آموزش ارکستراسیون و مقیاس‌پذیری عامل‌های هوش مصنوعی (AI Agents) - آخرین آپدیت

دانلود AI Agent Orchestration and Scaling

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به معرفی اصول و کاربردهای مدیریت (Orchestration) و مقیاس‌پذیری عامل‌های هوش مصنوعی می‌پردازد و مفاهیم تئوری را با طراحی عملی سیستم‌ها ترکیب می‌کند. شما یاد خواهید گرفت که چگونه چندین عامل هوش مصنوعی را که برای اجرای جریان‌های کاری هوشمند و خودمختار با هم همکاری می‌کنند، هماهنگ، نظارت و بهینه کنید؛ با تمرکز ویژه بر ساخت راهکارهای مقیاس‌پذیر پشتیبانی مشتری مبتنی بر هوش مصنوعی. از طریق درس‌های ساختاریافته، پروژه‌های راهنما و نمایش‌های عملی، نحوه هماهنگی تعاملات عامل‌ها، تخصیص پویا وظایف و تضمین قابلیت اطمینان سیستم با افزایش پیچیدگی عامل‌ها را بررسی خواهید کرد. شما با الگوهای ارکستراسیون و پروتکل‌های ارتباطی کار خواهید کرد که به عامل‌های هوش مصنوعی اجازه می‌دهد به صورت جمعی استدلال کنند، به ورودی‌های کاربر پاسخ دهند و تصمیم‌گیری‌های لحظه‌ای (Real-time) را مدیریت کنند. در پایان این دوره، شما قادر خواهید بود: • چارچوب‌های ارکستراسیون و استراتژی‌های مقیاس‌پذیری برای سیستم‌های عامل هوش مصنوعی را درک کنید. • تکنیک‌های هماهنگی و نظارت را برای جریان‌های کاری عامل‌های خودمختار پیاده‌سازی کنید. • مدیریت وظایف، توازن بار (Load Balancing) و عملکرد را در محیط‌های چند-عاملی بهینه کنید. • عامل‌های پشتیبانی مشتری مقیاس‌پذیر طراحی کنید که پرسش‌ها را مدیریت کرده، رفتار خود را تطبیق دهند و با دریافت بازخورد بهبود یابند. این دوره برای توسعه‌دهندگان هوش مصنوعی، دانشمندان داده و مهندسان اتوماسیون که می‌خواهند سیستم‌های هوش مصنوعی آماده برای سطح سازمانی (Enterprise-ready) با کارایی بالا در مقیاس بزرگ بسازند، ایده‌آل است. داشتن دانش پایه در برنامه‌نویسی پایتون و تجربه قبلی در زمینه هوش مصنوعی یا یادگیری ماشین مفید خواهد بود اما الزامی نیست. به ما بپیوندید تا کشف کنیم چگونه ارکستراسیون و مقیاس‌پذیری، عامل‌های ساده هوش مصنوعی را به سیستم‌های هوشمند و خودمختاری تبدیل می‌کند که قادر به مدیریت عملیات پیچیده در دنیای واقعی هستند.

سرفصل ها و درس ها

ورودی‌های چندوجهی و ارکستراسیون حالت‌دار Multimodal Inputs and Stateful Orchestration

  • مقدمه تخصصی Specialization Introduction

  • مقدمه دوره Course Introduction

  • گذار از همکاری دیجیتال به خودمختاری واقعی The Shift from Digital Collaboration to True Autonomy

  • تسلط بر ابزار: تعریف حالت گراف و گره‌ها در LangGraph Tool Mastery: LangGraph Defining the Graph State and Nodes

  • تمرین عملی: ایجاد اولین جریان LangGraph و اجرای آن Hands-on: Creating the First LangGraph Flow and Executing It

  • تمرین عملی: پیاده‌سازی گره اولویت‌بندی (Triage) و مسیریابی شرطی Hands-on: Implementing the Tier-1 Triage Node and Conditional Routing

  • تسلط بر ابزار: اصول هوش مصنوعی بینایی و استدلال چندوجهی در Vision LLMs Tool Mastery: Vision LLMs Principles of Visual AI and Multimodal Reasoning

  • تمرین عملی: استفاده از Vision LLMs برای استخراج کدهای خطا از اسکرین‌شات‌های مشتری Hands-On: Using Vision LLMs to Extract Error Codes from Customer Screenshots

  • تمرین عملی: یکپارچه‌سازی ابزارهای API خارجی Hands-on: Integrating External API Tools

  • تمرین عملی: ساخت گره ارکستراسیون چند-ابزاره: منطق تشخیص مرحله‌ای Hands-on: Building the Multi-Tool Orchestration Node: Sequential Diagnostic Logic

  • تمرین عملی: راه‌اندازی رابط چت شبیه‌سازی شده (ورودی/خروجی) Hands-On: Setting up the Simulated Chat Interface Input/Output

  • تمرین عملی: عامل اولویت‌بندی مجهز به بینایی Hands-on: The Visually-Informed Triage Agent

حافظه بلندمدت و بازبرنامه‌ریزی پویا Long-Term Memory and Dynamic Re-Planning

  • تئوری حافظه بلندمدت (حافظه رویدادی در مقابل معنایی در سیستم‌های خودمختار) LTM Theory(Episodic vs. Semantic Memory in Autonomous Systems)

  • تسلط بر ابزار (گراف‌های دانش: مدل‌سازی روابط کاربر و خطا) Tool Mastery (Knowledge Graphs - Modeling User & Error Relationships)

  • تمرین عملی: ثبت تجربه جدید و پرس‌وجوی متن (Context) Hands-on: Writing New Experience and Querying Context

  • تسلط بر ابزار (ماژول‌های حافظه پیشرفته LlamaIndex و منطق تجمیع) Tool Mastery(LlamaIndex Advanced Memory Modules - Consolidation Logic)

  • تمرین عملی: پیاده‌سازی گره بررسی حافظه بلندمدت (LTM) Hands-on: Implementing the LTM Check Node

  • تمرین عملی: نقش عامل برنامه‌ریز (Planner Agent) Hands-on: The Planner Agent's Role

  • تمرین عملی: منطق گره بازبرنامه‌ریزی (Re-Planning) Hands-on: The Re-Planning Node Logic

  • تمرین عملی: ساخت حلقه بازخورد کاربر Hands-on: Building the User Feedback Loop

  • تمرین عملی: پیاده‌سازی زیرگراف‌ها برای وظایف تو در تو Hands-on: Implementing Sub-Graphs for Nested Tasks

  • تمرین عملی: نمایش بازبرنامه‌ریزی پویا مبتنی بر حافظه بلندمدت توسط عامل Hands-on: The Agent Demonstrates LTM-Informed Dynamic Re-Planning

ارکستراسیون، حاکمیت و مقیاس‌پذیری Orchestration, Governance, and Scaling

  • حفاظ هوش برای اقدامات غیرقابل بازگشت: جلوگیری از اجرای جریان‌های کاری پرخطر The Irreversible Action Guardrail: Preventing High-Risk Workflow Execution

  • تمرین عملی: حضور انسان در چرخه (Human in the Loop) و یکپارچه‌سازی گره تحویل دستی Hands-on: Human-in-the-Loop Integrating a Manual Hand-off Node

  • حاکمیت داده: خودکارسازی مسیر حسابرسی و ثبت تصمیمات Data Governance: Automating the Audit Trail and Decision Logging

  • تمرین عملی: Flask - راه‌اندازی سرویس API عامل Hands-on: Flask - Setting up the Agent’s API Service

  • تمرین عملی: Flask - استقرار کامل جریان LangGraph برای دسترسی در محیط عملیاتی Hands-on: Flask - Deploying the Full LangGraph Workflow for Production Access

  • تمرین عملی: مفاهیم مقیاس‌پذیری: عامل‌های لبه (Edge) در مقابل ارکستراسیون ابری Hands-on: Scaling Concepts: Edge Agents vs. Cloud Orchestration

  • استفاده از Kubernetes و کانتینرسازی برای مدیریت ناوگان عامل‌ها Kubernetes/Containerization for Fleet Management

  • تمرین عملی: اتصال تمام ماژول‌ها به عامل پشتیبانی Hands-on: Connecting all Modules into the Support Agent

  • تمرین عملی: تست و اعتبارسنجی جریان کاری خودمختار Hands-on: Testing and Validating the Autonomous Workflow

  • تمرین عملی: یکپارچه‌سازی LangSmith برای نظارت و مشاهده‌پذیری LLM Hands-on: Integrating LangSmith for LLM Monitoring and Observability

  • آینده بهینه‌سازی فرآیندهای خودمختار The Future of Autonomous Process Optimization

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

  • خلاصه دوره Course Summary

نمایش نظرات

آموزش ارکستراسیون و مقیاس‌پذیری عامل‌های هوش مصنوعی (AI Agents)
جزییات دوره
8h 12m
34
(آخرین آپدیت)
692
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده