هوش مصنوعی عاملی با LangChain و LangGraph
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ساخت سیستمهای هوش مصنوعی عاملی با استفاده از LangChain و LangGraph برای پشتیبانی از حافظه، تکرار و منطق شرطی
- طراحی و پیادهسازی عامل های خود-بهبودیافته با استفاده از معماریهای Reflection ،Reflexion و ReAct
- بهکارگیری تکنیکهای عاملی ارکستراسیون برای ساخت سیستمهای چندعاملی همکار
- پیادهسازی سیستمهای RAG نوع عامل که کوئری ها را مسیریابی کرده و از استدلال مبتنی بر بازیابی پشتیبانی میکنند.
توضیحات دوره
آیا برای ساخت عامل های عوض مصنوعی که توانایی استدلال، بهبود و همکاری دارند آمادهاید؟ این دوره عملی مهارتهای لازم برای ساخت سیستمهای هوش مصنوعی عاملی با استفاده از LangChain و LangGraph را تنها در 3 هفته به شما میدهد.
شما گردش کارهای stateful طراحی خواهید کرد که از حافظه، تکرار و منطق شرطی پشتیبانی میکنند. شما چگونگی ساخت عامل های خود-بهبودیافته را با استفاده از معماریهای Reflection ،Reflexion و ReAct بررسی خواهید کرد و به عامل های خود قدرت میدهید تا درباره خروجیهایشان استدلال کرده و آنها را در طول زمان اصلاح کنند. علاوه بر این، روی آزمایشگاههای هدایتشدهای کار خواهید کرد که در آنها بازخورد عامل را ساختاردهی میکنید، دادههای خارجی را یکپارچه میسازید و پاسخهای آگاه از زمینه را از طریق استدلال مرحلهبهمرحله تولید میکنید.
سپس سیستمهای چندعاملی همکار توسعه خواهید داد که تسک ها را هماهنگ میکنند، دادههای مرتبط را بازیابی کرده و مشکلات پیچیده را با استفاده از عامل RAG حل میکنند. بهعلاوه، در زمینه عامل ارکستراسیون، مسیریابی کوئری و استراتژیهای حاکمیتی برای ساخت اپلیکیشنهای هوش مصنوعی قدرتمند و مقیاسپذیر تجربه کسب خواهید کرد.
در پایان دوره، شما نمونههای اولیه کاربردی از سیستمهای عامل ساختهاید و مهارتهای عملی لازم برای طراحی عامل های قابلاعتماد و انعطافپذیر را به دست آوردهاید. همین امروز در این دوره شرکت کنید و آماده ارتقای پورتفولیوی خود شوید!
هوش مصنوعی عاملی با LangChain و LangGraph
-
مقدمه دوره 2:52
-
مروری بر گواهینامه حرفهای RAG و هوش مصنوعی عاملی 5:32
-
هوش مصنوعی Generative در مقابل هوش مصنوعی عاملی 7:14
-
اجزای اصلی LangGraph 4:17
-
LangGraph در برابر LangChain: چه زمانی از کدام استفاده کنیم؟ 9:51
-
شروع کار با LangGraph 101 7:15
-
مروری بر دوره None
-
خلاصه و نکات برجسته None
-
مرور کلی: انواع عامل های هوش مصنوعی 10:10
-
هنر خود-بهبودی در هوش مصنوعی: ساخت عامل های Reflection 8:05
-
درک عامل های Reflexion 6:29
-
ساخت عامل های Reflexion 8:01
-
معماری ReAct: ساخت عامل هایی که پیش از عمل استدلال میکنند 8:50
-
خلاصه و نکات برجسته None
-
مقدمهای بر سیستمهای چندعاملی 8:09
-
خطرات هوش مصنوعی Agentic: آنچه باید درباره هوش مصنوعی خودکار بدانید 6:51
-
معماری Agentic RAG: بهبود بازیابی با سیستمهای Multi-Agent 5:37
-
جمعبندی دوره 4:42
-
خلاصه و نکات برجسته None
-
تبریک و گامهای بعدی None
-
تیم و تقدیر و تشکر None
مشخصات آموزش
هوش مصنوعی عاملی با LangChain و LangGraph
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:متوسط
- تعداد درس:21
- مدت زمان :01:43:55
- حجم :741.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy