دوره طراحی و پیاده‌سازی عامل‌های هوشمند با LangGraph در ایران همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی عامل‌های هوشمند با LangGraph در ایران

موضوع کلی: هوش مصنوعی و برنامه‌نویسی پیشرفته

موضوع میانی: توسعهٔ عامل‌های هوشمند با استفاده از چارچوب‌های پیشرفته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر عامل‌های هوشمند و LangGraph
• 2. مفاهیم پایهٔ برنامه‌نویسی عامل‌های هوشمند
• 3. معرفی چارچوب LangGraph
• 4. نصب و راه‌اندازی LangGraph
• 5. ساختار اساسی یک عامل LangGraph
• 6. مدیریت وضعیت در LangGraph
• 7. تعریف گره‌ها (Nodes) در LangGraph
• 8. تعریف یال‌ها (Edges) در LangGraph
• 9. انواع یال‌ها: مستقیم و مشروط
• 10. پیاده‌سازی منطق شرطی در عامل‌ها
• 11. استفاده از توابع در گره‌ها
• 12. مدیریت پارامترهای ورودی و خروجی
• 13. ایجاد گراف‌های پیچیده با LangGraph
• 14. کار با ابزارهای خارجی در عامل‌ها
• 15. اتصال عامل‌ها به APIها
• 16. مدیریت خطا در عامل‌های LangGraph
• 17. تست و اشکال‌زدایی عامل‌ها
• 18. مقدمه‌ای بر حافظه در عامل‌های هوشمند
• 19. انواع حافظه: کوتاه مدت و بلند مدت
• 20. پیاده‌سازی حافظه در LangGraph
• 21. استفاده از پایگاه‌داده برای حافظه
• 22. مدیریت تاریخچه مکالمات
• 23. بهینه‌سازی حافظه عامل‌ها
• 24. مفهوم زنجیرهٔ عامل‌ها (Agent Chaining)
• 25. طراحی زنجیره‌های عامل ساده
• 26. پیاده‌سازی زنجیره‌های عامل پیچیده
• 27. استفاده از LangGraph برای مدیریت زنجیره‌ها
• 28. مقدمه‌ای بر مدل‌های زبان بزرگ (LLMs)
• 29. کار با مدل‌های زبان در عامل‌ها
• 30. تنظیم پارامترهای LLM
• 31. مدیریت promptها برای LLMs
• 32. استفاده از ابزارهای LLM در LangGraph
• 33. مقدمه‌ای بر توابع ابزاری (Tool Functions)
• 34. طراحی توابع ابزاری سفارشی
• 35. اتصال توابع ابزاری به عامل‌ها
• 36. مدیریت انتخاب ابزار توسط عامل
• 37. استفاده از ابزارهای جستجو
• 38. استفاده از ابزارهای محاسباتی
• 39. مقدمه‌ای بر برنامه‌ریزی عامل‌ها
• 40. تکنیک‌های برنامه‌ریزی ساده
• 41. استفاده از LangGraph برای برنامه‌ریزی
• 42. مدیریت وظایف در برنامه‌ریزی عامل
• 43. تکنیک‌های برنامه‌ریزی پیشرفته
• 44. برنامه‌ریزی مبتنی بر هدف
• 45. اجرای برنامه‌های عامل
• 46. ارزیابی و بهینه‌سازی برنامه‌های عامل
• 47. مقدمه‌ای بر عامل‌های چندوظیفه‌ای
• 48. طراحی عامل‌های چندوظیفه‌ای
• 49. مدیریت همزمان وظایف
• 50. استفاده از LangGraph برای عامل‌های چندوظیفه‌ای
• 51. مقدمه‌ای بر عامل‌های تعاملی
• 52. طراحی عامل‌های تعاملی
• 53. مدیریت ورودی و خروجی تعاملی
• 54. استفاده از LangGraph برای عامل‌های تعاملی
• 55. مقدمه‌ای بر عامل‌های یادگیرنده
• 56. تکنیک‌های یادگیری برای عامل‌ها
• 57. ادغام یادگیری با LangGraph
• 58. مقدمه‌ای بر ارزیابی عامل‌های هوشمند
• 59. معیارهای ارزیابی عامل‌ها
• 60. پیاده‌سازی سیستم ارزیابی
• 61. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 62. اصول اخلاقی در طراحی عامل‌ها
• 63. مسئولیت‌پذیری عامل‌های هوشمند
• 64. شفافیت در عامل‌های هوشمند
• 65. امنیت عامل‌های هوشمند
• 66. مقدمه‌ای بر کاربردهای عامل‌های هوشمند
• 67. کاربرد در پشتیبانی مشتری
• 68. کاربرد در اتوماسیون فرآیندها
• 69. کاربرد در تحلیل داده‌ها
• 70. کاربرد در بازی‌سازی
• 71. کاربرد در آموزش
• 72. کاربرد در پژوهش
• 73. کاربرد در مدیریت اطلاعات
• 74. کاربرد در سلامت
• 75. کاربرد در امور مالی
• 76. کاربرد در کسب‌وکارهای کوچک
• 77. مقدمه‌ای بر آیندهٔ عامل‌های هوشمند
• 78. روندهای نوین در عامل‌های هوشمند
• 79. چالش‌های پیش رو در عامل‌های هوشمند
• 80. توسعهٔ پایدار عامل‌های هوشمند
• 81. مقدمه‌ای بر LangGraph پیشرفته
• 82. تکنیک‌های بهینه‌سازی در LangGraph
• 83. مدیریت گراف‌های پویا
• 84. استفاده از LangGraph در پروژه‌های واقعی
• 85. مقدمه‌ای بر معماری عامل‌های بزرگ
• 86. طراحی سیستم‌های عامل پیچیده
• 87. ادغام LangGraph با سایر چارچوب‌ها
• 88. مقدمه‌ای بر مهندسی عامل‌ها
• 89. اصول مهندسی نرم‌افزار در عامل‌ها
• 90. مدیریت چرخهٔ عمر عامل‌ها
• 91. مقدمه‌ای بر عامل‌های تخصصی
• 92. طراحی عامل‌های تخصصی برای دامنه
• 93. ارزیابی عامل‌های تخصصی
• 94. مقدمه‌ای بر ابزارهای توسعهٔ عامل
• 95. معرفی ابزارهای مرتبط با LangGraph
• 96. استفاده از LangGraph در محیط‌های ابری
• 97. نکات تکمیلی در برنامه‌نویسی عامل‌ها
• 98. چالش‌های پیاده‌سازی در ایران
• 99. راهکارهای بومی‌سازی عامل‌های هوشمند
• 100. مقدمه‌ای بر برنامه‌نویسی موازی در عامل‌ها