آمادگی برای آزمون AI-103: Azure AI App & Agent Developer Associate
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- قبولی در آزمون AI-103: با دوره آمادگی برای آزمون که توسط یک متخصص هدایت میشود، به هر 3 دامنه اصلی گواهینامه Microsoft Azure AI App and Agent Developer Associate مسلط شوید.
- تسلط به Azure AI Foundry: فضای کاری یکپارچه هوش مصنوعی را ناوبری کنید و کل چرخه عمر پروژه، از انتخاب مدل (GPT-5 و Phi-4) تا استقرار در محیط تولید را مدیریت کنید.
- ساخت عاملهای خودمختار: عاملهای هوش مصنوعی پیچیده طراحی کنید که فراتر از چت ساده میروند و برنامهریزی وظایف به صورت خودمختار، فراخوانی ابزارها و یکپارچهسازی APIهای داخلی را انجام میدهند.
- پیادهسازی RAG پیشرفته: با ساخت راهحلهای Retrieval-Augmented Generation با Azure AI Search و ایندکس برداری با دقت بالا، مشکل knowledge cutoff را حل کنید.
- ارکستراسیون سیستمهای چند عاملی: الگوهای پیچیده Manager-Worker را پیادهسازی کنید و تعارض میان چند عامل تخصصی را در یک اکوسیستم واحد مدیریت کنید.
- توسعه با Semantic Kernel: از پلاگینها، پلنرها و مدیریت حافظه استفاده کنید تا گردشکارهای استدلالی چندمرحلهای و copilotهای سازمانی سفارشی بسازید.
- اعمال استانداردهای هوش مصنوعی مسئولیتپذیر: فیلترهای امنیت محتوا، تشخیص jailbreak و تست عدالت را پیکربندی کنید تا مطمئن شوید اپلیکیشنهای هوش مصنوعی شما ایمن و اخلاقی هستند.
- معماری اپلیکیشنهای Generative AI: با تغییر اقتصاد به سمت "Agent-First" آشنا شوید و به مهندسی پرامپت، مدیریت توکن و استراتژیهای مقیاسبندی مقرونبهصرفه در ابر مسلط شوید.
پیشنیازهای دوره
- دانش اولیه ابر: آشنایی اولیه با سرویسهای مایکروسافت آژور (معادل AZ-900 یا AI-900) توصیه میشود.
- مبانی برنامهنویسی: آشنایی با پایتون ضروری است، زیرا در این دوره Python SDK را برای اتصال اپلیکیشنها و مدیریت منطق عاملی بررسی میکنیم.
- مفاهیم هوش مصنوعی: آشنایی کلی با Generative AI، مهندسی پرامپت و مدلهای زبانی بزرگ (LLM) به شما کمک میکند سریعتر در مطالب پیش بروید.
- اشتراک آژور: برای همراهی با بخشهای معماری، داشتن یک حساب مایکروسافت آژور (Free Tier یا نسخه آزمایشی Foundry Hub) الزامی است.
- بدون نیاز به AI-102: هرچند این دوره جانشین آزمون AI-102 است، اما برای شرکت در این دوره و بهرهمندی از آن نیازی به داشتن گواهینامه AI-102 ندارید.
- ذهنیت "Agent-First": تمایل به یادگیری الگوهای معماری جدید فراتر از چتباتهای سنتی، با تمرکز بر استدلال خودمختار و گردشکارهای چند عاملی
توضیحات دوره
این دوره شامل استفاده از هوش مصنوعی است.
با راهنمای نهایی گواهینامه AI-103، به اقتصاد Agent-First در 2026 مسلط شوید.
گذار از AI-102 (Azure AI Engineer) به AI-103 (Azure AI App and Agent Developer) فقط یک بروزرسانی آزمون نیست، بلکه یک تغییر کامل پارادایم است. با حرکت سازمانها از چتباتهای ساده به سیستمهای چند عاملی خودمختار، تقاضا برای توسعهدهندگانی که بتوانند ارکستراسیون گردشکارهای پیچیده و مبتنی بر استدلال را انجام دهند، بهسرعت در حال افزایش است.
متدولوژی دوره
تمرکز بر معماری بهجای رابط کاربری: این دوره بر پایه یک متدولوژی مفهوممحور و پربازده طراحی شده است. این برنامه آموزشی بر منطق پیچیده معماری، گردشکارهای حاکمیتی و طراحی سیستم تمرکز دارد. در حالی که رابطهای کاربری مرتباً بروزرسانی میشوند، تسلط به این مفاهیم استراتژیک، مانند استراتژیهای chunking در RAG، ارکستراسیون چند عامل و معیارهای ارزیابی (مانند Groundedness و BLEU) برای قبولی در آزمون AI-103 در اولین تلاش، بدون درگیر شدن با ناوبری رابط کاربری اولیه حیاتی است.
طراحیشده برای افراد حرفهای: این دوره معماری سازمانی end-to-end، از جمله Semantic Kernel، حل تعارض میان عاملهای رقیب و استانداردهای هوش مصنوعی مسئولیتپذیر را پوشش میدهد. بخشها بهگونهای طراحی شدهاند که منطق معماری اپلیکیشنهای آماده تولید را نشان دهند.
ارزش جامع: این دوره یک بررسی عمیق 70 فصلی از نقشه راه Microsoft AI-103 است. ما فراتر از مهندسی پرامپت اولیه میرویم و هسته معماری Microsoft Foundry ،Semantic Kernel و ارکستراسیون عاملی را بررسی میکنیم.
چرا این دوره؟
ما از میان 8 بخش راهبردی عبور میکنیم که برای یادگیری پربازده طراحی شدهاند:
- عصر Foundry: به فضای کاری یکپارچه هوش مصنوعی و چرخه عمر پروژه (توسعه، استقرار و نظارت) مسلط شوید.
- معماری Generative AI: یک بررسی عمیق از یکپارچهسازی GPT-5 ،Llama و Phi-4 با Python SDKها
- RAG پیشرفته: جستجوی برداری با دقت بالا، استراتژیهای Chunking و جستجوی هیبرید را پیادهسازی کنید.
- ارکستراسیون چند عامل: الگوی Manager-Worker، فراخوانی ابزار و حل تعارض میان عاملهای هوش مصنوعی را بیاموزید.
- هوش مصنویع مسئولانه و حاکمیت: از اپلیکیشنهای خود با تشخیص Jailbreak، فیلترهای Toxicity و تست عدالت محافظت کنید.
آنچه یاد خواهید گرفت:
- طراحی عاملهای خودمختار: از "چت" ساده به عاملهایی حرکت کنید که وظایف را تجزیه میکنند و APIهای داخلی را فراخوانی میکنند.
- تسلط به Semantic Kernel: از پلاگینها و پلنرها برای ساخت گردشکارهای استدلالی چندمرحلهای استفاده کنید.
- RAG در سطح سازمانی: با Azure AI Search و تعبیهسازیهای برداری مشکل knowledge cutoff را حل کنید.
- مکانیزمهای Foundry: هویت (RBAC)، توکنها، محدودیت نرخ و مدیریت هزینه را مدیریت کنید.
- آمادگی آزمون: بررسی کامل 3 دامنه اصلی
ساخت چتبات را متوقف کنید. ارکستراسیون عاملها را آغاز کنید. به هزاران فرد حرفهای بپیوندید و به گواهینامه Azure AI App and Agent Developer Associate مسلط شوید.
این دوره برای چه کسانی مناسب است؟
- مهندسان فعلی Azure AI (AI-102): متخصصانی که میخواهند مهارتها و گواهینامه خود را به استاندارد جدید AI-103 Agent Developer برای 2026 ارتقا دهند.
- توسعهدهندگان Generative AI: مهندسان نرمافزاری که میخواهند فراتر از پرامپتهای "چت" ساده بروند و عاملهای خودمختاری بسازند که اقدام میکنند و APIها را فراخوانی میکنند.
- معماران راهحل: افرادی که سیستمهای Retrieval-Augmented Generation (RAG) در مقیاس سازمانی و راهحلهای جستجوی برداری با دقت بالا طراحی میکنند.
- متخصصان فضای ابری: کارشناسان فناوری اطلاعات که میخواهند به Azure AI Foundry، فضای کاری یکپارچه مایکروسافت برای کل چرخه عمر پروژههای هوش مصنوعی، مسلط شوند.
آمادگی برای آزمون AI-103: Azure AI App & Agent Developer Associate
-
به این دوره خوشآمدید: مسیر شما برای دریافت گواهینامه AI-103 08:43
-
گذار از AI-102: چه چیزهایی در 2026 جدید است؟ 08:38
-
اقتصاد 08:41
-
راهاندازی Azure Free Tier و حساب Microsoft Foundry شما 07:41
-
نقطه عطف: استقرار اولین منبع Foundry Hub 07:47
-
ارائه یک راهحل عامل هوش مصنوعی end-to-end به ذینفعان None
-
آزمون کوتاه None
-
آشنایی با Microsoft Foundry: فضای کاری یکپارچه هوش مصنوعی 07:59
-
بررسی چرخه عمر پروژه: توسعه، استقرار و نظارت 07:51
-
هویت و امنیت: هویت مدیریت شده در مقابل کلیدهای API 08:30
-
کنترل دسترسی مبتنی بر نقش (RBAC) برای تیمهای هوش مصنوعی 08:11
-
انتخاب مدل: برگزیدن میان GPT-5 ،Llama و Phi-4 07:41
-
درک توکنها و Rate Limitها در آژور 07:39
-
مدیریت هزینه: تنظیم هشدارها برای رایانش هوش مصنوعی 07:14
-
کار عملی: تامین یک اندپوینت Multi-Model 07:46
-
آزمون کوتاه None
-
Azure OpenAI Service در مقابل مدلهای Foundry 07:51
-
آناتومی یک پرامپت: نقشهای دستیار، کاربر و سیستم 07:36
-
مهندسی پرامپت: یادگیری Few-Shot در مقابل Zero-Shot 07:31
-
تکنیکهای پیشرفته: پرامپتنویسی زنجیره افکار (Cot) 06:59
-
اپلیکیشن خود را متصل کنید: مبانی Python SDK 07:12
-
ساخت یک رابط ساده 07:08
-
تولید تصویر با یکپارچهسازی DALL-E 4 06:58
-
کار با Whisper: تبدیل گفتار به متن برای اپلیکیشنهای هوش مصنوعی 06:59
-
مدیریت خطا: کنترل توهمها و خطاهای API 07:03
-
پروژه: ساخت یک بات دانش شرکت (فرانتاند و بکاند) 06:39
-
ارائه عامل هوش مصنوعی سازمانی به ذینفعان None
-
آزمون کوتاه None
-
چرا RAG؟ حل مشکل knowledge cutoff 06:45
-
Azure AI Search: اولین ایندکس برداری خود را ایجاد کنید 07:10
-
ورود داده: اتصال Blob Storage به AI Search 06:54
-
درک استراتژیهای Chunking برای دقت بالا 07:10
-
تعبیهسازیهای برداری: استفاده از text-embedding-3-large 06:48
-
جستجوی هیبرید: ترکیب نتایج برداری و کلیدواژهای 07:26
-
Grounding مدل: اطمینان از وجود استنادها در پاسخها 06:54
-
ساخت یک چتبات مستندات فنی 06:36
-
آزمون کوتاه None
-
آشنایی با ارکستراسیون: چرا منطق اهمیت دارد؟ 06:55
-
Azure Logic Apps: ساخت گردشکارهای هوش مصنوعی بدون کدنویسی 06:38
-
یکپارچهسازی Azure Functions برای مراحل کدنویسی سفارشی 07:55
-
مدیریت حافظه Context Window در چتهای چندمرحلهای 07:21
-
پردازش موازی: اجرای همزمان چندین کوئری هوش مصنوعی 07:15
-
Semantic Kernel: استفاده از پلاگینها و پلنرها 06:48
-
تبدیل داده بین گرههای گردشکار 07:12
-
نقطه عطف: ساخت یک عامل 06:38
-
ارائه عامل هوش مصنوعی Capstone در یک جلسه لایو با ذینفعان None
-
آزمون کوتاه None
-
تعریف یک عامل در مقابل یک چتبات 07:31
-
برنامهریزی: عاملها چگونه وظایف را تجزیه میکنند؟ 07:09
-
فراخوانی ابزار: به عاملها اجازه دهید از APIهای داخلی شما استفاده کنند 07:10
-
عاملهای خودمختار در مقابل Human-in-the-loop 06:49
-
سیستمهای چند عاملی: الگوی Manager-Worker 08:02
-
حل تعارض میان عاملهای هوش مصنوعی رقیب 08:35
-
مدیریت وضعیت: حفظ حافظه بلندمدت عامل 08:42
-
Copilotهای سفارشی: توسعه با Azure AI Studio 08:05
-
آزمون عاملها: جلوگیری از حلقههای بینهایت 07:54
-
مقیاسبندی حجمهای کاری عاملی با Azure Container Apps 07:42
-
استقرار: از توسعه محلی تا تولید در ابر 07:45
-
پروژه پیشرفته: یک تیم بازاریابی مجازی از 3 عامل 08:31
-
آزمون کوتاه None
-
استاندارد هوش مصنوعی مسئولیتپذیر مایکروسافت 07:55
-
ایمنی محتوا: پیکربندی فیلترهای Toxicity 07:57
-
تشخیص Jailbreak: از هوش مصنوعی خود در برابر حملات محافظت کنید 07:57
-
نظارت: ردیابی تأخیر، توان عملیاتی و توکنها 08:50
-
ارزیابی دستی: راهاندازی یک حلقه بازخورد 06:38
-
تست عدالت: شناسایی سوگیری در خروجی مدل 06:20
-
حریم خصوصی: مدیریت داده و انطباق (GDPR و SOC2) 06:16
-
نسخهبندی مدل و استقرار Blue-Green 07:26
-
لابراتوار نهایی: یک ارزیابی کامل روی اپلیکیشن عاملی خود اجرا کنید 07:42
-
در ادامه، لطفاً ورودی را در اسکرینشات برای عنوانهای نقشآفرینی ارائه کنید None
-
آزمون کوتاه None
-
پروژه Capstone: راهحل عاملی سازمانی end-to-end 11:13
-
بررسی دامنه 1 آزمون AI-103: اپلیکیشنهای Generative 10:11
-
بررسی دامنه 2 آزمون AI-103: گردشکارهای چندمرحلهای 10:31
-
بررسی دامنه 3 آزمون AI-103: ارکستراسیون عامل 10:45
-
بررسی آزمون تمرینی: سوالات دشوار 09:55
-
نکات نهایی: ثبتنام و Proctoring آنلاین 08:54
-
فارغالتحصیلی: مسیر شغلی شما بهعنوان توسعهدهنده عامل هوش مصنوعی 08:54
-
آزمون کوتاه None
-
آزمون تمرینی 1 None
-
آزمون تمرینی 2 None
مشخصات آموزش
آمادگی برای آزمون AI-103: Azure AI App & Agent Developer Associate
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:81
- مدت زمان :09:37:27
- حجم :6.06GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy