پی سی دانلود - عامل‌ها

در این دوره آموزشی، شرکت‌کنندگان یاد خواهند گرفت که چگونه جریان‌های کاری چندعامله هوش مصنوعی را با استفاده از مدل‌های زبانی بزرگ (LLMs)، ابزارها و تفویض وظایف در دنیای واقعی سازماندهی کنند. این دوره تجربه عملی برای تقویت مهارت‌های هوش مصنوعی شرکت‌کنندگان فراهم می‌کند. آن‌ها با ساختن و سازماندهی جریان‌های کاری چندعامله هوش مصنوعی با استفاده از CrewAI آشنا خواهند شد. طراحی نقش‌های مختلف برای عامل‌ها مانند سرپرست، محقق و رسیدگی‌کننده به اقدامات را فرا خواهند گرفت. همچنین، نحوه استفاده از مدل‌های زبانی بزرگ برای تصمیم‌گیری و اجرای وظایف شخصی‌سازی‌شده را یاد می‌گیرند. شرکت‌کنندگان قادر خواهند بود اقدامات مبتنی بر ابزار برای بازیابی داده‌ها و تعامل با رابط‌های برنامه‌نویسی کاربردی (APIs) ایجاد کنند. آن‌ها نحوه زنجیره‌کردن چندین عامل برای همکاری پویا و سفارشی‌سازی اعلان‌های عامل برای هدایت رفتار و خروجی را خواهند آموخت. این دوره برای علاقه‌مندان به هوش مصنوعی که به دنبال ساختن سیستم‌های عامل هوشمند هستند که نه تنها صحبت می‌کنند بلکه عمل می‌کنند، مناسب است. شرکت‌کنندگان یاد خواهند گرفت که چگونه با استفاده از چارچوب بصری CrewAI، عامل‌های هوش مصنوعی بسازند که همکاری می‌کنند، وظایف را تفویض می‌کنند و اقدام می‌کنند. این دوره با تعریف نقش‌ها برای هر عامل آغاز می‌شود و سپس آن‌ها را با ابزارها و اقداماتی که به آن‌ها اجازه می‌دهد داده‌ها را به دست آورند، تصمیم بگیرند و به طور یکپارچه با یکدیگر کار کنند، متصل می‌کند. شرکت‌کنندگان از تنظیم جریان‌های کاری ساده به سازماندهی سیستم‌های هوش مصنوعی کامل پیش خواهند رفت. در پایان این دوره، آن‌ها یک مربی مصاحبه شغلی هوش مصنوعی چندعامله خواهند داشت که توسط CrewAI طراحی شده است. CrewAI ساختن عامل‌های هوش مصنوعی را که فکر می‌کنند، همکاری می‌کنند و اقدام می‌کنند، بسیار آسان می‌کند.
در دوره آموزشی Build AI Agents with CrewAI با ساخت و سازماندهی عامل‌های هوش مصنوعی آشنا خواهید شد.

این دوره آموزشی جامع به شرکت‌کنندگان می‌آموزد که چگونه از LangGraph برای ساخت گردش‌های کاری پیچیده و مبتنی بر عامل استفاده کنند. این دوره با معرفی مفاهیم اساسی LangGraph و جایگاه آن در حوزه هوش مصنوعی مولد آغاز می‌شود و سپس به صورت عملی نحوه ساخت گردش‌های کاری ساده با استفاده از ماشین‌های حالت را آموزش می‌دهد. در ادامه، مباحثی مانند اعتبارسنجی و ساختاربندی حالت با استفاده از Pydantic، استفاده از قابلیت‌های ناهمزمان و پخش جریانی برای بهبود پاسخگویی برنامه‌ها، پیاده‌سازی مسیریابی شرطی بر اساس خروجی مدل‌های زبانی بزرگ، و درک نحوه عملکرد کاهنده‌ها در مدیریت تغییرات حالت مورد بررسی قرار می‌گیرند.
در دوره آموزشی LangGraph for beginners : Agentic Workflows in simple steps با ساخت گردش‌های کاری مبتنی بر عامل آشنا خواهید شد.