گردش کار خودکارسازی هوش مصنوعی، عامل صوتی هوش مصنوعی، پایگاه داده برداری و MCP

آنچه یاد خواهید گرفت:

• اصول اولیه خودکارسازی هوش مصنوعی و عامل صوتی هوش مصنوعی را یاد بگیرید.
• یاد بگیرید چگونه با Zapier یک اتوماسیون پاسخ‌دهی ایمیل مبتنی بر AI بسازید.
• یاد بگیرید چگونه با Zapier یک اتوماسیون تحلیل بازخورد مشتری مبتنی بر AI ایجاد کنید.
• یاد بگیرید چگونه با Make اتوماسیون دسته‌بندی هزینه‌ها مبتنی بر AI پیاده‌سازی کنید.
• یاد بگیرید چگونه با Make اتوماسیون ردیابی موجودی مبتنی بر AI بسازید.
• یاد بگیرید چگونه با n8n اتوماسیون رزرو نوبت مبتنی بر AI ایجاد کنید.
• یاد بگیرید چگونه با n8n اتوماسیون بازاریابی محتوایی مبتنی بر AI بسازید.
• یاد بگیرید چگونه با Relay App یک عامل تحقیق محصول مبتنی بر AI ایجاد کنید.
• یاد بگیرید چگونه با Gumloop یک عامل تحلیل قراردادهای زنجیره تأمین مبتنی بر AI بسازید.
• یاد بگیرید چگونه با Eleven Labs یک عامل صوتی پذیرشگر مبتنی بر AI ایجاد کنید.
• یاد بگیرید چگونه با Vapi یک عامل صوتی پشتیبانی مشتری مبتنی بر AI بسازید.
• یاد بگیرید چگونه با Voiceflow یک عامل صوتی فروش مبتنی بر AI ایجاد کنید.
• یاد بگیرید چگونه با Zapier یک عامل تولید سرنخ فروش مبتنی بر AI بسازید.
• یاد بگیرید چگونه با Python و Llama یک عامل تحلیل داده مبتنی بر AI ایجاد کنید.
• یاد بگیرید چگونه یک سیستم چندعامله مبتنی بر AI برای مدیریت پروژه طراحی و پیاده‌سازی کنید.
• یاد بگیرید چگونه با Pinecone یک دیتابیس برداری برای موجودی مواد غذایی بسازید.
• یاد بگیرید چگونه سرور Zapier MCP را به Google Sheet و Mistral AI متصل کنید.

پیش‌نیازهای دوره

• هیچ تجربه قبلی در زمینه خودکارسازی هوش مصنوعی لازم نیست.
• دانش اولیه در زمینه Python و مدل‌های زبانی بزرگ (LLM).

