عامل های هوش مصنوعی - تیم سازی عامل های کارساز LLM
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ایجاد تیمهای عامل های هوش مصنوعی که میتوانند تسک های پیچیده را انجام دهند.
- ایجاد اپلیکیشن های مبتنی بر LLM Agents
- استفاده از API چتجیپیتی
- استفاده از AutoGen برای فعال سازی عامل ها به ارتباط با یکدیگر
- ایجاد یک فرانت اند برای ارتباط با تیم عامل های هوش مصنوعی خود (اختیاری)
- اجرای هر اپلیکیشن عامل هوش مصنوعی در مقیاس بزرگ با استفاده از Google Cloud (اختیاری)
- راهاندازی یک سیستم پرداخت برای شارژ کاربران به استفاده از اپلیکیشن های مبتنی بر عاملان هوش مصنوعی (اختیاری)
پیش نیازهای دوره
- دانش پایه برنامهنویسی (همه کدهای ارائه شده به صورت گام به گام توضیح داده میشود)
- بدون نیاز به دانش قبلی، همه چیز به صورت مرحله به مرحله نشان داده میشود.
توضیحات دوره
در این دوره شما با این روش جدید استفاده از LLM Agents آشنا خواهید شد: استقرار چندین عامل برای همکاری به عنوان تیمها به منظور انجام وظایف پیچیدهتر برای شما!
همه چیز به صورت مرحله به مرحله آموزش داده میشود و دوره کاملاً عملی است و شامل مثالهای متعددی و یک اپلیکیشن کامل مبتنی بر عامل های هوش مصنوعی است که با هم میسازیم.
یکی از چیزهایی که برای دستیابی به این هدف استفاده میکنیم، API چتجیپیتی است تا بتوانیم از چتجیپیتی از طریق پایتون استفاده کنیم.
ما همچنین از AutoGen استفاده میکنیم تا به Agents ما اجازه دهیم تا با یکدیگر کار کنند و با یکدیگر ارتباط برقرار کنند (برای انجام وظایف بدون مداخله انسانی).
ما تعدادی بخش اختیاری نیز ارائه میدهیم. یکی از این بخشها به شما آموزش میدهد که چگونه یک فرانت اند با استفاده از Streamlit داشته باشید تا با هوش مصنوعیهای خود به راحتی تعامل کنید.
دیگر بخش اختیاری برای کسانی است که میخواهند عامل های هوش مصنوعی را در مقیاس بزرگ اجرا کنند! در اینجا به شما نشان میدهیم که چگونه LLM Agents خود را در Google Cloud مستقر کنید تا هر کسی بتواند از محصول شما استفاده کند.
در نهایت، یک بخش اختیاری دیگر وجود دارد که نحوه تنظیم یک سیستم پرداخت یا مدل اشتراکی با استفاده از Stripe را برای کسانی که میخواهند برنامه مبتنی بر عامل های هوش مصنوعی خود را درآمدزا کنند، نشان میدهد!
همه چیز به سادگی و به صورت مرحله به مرحله توضیح داده شده است. تمام کدهای نشان داده شده در دوره نیز ارائه میشود.
این دوره برای چه کسانی مناسب است؟
هر کسی که آماده است درباره این روش جدید استفاده از LLM Agents یاد بگیرد.
عامل های هوش مصنوعی - تیم سازی عامل های کارساز LLM
-
تعریف LLM ها 07:33
-
ساخت Autocomplete 08:28
-
از Autocomplete تا LLM ها 16:28
-
مهندسی prompt 04:45
-
طراحی Agentic 03:38
-
مقدمهای بر پیادهسازی LLM Agents 07:34
-
راهاندازی OpenAI - دریافت کلید API 06:51
-
راهاندازی OpenAI - نصب 04:14
-
راهاندازی OpenAI - ایجاد محیط پایتون 11:04
-
راهاندازی محلی OpenAI 15:54
-
آشنایی با Autogen 09:06
-
عامل های Autogen 12:24
-
عامل های تغییر دهنده استیت: کمدی استندآپ 14:38
-
کاوش در نتایج چت 10:59
-
شرایط خاتمه چت 11:10
-
تمرین خانگی 06:32
-
آشنایی با چتهای متوالی 05:50
-
کدنویسی چتهای متوالی 33:36
-
آشنایی با چتهای تو در تو 04:26
-
پالایش تک عامله 04:41
-
پالایش دو عامله 08:33
-
پالایش چندعامله 24:47
-
محیط اجرای کد عامل 13:40
-
اجرای کد عامل 19:54
-
عامل هایی که با مهارت کدنویسی میکنند - مقدمه 09:06
-
عامل هایی که با مهارت کدنویسی میکنند - اجرا 16:57
-
چت گروهی - مقدمه 05:45
-
چت گروهی - اجرا 27:16
-
ساخت یک اپلیکیشن مالی: مرور کلی برنامه 12:08
-
راهاندازی تیم عامل هوش مصنوعی شما 15:25
-
هماهنگی چت 15:31
-
اجرای اپلیکیشن 12:53
-
ساخت یک اپلیکیشن Streamlit 10:15
-
تحلیل سهام به عنوان یک اپلیکیشن Streamlit 14:06
-
راهاندازی Google Cloud Ephemeral Machine 15:31
-
اجرای اپلیکیشن خود از یک ماشین موقتی 08:38
-
اجرای اپلیکیشن Streamlit خود 08:13
-
اجرای اپلیکیشن خود از یک ماشین دائمی 18:26
-
راهاندازی st-paywall 07:16
-
راهاندازی Google Oauth 08:21
-
تنظیم Stripe 10:56
-
تنظیم URL های ریدایرکت 03:18
-
تنظیم st-paywall 11:22
-
ایجاد کوپن Stripe 05:12
-
استقرار اپلیکیشن شما در حالت تولید 18:41
مشخصات آموزش
عامل های هوش مصنوعی - تیم سازی عامل های کارساز LLM
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:45
- مدت زمان :08:42:01
- حجم :8.52GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy