بوتکمپ مهندس Gen AI: ساخت اپلیکیشنها و ایجنتهای هوش مصنوعی با Python
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ساخت ایجنتهای هوش مصنوعی از ابتدا با استفاده از Python
- تسلط به LangChain 1 برای ساخت سیستمهای پیشرفته RAG و Document Context
- پیادهسازی حافظهی پایدار برای اپلیکیشنهای هوش مصنوعی با استفاده از پایگاهداده برداری و SQL
- خودکارسازی Google Sheets و spreadsheets با گردشکارهای هوشمند هوش مصنوعی
- توسعهی اپلیکیشنهای چندوجهی برای تشخیص تصویر و دستیار صوتی
- اجرای LLMهای خصوصی و خودمیزبان و ایجنتهای محلی هوش مصنوعی با استفاده از Ollama
- طراحی سیستمهای هوش مصنوعی که از جستوجوی وب و ابزارهای خارجی برای حل تسک ها استفاده میکنند.
- ساخت یک Claude Code Clone کاملاً با Python
پیشنیازهای دوره
- دانش اولیه Python: باید متغیرها، حلقهها، توابع و لیستها را بشناسید.
- نیازی به تجربهی قبلی در هوش مصنوعی نیست: مفاهیم AI و LLM را از پایه پوشش میدهیم.
توضیحات دوره
به مهمترین مهارت پرتقاضای 2026 مسلط شوید: ایجنتهای هوش مصنوعی و اپلیکیشنهای خودکار آمادهی تولید بسازید.
دنیا در حال عبور از «چتبات»های ساده است. امروز شرکتها بهدنبال توسعهدهندگانی هستند که بتوانند ایجنتها را بسازند؛ سیستمهای هوش مصنوعیای که میتوانند فکر کنند، از ابزارها استفاده کنند، به پایگاهداده دسترسی داشته باشند و گردشکارهای پیچیده را خودکار کنند. این بوتکمپ مهندس Generative AI یک مسیر عملی و مبتنی بر پروژه است که شما را از یک برنامهنویس Python به یک مهندس هوش مصنوعی حرفهای تبدیل میکند.
در این دوره فقط دربارهی تئوری صحبت نمیکنیم؛ ما میسازیم. شما به بررسی LangChain 1.0 خواهید پرداخت، Document Context Injection را یاد میگیرید و سیستمهای کامل RAG (Retrieval-Augmented Generation) میسازید. همچنین رازهای حافظهی هوش مصنوعی را یاد میگیرید و به ایجنتهای خود توانایی بهخاطر سپردن تعاملات قبلی را با استفاده از پایگاهداده پایدار میدهید.
چه چیزی این بوتکمپ را منحصربهفرد میکند؟
ما روی کاربرد واقعی در دنیای واقعی تمرکز میکنیم. شما مجموعهای از پروژههای قدرتمند را میسازید، از جمله:
- یک ایجنت محلی هوش مصنوعی (Claude Code Clone): یک دستیار کدنویسی قدرتمند بسازید که بهصورت محلی اجرا میشود.
- خودکارسازی Google Sheets: هوش مصنوعی ایجاد کنید که بتواند spreadsheets خصوصی را مشاهده، ویرایش و مدیریت کند.
- اپلیکیشنهای چندوجهی: یک تولیدکنندهی دستور غذا بسازید که تصاویر را «میبیند» و یک دستیار صوتی کاربردی ایجاد کنید.
- مدلهای قابل خودمیزبان: یاد بگیرید چگونه سرویس LLM خودتان را برای حفظ حریم خصوصی و کاهش هزینهها بسازید.
تا پایان این دوره، فقط نخواهید دانست چگونه به یک AI پرامپت بدهید؛ بلکه یاد میگیرید چگونه مغز آن را طراحی کنید. چه بخواهید کسبوکار خودتان را خودکار کنید، چه به یک نقش پردرآمد در حوزهی AI برسید، یا استارتاپ بزرگ بعدی هوش مصنوعی را بسازید، این بوتکمپ نقشهی راه، کد و اعتمادبهنفس لازم برای موفقیت را در اختیار شما قرار میدهد.
آنچه یاد خواهید گرفت
- معماری ایجنت هوش مصنوعی: ایجنتهایی با قابلیت جستوجوی وب، حافظه و فراخوانی ابزارها بسازید.
- سیستمهای پیشرفته RAG: به LangChain 1.0 برای تزریق context اسناد با کارایی بالا مسلط شوید.