توضیحات دوره

به دوره گردش کار خودکارسازی هوش مصنوعی، عامل صوتی هوش مصنوعی، پایگاه داده برداری و MCP خوش آمدید. این یک دوره جامع پروژه‌محور است که در آن چگونگی خودکارسازی بسیاری از وظایف تکراری با استفاده از هوش مصنوعی، ساخت انواع عامل‌های هوش مصنوعی، اتصال مدل هوش مصنوعی به پایگاه داده برداری و یکپارچه‌سازی سرور پروتکل کانتکست مدل (MCP) را خواهید آموخت. این دوره ترکیبی عالی از خودکارسازی هوش مصنوعی و عامل‌های هوش مصنوعی است که فرصتی ایده‌آل برای تمرین مهارت‌های هوش مصنوعی و در عین حال بهبود دانش فنی در مدل‌های زبانی بزرگ و مهندسی پرامپت را فراهم می‌کند. در بخش مقدماتی، شما اصول اولیه خودکارسازی هوش مصنوعی و عامل‌های هوش مصنوعی، مانند شناخت موارد استفاده و گردش کار آن‌ها را خواهید آموخت. سپس در بخش بعدی، درباره پایگاه‌های داده برداری و چگونگی توانمندسازی مدل‌های هوش مصنوعی برای ذخیره دانش در بلندمدت، بازیابی مرتبط‌ترین اطلاعات از طریق جستجوی شباهت و تولید پاسخ‌های آگاه از متن که بسیار دقیق‌تر از خروجی‌های صرفاً مبتنی بر پرامپت هستند، مطالبی یاد خواهید گرفت. پس از آن، در بخش بعدی، شروع به ساخت جریان‌های خودکارسازی هوش مصنوعی با استفاده از ابزارهایی مانند Zapier ،Make و n8n خواهیم کرد. ابتدا، یک پاسخگوی ایمیل هوش مصنوعی می‌سازیم. این یک اتوماسیون است که ایمیل‌های دریافتی را می‌خواند، قصد و لحن آن‌ها را درک می‌کند و فوراً پاسخ‌های حرفه‌ای تولید می‌کند، در حالی که همچنان به شما اجازه می‌دهد قبل از ارسال آن‌ها را تأیید کنید. در ادامه، در پروژه دوم، یک تحلیلگر بازخورد مشتری با هوش مصنوعی ایجاد خواهیم کرد که به طور خودکار بازخوردهای مشتریان را از چندین پلتفرم جمع‌آوری کرده و تحلیل احساسات و کلیدواژه‌ها را برای خلاصه کردن بینش‌ها انجام می‌دهد. در پروژه سوم، سیستم دسته‌بندی هزینه‌ها با هوش مصنوعی را می‌سازیم؛ سیستمی که رسیدها یا سوابق تراکنش‌ها را اسکن کرده و به طور خودکار آن‌ها را به دسته‌های حسابداری مناسب اختصاص می‌دهد. در پروژه چهارم، یک سیستم موجودی هوشمند توسعه خواهیم داد؛ اتوماسیونی که سطوح موجودی محصول را نظارت می‌کند، زمان اتمام کالا را پیش‌بینی کرده و به شما اطلاع می‌دهد یا سفارش‌های خرید را به صورت خودکار ثبت می‌کند. سپس در پروژه پنجم، اتوماسیون رزرو نوبت با هوش مصنوعی را راه‌اندازی خواهیم کرد که در آن هوش مصنوعی بر اساس در دسترس بودن شما نوبت‌ها را زمان‌بندی کرده و یادآوری‌های جلسات را ارسال می‌کند. در پروژه ششم، اتوماسیون بازاریابی محتوا با هوش مصنوعی را می‌سازیم؛ گردش کاری که به‌روزرسانی‌های کسب‌وکار یا اطلاعات محصول شما را دریافت کرده و پیش‌نویس مقالات، کپشن‌های شبکه‌های اجتماعی و پست‌های زمان‌بندی‌شده را تولید می‌کند. سپس در بخش بعدی، با استفاده از ابزارهایی مانند Relay App ،Gumloop ،Vapi ،Voiceflow ،Eleven Labs و Zapier عامل‌های هوش مصنوعی می‌سازیم. ما انواع مختلفی از عامل‌های هوش مصنوعی را خواهیم ساخت؛ به عنوان مثال، عامل جذب مشتری، عامل تحقیق محصول، عامل تحلیل قرارداد زنجیره تأمین و عامل‌های صوتی برای پذیرش، پشتیبانی مشتری و فروش. علاوه بر این، کمی برنامه‌نویسی با استفاده از Python نیز انجام خواهیم داد. ما یک عامل تحلیل داده با هوش مصنوعی با استفاده از Llama و همچنین یک سیستم چند عاملی هوش مصنوعی برای مدیریت پروژه با استفاده از Gemma خواهیم ساخت. پس از آن، یک تولیدکننده دستور غذای هوش مصنوعی می‌سازیم که کاملاً به پایگاه داده برداری Pinecone متصل است و مدل هوش مصنوعی را قادر می‌سازد تا به طور خودکار موادی را که در حال حاضر دارید تحلیل کرده و ایده‌های دستور غذای شخصی‌سازی شده را صرفاً بر اساس اقلام موجود در موجودی غذای شما تولید کند. در نهایت، در پایان دوره، درباره یکپارچه‌سازی سرور MCP خواهیم آموخت؛ به طور خاص، سرور Zapier MCP را ایجاد کرده و آن را به Google Sheet و Mistral AI متصل می‌کنیم تا مدل هوش مصنوعی بتواند با ابزارهای خارجی تعامل داشته باشد.

در ابتدا، قبل از ورود به دوره، باید این سوال را از خود بپرسیم که چرا باید درباره خودکارسازی هوش مصنوعی بیاموزیم؟ پاسخ مدرس این است: ما تسک های تکراری زیادی مانند بررسی ایمیل‌ها، پاسخ به مشتریان، بروزرسانی صفحات گسترده، رزرو جلسات و سازماندهی اسناد داریم. با خودکارسازی این تسک ها، می‌توانیم بهره‌وری خود را به میزان قابل توجهی افزایش دهیم و زمان خود را برای کارهای مهم‌تر اختصاص دهیم.

این دوره برای چه کسانی مناسب است؟

• مهندسان نرم‌افزار که علاقه‌مند به ساخت عامل‌های هوش مصنوعی با استفاده از Python، مدل‌های زبانی بزرگ و پایگاه داده برداری هستند.
• مشاوران حوزه فناوری که علاقه‌مند به ایجاد اتوماسیون‌های هوش مصنوعی با استفاده از Zapier ،Make و n8n هستند.