الگوهای طراحی هوش مصنوعی ایجنت محور مبتنی بر ابر
✅ سرفصل و جزئیات آموزش
ایجنتها چگونه باید در ابر مستقر شوند؟ ایجنتهایی با چندین LLM چگونه طراحی می شوند؟ بهترین راهها برای بهینهسازی اشتراکگذاری دادههای حالت، تعادل بار، و عملکرد راهحل چیست؟ و چگونه میتوان راهحلهای ایجنت محور را برای تعامل با سرویسها و ابزارهای خارجی که ممکن است نامطمئن باشند، مقاوم طراحی کرد؟
این مباحث و بسیاری از مباحث دیگر، توسط متخصص LinkedIn Top Voice و نویسندهی پرفروش Thomas Erl در این دوره آموزشی پوشش داده شده است که شامل مجموعهای متنوع از الگوهای طراحی است که به سمت راهحلهای هوش مصنوعی ایجنت محور در ابرها و همچنین محیطهای داخلی هدایت میشوند.
علاوه بر مجموعهای از تکنیکهای طراحیمحور، این دوره همچنین شیوههای مدیریت ایجنت و مشاهدهپذیری، از جمله ردیابی فعالیت ایجنت، اجرای سیاست، و بهینهسازی هزینههای LLM را شامل میشود.
الگوهای طراحی هوش مصنوعی ایجنت محور مبتنی بر ابر
-
مقدمه 0:00:33
-
آنچه باید بدانید 0:01:27
-
الگوهای طراحی استقرار و عملکرد ایجنت 0:00:41
-
استقرار ایجنت در کانتینر 0:02:52
-
توابع قابلیت ایجنت بدون سرور 0:03:25
-
اندپوینت LLM مدیریتشده 0:03:52
-
وضعیت فعالیت ایجنت پایدار 0:02:48
-
نمای وضعیت فعالیت ایجنت Materialized 0:03:07
-
الگوهای طراحی مقیاسپذیری و مقاومت ایجنت 0:00:43
-
ناوگان ایجنت های مقیاسبندی خودکار 0:02:55
-
agent gateway با تعادل بار 0:03:51
-
مدارشکن تعامل خارجی 0:03:32
-
تلاش مجدد و بیتأثیر بودن 0:04:29
-
رفع مشکلات خودکار صف نامههای مرده 0:03:18
-
الگوهای طراحی مدیریت ایجنت و مشاهدهپذیری 0:00:46
-
پیکربندی خودکار ایجنت خارجی 0:03:41
-
ردیابی خودکار فعالیت ایجنت 0:04:49
-
بهینهسازی خودکار هزینههای ابر LLM 0:04:17
-
اجرای متمرکز خودکار سیاستهای ایجنت 0:04:16
-
گامهای بعدی 0:01:08
مشخصات آموزش
الگوهای طراحی هوش مصنوعی ایجنت محور مبتنی بر ابر
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:متوسط
- تعداد درس:20
- مدت زمان :0:56:30
- حجم :138.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy