در این دوره آنلاین و جامع، با جدیدترین ابزارهای AutoGen آشنا می‌شوید و یاد می‌گیرید چگونه عامل‌های هوش مصنوعی قدرتمند بسازید. این دوره توسط LinkedIn Learning ارائه شده و نسخه 2024-12 آن به‌طور رایگان در دسترس شما قرار می‌گیرد. هدف دوره، آموزش گام‌به‌گام ایجاد، آموزش و استقرار agent‌های هوشمند برای حل مسائل واقعی در حوزه‌های مختلف است.

• مقدمه‌ای بر معماری AutoGen و مزایای آن در توسعه عامل‌های هوشمند.
• نصب و پیکربندی محیط توسعه Python با کتابخانه‌های ضروری مانند AutoGen، OpenAI و LangChain.
• طراحی ساختار agent‌ها شامل Planner، Executor و Coordinator.
• ایجاد جریان‌های کاری پویا با استفاده از مکانیسم‌های گفتگو و تصمیم‌گیری خودکار.
• یکپارچه‌سازی agent با API‌های خارجی و بانک‌های اطلاعاتی برای دسترسی به داده‌های زنده.
• ارزیابی عملکرد و بهینه‌سازی مدل‌ها با معیارهای کیفی و کمی.
• استقرار نهایی agent در سرورهای ابری و نظارت بر عملکرد زنده.

با گذراندن این دوره، شما به ابزارها و مهارت‌های زیر دست خواهید یافت:

• توانایی طراحی عامل‌های هوش مصنوعی برای کاربردهای متنوع از پشتیبانی مشتری تا تحلیل داده.
• افزایش بهره‌وری در پروژه‌های هوش مصنوعی با استفاده از معماری مدولار AutoGen.
• آشنایی با جدیدترین تکنیک‌ها و الگوریتم‌های NLP و LLM.
• ایجاد پرتفولیوی قوی برای ارائه در مصاحبه‌های شغلی مرتبط.
• دسترسی به نمونه‌کدها و فایل‌های تمرینی برای استفاده در پروژه‌های شخصی یا تجاری.

• آشنایی پایه با زبان برنامه‌نویسی Python و مفاهیم شیء‌گرایی.
• درک مقدماتی از شبکه‌های عصبی، یادگیری عمیق و کار با APIهای وب.
• نصب محیط توسعه مانند VS Code یا PyCharm و مفاهیم پایه Git.
• داشتن حساب کاربری LinkedIn Learning برای دسترسی به ویدیوها و منابع دوره.

اگر با این موارد آشنایی ندارید، پیش از شروع دوره پیشنهاد می‌شود مبانی Python و مفاهیم اولیه AI را مرور کنید.

• بخش ۱: مقدمه بر AutoGen و معماری agent
• بخش ۲: تنظیم محیط و نصب پیش‌نیازها
• بخش ۳: طراحی اولین agent ساده
• بخش ۴: پیاده‌سازی مکانیسم‌های گفتگو و حافظه
• بخش ۵: ادغام با API سرویس‌های خارجی
• بخش ۶: تکنیک‌های بهینه‌سازی و مانیتورینگ
• بخش ۷: استقرار نهایی در فضای ابری
• بخش ۸: پروژه عملی نهایی و بررسی کد

در طول دوره، چند پروژه عملی مورد بررسی قرار می‌گیرد:

• ایجاد یک Chatbot پشتیبانی مشتری با قابلیت پاسخگویی به سوالات متداول.
• طراحی agent تحلیلگر احساسات برای جمع‌آوری بازخورد کاربران در شبکه‌های اجتماعی.
• ساخت یک پلنر وظایف خودکار که بر اساس ورودی کاربر، یک برنامه روزانه تنظیم می‌کند.
• یکپارچه کردن agent با سرویس ترجمه گوگل برای پشتیبانی چندزبانه.

هر مثال با توضیح خط‌به‌خط کد و نکات بهینه‌سازی همراه است تا شما به سادگی آن‌ها را توسعه دهید.

• ماژولار بودن معماری AutoGen به شما امکان می‌دهد بخش‌های مختلف agent را مجزا توسعه دهید.
• استفاده از Callback‌ها برای لاگ‌گذاری و رصد رویدادها در زمان اجرا.
• بهینه‌سازی مصرف حافظه و سرعت با تنظیم مناسب پارامترهای مدل.
• تست و اعتبارسنجی agent با داده‌های واقعی پیش از استقرار نهایی.
• مدیریت نسخه‌ها و همکاری تیمی با ابزار Git و GitHub.

با رعایت این نکات، پروژه‌های هوش مصنوعی شما پایداری و مقیاس‌پذیری بالاتری خواهند داشت.