- تسلط به خودکارسازی: از Python برای اتصال LLMها به اپلیکیشنهای واقعی مانند Google Sheets استفاده کنید.
- استقرار محلی LLM: مدلهای قابل خودمیزبان را برای سرویسهای خصوصی و امن هوش مصنوعی راهاندازی کنید.
- توسعهی چندوجهی: تصاویر را پردازش کنید، تصویر تولید کنید و ابزارهای هوش مصنوعی فعالشونده با صدا بسازید.
- خروجیهای ساختاریافته: LLMها را وادار کنید داده قابلاعتماد و مبتنی بر JSON برای اپلیکیشنهای عملی برگردانند.
این دوره برای چه کسانی است؟
- توسعهدهندگان Python که میخواهند وارد حوزهی AI شوند.
- متخصصان فناوری که میخواهند تسک های تکراری و خستهکنندهی کسبوکار را با ایجنتهای هوشمند خودکار کنند.
- کارآفرینان که در حال ساخت نرمافزار یا SaaS مجهز به AI خود هستند.
- دانشمندان داده که میخواهند از notebooks به ساخت وب اپلیکیشنهای فولاستک هوش مصنوعی برسند.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان Python که میخواهند به حوزهی پرتقاضای مهندسی هوش مصنوعی وارد شوند.
- متخصصان و مدیران فناوری که بهدنبال خودکارسازی گردشکارهای کسبوکار با استفاده از ایجنتهای LLM هستند.
- کارآفرینان SaaS که در حال ساخت نسل بعدی محصولات و خدمات مبتنی بر هوش مصنوعی هستند.
- علاقهمندان که میخواهند بدون هزینههای cloud، مدلهای هوش مصنوعی خصوصی، امن و محلی اجرا کنند.
بوتکمپ مهندس Gen AI: ساخت اپلیکیشنها و ایجنتهای هوش مصنوعی با Python
-
خوشآمدید 01:53
-
برنامهها پیش از هوش مصنوعی چگونه بودند؟ 03:30
-
ساخت یک اپلیکیشن مجهز به هوش مصنوعی با Python 10:11
-
مقدمه 01:00
-
ایجنت هوش مصنوعی چیست؟ 02:21
-
ساخت یک ایجنت هوش مصنوعی 09:12
-
افزودن ابزارها به ایجنت هوش مصنوعی 08:02
-
ساخت یک ایجنت با چندین ابزار 06:24
-
چگونه یک پرامپت سیستمی خوب برای ایجنت بنویسیم؟ 06:32
-
آنچه خواهیم ساخت 02:26
-
برگرداندن داده واقعی آبوهوا توسط ایجنت 09:27
-
دریافت موقعیت کاربر توسط ایجنت 05:10
-
بهبود خروجی ایجنت 08:35
-
مقدمه 01:31
-
فعالسازی حافظهی ایجنت 07:53
-
درک چگونگی کار حافظه در ایجنتها 08:11
-
ایجنتهای هوش مصنوعی با چندین گفتگو 05:50
-
گفتگوی پیوستهی ایجنت با حافظه 04:33
-
مقدمه 01:01
-
ذخیره و بازیابی تاریخچه در پایگاهداده SQLite 11:33
-
معماری با استفاده از پایگاهداده PostgreSQL 03:08
-
راهاندازی پایگاهداده PostgreSQL در Supabase 05:45
-
ذخیرهی گفتگو در Supabase 04:37
-
مقدمه 01:38
-
از CLI به وباپلیکیشن 02:15
-
ایجاد یک نمونه از وباپلیکیشن 03:56
-
ساخت صفحهی اصلی ایجنت هوش مصنوعی 06:14
-
پیادهسازی درخواست HTTP از نوع POST 07:16
-
گرفتن پاسخ ایجنت از وباپلیکیشن 07:25
-
ایجاد یک آبجکت session 12:31
-
افزودن CSS برای بهبود ظاهر صفحهی وب 03:24
-
کاری کنید ایجنت موقعیت GPS کاربر را دریافت کند 12:32
-
آنچه یاد خواهید گرفت 01:01
-
مروری بر مدلهای قابل خودمیزبان موجود 05:15
-
نصب و استفاده از Ollama 07:59
-
دانلود مدلهای بیشتر قابل خودمیزبان با خط فرمان Ollama 06:47
-
استفاده از مدل محلی از طریق Python و LangChain 06:53
-
آنچه یاد خواهید گرفت 02:21
-
همهچیز چگونه کار میکند؟ 04:47
-
آمادهسازی محیط 02:11
-
ساخت API 11:45
-
API برای LLM با پشتیبانی از تاریخچهی گفتگو 11:17
-
چرا به دادهی ساختاریافته نیاز داریم؟ 03:02
-
همهچیز چگونه کار میکند؟ 01:53
-
برگرداندن خروجی ساختاریافته با LangChain 10:55
-
برگرداندن خروجی ساختاریافته از ایجنتها 10:17
-
آنچه خواهیم ساخت 01:40
-
راهاندازی Spreadsheet و اعتبارنامههای Google 05:58
-
بارگذاری داده Spreadsheet در Python 07:52
-
استخراج ردیفهای تازه اضافهشده 10:28
-
ارسال ردیفهای داده جدید به LLM 14:28
-
ایجاد رمز عبور اپلیکیشن برای Gmail 02:12
-
ارسال خلاصهی AI از طریق ایمیل 06:32
-
زمانبندی تسک برای اجرای خودکار 05:10
-
آنچه خواهیم ساخت 01:15
-
اتصال Google Sheets به Python 04:46
-
مشاهدهی داده از یک سند خصوصی Google Sheet 11:52
-
افزودن ردیفهای جدید به Spreadsheet 07:37
-
بروزرسانی ردیفها و سلولهای موجود 06:17
-
مقدمه 01:16
-
ارسال متن به مدل Gemini 03:13
-
تفسیر تصاویر با مدلهای Google Gemini 08:33
-
تفسیر تصاویر با مدلهای OpenAI 06:22
-
آنچه خواهیم ساخت 01:14
-
تولید دستور غذا از مواد موجود در تصویر 06:32
-
ساخت یک وباپلیکیشن نمونه با Gradio 06:43
-
ساخت وباپلیکیشن تولیدکنندهی دستور غذا 06:55
-
آنچه یاد خواهید گرفت 01:06
-
مروری بر قیمتگذاری و مدلهای OpenAI Platform 04:22
-
آشنایی با داشبورد Google AI Studio 02:58
-
قیمتگذاری مدلهای Google AI 06:43
-
راهاندازی صورتحساب 02:31
-
تولید تصویر با مدلهای Google AI 08:19
-
آنچه خواهیم ساخت 01:40
-
گردشکار داده 02:08
-
ضبط صدا با Python 10:33
-
تبدیل گفتار به متن با OpenAI 05:52
-
ارسال متن تبدیلشده به LLM 04:41
-
تبدیل متن به گفتار با OpenAI 06:21
-
آنچه خواهیم ساخت 04:03
-
معماری سیستم 03:24
-
مقداردهی اولیه به LLM 03:52
-
پرامپت سیستمی و Context Injection 09:00
-
بارگذاری اسناد 16:46
-
ایجاد context 07:00
-
گرفتن پاسخ از LLM دربارهی اسناد 03:28
-
پیادهسازی اسناد گفتوگوی پیوسته 04:43
-
RAG چگونه کار میکند؟ 03:30
-
راهاندازی LLM 05:12
-
راهاندازی embeddingها و vector store 07:14
-
ساخت embedding از اسناد 09:13
-
گرفتن پاسخ از RAG 07:07
-
آنچه خواهیم ساخت 02:00
-
راهاندازی اولیه 02:53
-
Tavily چیست؟ 03:25
-
کدنویسی یک اسکریپت برای جستوجو در وب 11:19
-
انجام چندین جستوجو 07:10
-
تولید مقاله بر اساس نتایج Tavily 09:34
-
آنچه خواهیم ساخت 04:53
-
الگوی React در ایجنت 04:42
-
ساخت یک ایجنت ساده 08:38
-
افزودن قابلیت دسترسی به فایل 11:06
-
استریم بروزرسانیهای ایجنت 07:46
-
استریم بروزرسانیها دربارهی استفاده از ابزار 07:28
-
استریم بروزرسانیها دربارهی نتایج فراخوانی ابزار 05:27
-
نمایش پاسخ نهایی ایجنت 06:03
-
آنچه تا اینجا ساختهایم 06:01
-
استایلدهی به خروجیهای ایجنت در کنسول 04:33
-
استایلدهی به پاسخ اصلی ایجنت 05:32
-
افزودن قابلیت نوشتن فایل به ایجنت 06:24
-
افزودن مجوزهای خواندن فایل و ایجاد پوشه 07:25
-
نهاییسازی ایجنت 05:32
مشخصات آموزش
بوتکمپ مهندس Gen AI: ساخت اپلیکیشنها و ایجنتهای هوش مصنوعی با Python
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:112
- مدت زمان :11:08:51
- حجم :5.39GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy