصنوعی، متخصصان اتوماسیون، تحلیلگران کسبوکار، تیمهای محصول و یادگیرندگانی طراحی شده است که میخواهند بدون نوشتن کد کامل اپلیکیشن، جریانهای کاری مبتنی بر AI بسازند. اگر در Flowise، ابزارهای بدون کد AI یا جریانهای کاری Agentic AI تازهکار هستید، این دوره یک نقطه شروع عملی است.
یادگیرندگان باید آشنایی اولیه با هوش مصنوعی و علاقه به ساخت اپلیکیشنهای مبتنی بر جریان کاری داشته باشند. تجربه قبلی در کدنویسی مفید است اما ضروری نیست. آشنایی با APIها، پرامپتها، اسناد و ابزارهای پایه وب، دنبال کردن تمرینات عملی را آسانتر میکند.
همین حالا ثبتنام کنید و بیاموزید که چگونه جریانهای کاری AI را با Flowise طراحی، ساخت، تست، ارزیابی و مستقر کنید. با مبانی شروع کنید، با جریانهای کاری واقعی بدون کد تمرین کنید و اعتماد به نفس خود را در استفاده از توسعه بصری AI به عنوان بخشی از اتوماسیون مدرن و ساخت اپلیکیشن افزایش دهید.
سرفصل ها و درس ها
مبانی Flowise و توسعه جریان کاری هوش مصنوعی
Flowise Foundations and AI Workflow Development
معرفی دوره
Course Introduction
مقدمهای بر Agentic AI و توسعه بدون کد هوش مصنوعی
Introduction to Agentic AI and No-Code AI Development
پلتفرمهای جریان کاری بدون کد AI چگونه عمل میکنند
How No-Code AI Workflow Platforms Work
تمرین عملی: آشنایی با محیط کاری Flowise و سازنده بصری
Hands-On: Understanding Flowise Workspace and Visual Builder
تمرین عملی: راهاندازی Flowise برای اولین پروژه شما
Hands-On: Setting Up Flowise for Your First Project
تمرین عملی: پیکربندی ارائهدهندگان مدل و اتصال اولین LLM
Hands-On: Configuring Model Providers and Connecting Your First LLM
آناتومی یک جریان کاری Flowise: گرهها، زنجیرهها و جریان داده
Anatomy of a Flowise Workflow: Nodes, Chains, and Data Flow
تمرین عملی: ساخت، تست و اشتراکگذاری اولین جریان کاری پردازش متن
Hands-On: Build, Test, and Share Your First Text Processing Workflow
مهندسی پرامپت، خروجیهای ساختاریافته و جریانهای کاری RAG
Prompt Engineering Structured Outputs and RAG Workflows
طراحی پرامپتها برای خروجیهای قابل اعتماد در جریان کاری AI
Designing Prompts for Reliable AI Workflow Outputs
تمرین عملی: ایجاد قالبهای پرامپت با متغیرها
Hands-On: Creating Prompt Templates with Variables
تمرین عملی: تولید خروجیهای ساختاریافته JSON در Flowise
Hands-On: Producing Structured JSON Outputs in Flowise
تمرین عملی: ساخت یک زنجیره پردازشی چندمرحلهای LLM
Hands-On: Building a Multi-Step LLM Processing Chain
تمرین عملی: تست و عیبیابی خروجیهای زنجیره
Hands-On: Testing and Debugging Chain Outputs
چرا RAG برای جریانهای کاری AI مبتنی بر اسناد اهمیت دارد
Why RAG Matters for Document-Grounded AI Workflows
تمرین عملی: بارگذاری و تکهبندی اسناد در Flowise
Hands-On: Loading and Chunking Documents in Flowise
تمرین عملی: ایجاد یک جریان کاری RAG با Embeddings و ذخیرهسازهای برداری
Hands-On: Creating a RAG Workflow with Embeddings and Vector Stores
تمرین عملی: بهبود بازیابی با Top K، اندازه تکهها و متادیتا
Hands-On: Improving Retrieval with Top-K, Chunk Size, and Metadata
عاملهای Flowise، ادغام ابزارها، ارزیابی و استقرار
Flowise Agents Tool Integration Evaluation and Deployment
از زنجیرهها به عاملها: استدلال و استفاده از ابزار
From Chains to Agents: Reasoning and Tool Use
تمرین عملی: ساخت اولین عامل ابزار-محور شما
Hands-On: Building Your First Tool-Using Agent
تمرین عملی: اتصال ماشینحساب، جستجو و ابزارهای سفارشی
Hands-On: Connecting Calculator, Search, and Custom Tools
تمرین عملی: مدیریت خطاهای عامل، جایگزینها و فراخوانیهای ناموفق ابزار
Hands-On: Handling Agent Errors, Fallbacks, and Failed Tool Calls
تمرین عملی: کنترل رفتار عامل با استفاده از Guardrail
Hands-On: Controlling Agent Behavior with Guardrail
ارزیابی جریانهای کاری AI: دقت، هزینه، تأخیر و امنیت
Evaluating AI Workflows: Accuracy, Cost, Latency, and Safety
تمرین عملی: استقرار، نظارت و تکرار در یک جریان کاری Flowise
Hands-On: Deploying, Monitoring, and Iterating a Flowise Workflow
نمایش نظرات