ساخت اپلیکیشنهای چندعاملی هوشمند با AutoGen 0.5
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک سیستمهای چندعاملی - آشنایی با اصول معماریهای چندعاملی، مزایا و کاربردهای واقعی آنها در گردش کارهای مبتنی بر هوش مصنوعی
- تجربه عملی با AutoGen - کسب تجربه عملی در استفاده از AutoGen 0.4 و AutoGen 0.5 برای ساخت و سفارشیسازی اپلیکیشنهای هوشمند چندعاملی برای حل مسائل
- همکاری و ارتباط عامل - بررسی کنید چگونه چند عامل هوش مصنوعی تعامل برقرار میکنند، دانش به اشتراک میگذارند و تسکها را بهصورت مؤثر با پروتکلهای ساختارمند هماهنگ میکنند.
- ساخت اپلیکیشنهای مقیاسپذیر هوش مصنوعی - توسعه راهحلهای هوش مصنوعی برای سناریوهای واقعی، مانند پشتیبانی از مشتریان
پیشنیازهای دوره
مبانی پایتون
توضیحات دوره
آینده هوش مصنوعی همکاری چندعاملی است، جایی که عاملهای هوشمند با هم برای حل مسائل پیچیده بهطور مؤثر کار میکنند. این دوره برای کمک به شما در تسلط به فریمورک AutoGen (نسخه 0.4 و 0.5) طراحی شده است، ابزاری قدرتمند برای ساخت و هماهنگی عاملهای هوش مصنوعی که تعامل، استدلال و همکاری میکنند. چه به هوش مصنوعی علاقهمند باشید، چه توسعهدهنده یا پژوهشگر باشید، این دوره مهارتهای لازم برای ساخت و راهاندازی اپلیکیشنهای چندعاملی مقیاسپذیر را به شما میدهد.
آنچه یاد خواهید گرفت:
- اصول سیستمهای چندعاملی - درک کامپوننتهای اصلی عاملهای هوش مصنوعی، کاربردهای آنها و چگونگی بهبود گردش کارهای مبتنی بر هوش مصنوعی
- محیط توسعه خود را راهاندازی کنید - یاد بگیرید چگونه پایتون را نصب کرده، ویژوال استودیو را راهاندازی کنید، محیطهای مجازی را ایجاد کنید و وابستگیهای لازم را نصب کنید.
- بررسی عمیق AutoGen - معماری، کتابخانهها و قابلیتهای AutoGen را بررسی کنید که شامل کار با مدلهای OpenAI و LLaMA متنباز است.
- مفاهیم کلیدی AutoGen - تسلط به پیامرسانی عامل، عاملهای پروکسی کاربر، عاملهای دستیار، استریمینگ پاسخها و یکپارچهسازی هوش مصنوعی چندوجهی است.
- همکاری عاملهای هوش مصنوعی بهصورت تیمی - یاد بگیرید چگونه عاملهای هوش مصنوعی را در تیمها سازماندهی کنید، شرایط خاتمه را تعریف کنید و SelectorGroupChat را برای انتخاب عاملهای مبتنی بر مدل زبانی بزرگ پیادهسازی کنید.
- مفاهیم پیشرفته چندعاملی - بررسی مدیریت state در گردش کارهای هوش مصنوعی و بررسی Magentic-One، یک سیستم چندعاملی عمومی برای تسکهای مبتنی بر فایل و وب
- پروژههای عملی - پیادهسازی اپلیکیشنهای واقعی عامل هوش مصنوعی، از جمله:
- پروژه 1: توسعه یک اپلیکیشن عامل هوش مصنوعی مبتنی بر Streamlit، درک و بهینهسازی کد با عامل
- پروژه 2: ساخت یک چتبات هوش مصنوعی چندعاملی برای پشتیبانی از مشتری که با کاربران پورتال تجارت الکترونیک تعامل دارد و بهصورت پویا پرسشها را پردازش میکند.
تا پایان این دوره، شما تجربه عملی در ساخت و بهینهسازی سیستمهای چندعاملی مبتنی بر هوش مصنوعی با AutoGen خواهید داشت و این تجربه شما را برای توسعه راهحلهای نسل بعدی هوش مصنوعی آماده میکند.
این دوره برای چه کسانی مناسب است؟
- افرادی که با هوش مصنوعی و یادگیری ماشین کار میکنند و به دنبال ساخت عاملهای هوشمند هوش مصنوعی هستند.
- توسعهدهندگانی که به AutoGen ،AgentChat AutoGen و اتوماسیون هوش مصنوعی علاقهمندند.
- پژوهشگرانی که به بررسی همکاری چندعاملی میپردازند.
- هر کسی که مایل به توسعه اپلیکیشنهای مبتنی بر هوش مصنوعی است.
ساخت اپلیکیشنهای چندعاملی هوشمند با AutoGen 0.5
-
مقدمه 01:09
-
نصب پایتون 02:12
-
دانلود و راهاندازی ویژوال استودیو کد 03:42
-
دانلود کد و ایجاد محیط مجازی 05:50
-
عاملهای هوش مصنوعی چیستند؟ 04:01
-
کامپوننتها و موارد استفاده عاملهای هوش مصنوعی 03:42
-
AutoGen چیست؟ 04:42
-
مدلهای زبانی بزرگ چیستند؟ 01:29
-
چگونه تصمیم بگیریم از کدام مدل زبانی بزرگ استفاده کنیم؟ 05:54
-
ایجاد کلید API OpenAI 02:52
-
اولین کد خود را با کلید OpenAI اجرا کنید 05:50
-
توضیح کد استفاده از کلاینت OpenAI با AutoGen 04:14
-
استفاده از هر مدل زبانی بزرگ متنباز با AutoGen 03:49
-
پیامها چیستند؟ 03:01
-
نمایش TextMessage در عمل: ارسال پیامها به عاملهای هوش مصنوعی 02:31
-
چتبات AutoGen: درک عاملها 03:12
-
درک فراخوانی ابزار، reflect_on_tool_use و HandOff 04:15
-
توضیح عامل کمکی: کد، اجرا و بررسی عمیق 06:23
-
درک on_messages و تابع run: توضیح ویژگیها و کاربردها 03:23
-
بررسی reflect_on_tool_use و فراخوانی تابع با کد 04:58
-
UserProxyAgent: ضبط و مدیریت ورودی کاربر 03:24
-
ترکیب متن و تصاویر در سیستمهای هوش مصنوعی چندوجهی 03:21
-
استریمینگ پیامهای عامل و توکنها: بینشهای بلادرنگ 03:19
-
بررسی پروژه بهینهسازی کد 01:06
-
بررسی کد پروژه 07:54
-
توضیح تیمهای عامل هوش مصنوعی: تعریف و موارد استفاده 02:08
-
بررسی تیمهای چت گروهی موجود در AutoGen 01:17
-
اجرای تیم بهصورت راند رابین 06:35
-
Human in the Loop: روشهای مختلف برای دریافت ورودی کاربران 05:45
-
تعریف اینکه چه زمانی و چگونه تیمهای عامل هوش مصنوعی با شرایط خاتمه باید متوقف شوند 03:54
-
انتخاب عامل مبتنی بر مدل زبانی زبرگ با SelectorGroupChat 02:30
-
SelectorGroupChat در عمل: چگونه کار میکند؟ 08:32
-
اجرای کد چت گروهی سلکتور و تابع سلکتور سفارشی در عمل 06:53
-
بررسی پروژه 03:48
-
معماری پروژه و بررسی کد فرانتاند برای چتبات هوش مصنوعی چندعاملی 06:25
-
بررسی کد Fast API برای چتبات هوش مصنوعی چندعاملی 07:24
-
بررسی کد پایگاه داده و ابزارها برای چتبات هوش مصنوعی چندعاملی 05:23
-
بررسی کد تعریف تمامی عاملها برای چتبات هوش مصنوعی چندعاملی 03:33
-
اجرای کد و تست پورتال چتبات هوش مصنوعی چندعاملی 02:58
-
مدیریت Stateهای تیم و عامل در گردش کارهای هوش مصنوعی 06:02
-
Magentic-One: یک سیستم چندعاملی عمومی برای تسکهای وب و مبتنی بر فایل 07:07
مشخصات آموزش
ساخت اپلیکیشنهای چندعاملی هوشمند با AutoGen 0.5
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:مقدماتی
- تعداد درس:41
- مدت زمان :02:56:56
- حجم :1.67GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy