دوره الگوهای طراحی عامل‌محور (Agentic) در هوش مصنوعی با استفاده از Ollama همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوهای طراحی عامل‌محور (Agentic) در هوش مصنوعی با استفاده از Ollama

موضوع کلی: هوش مصنوعی و کاربردهای آن

موضوع میانی: طراحی و پیاده‌سازی سیستم‌های هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر عامل‌های هوش مصنوعی
• 2. مبانی عامل‌های هوشمند
• 3. معماری عامل‌های هوش مصنوعی
• 4. انواع عامل‌های هوش مصنوعی
• 5. کاربرد عامل‌های هوش مصنوعی در صنعت
• 6. معرفی Ollama و قابلیت‌های آن
• 7. نصب و پیکربندی Ollama
• 8. مدل‌های زبان بزرگ (LLMs) در Ollama
• 9. کار با مدل‌های محلی در Ollama
• 10. مفهوم Prompt Engineering
• 11. تکنیک‌های پیشرفته Prompt Engineering
• 12. ساخت عامل‌های ساده با Prompt Engineering
• 13. مروری بر الگوهای طراحی عامل‌محور
• 14. الگوی عامل برنامه‌ریز (Planner Agent)
• 15. طراحی عامل برنامه‌ریز با Ollama
• 16. پیاده‌سازی عامل برنامه‌ریز
• 17. کاربرد عامل برنامه‌ریز در حل مسئله
• 18. الگوی عامل ابزار (Tool Agent)
• 19. طراحی عامل ابزار با Ollama
• 20. پیاده‌سازی عامل ابزار
• 21. اتصال عامل ابزار به APIها
• 22. کاربرد عامل ابزار در اتوماسیون
• 23. الگوی عامل حافظه‌دار (Memory Agent)
• 24. طراحی عامل حافظه‌دار با Ollama
• 25. پیاده‌سازی عامل حافظه‌دار
• 26. مدیریت حافظه کوتاه‌مدت و بلندمدت
• 27. کاربرد عامل حافظه‌دار در سیستم‌های توصیه
• 28. الگوی عامل ارزیاب (Critic Agent)
• 29. طراحی عامل ارزیاب با Ollama
• 30. پیاده‌سازی عامل ارزیاب
• 31. نقش عامل ارزیاب در بهبود عملکرد
• 32. کاربرد عامل ارزیاب در اعتبارسنجی
• 33. ترکیب الگوهای طراحی عامل‌محور
• 34. طراحی سیستم‌های چند عاملی
• 35. هماهنگی و ارتباط بین عامل‌ها
• 36. مدیریت تعارض در سیستم‌های چند عاملی
• 37. پیاده‌سازی سیستم‌های چند عاملی با Ollama
• 38. ارزیابی عملکرد سیستم‌های عامل‌محور
• 39. بهینه‌سازی عامل‌ها و سیستم‌ها
• 40. ملاحظات امنیتی در عامل‌های هوش مصنوعی
• 41. حریم خصوصی در عامل‌های هوش مصنوعی
• 42. اخلاق در عامل‌های هوش مصنوعی
• 43. مسئولیت‌پذیری در عامل‌های هوش مصنوعی
• 44. آینده عامل‌های هوش مصنوعی
• 45. روندهای نوظهور در طراحی عامل‌ها
• 46. مطالعات موردی سیستم‌های عامل‌محور
• 47. مثال‌های عملی از عامل برنامه‌ریز
• 48. مثال‌های عملی از عامل ابزار
• 49. مثال‌های عملی از عامل حافظه‌دار
• 50. مثال‌های عملی از عامل ارزیاب
• 51. ساخت یک عامل هوشمند سفارشی
• 52. توسعه ابزارهای کمکی برای عامل‌ها
• 53. مدیریت داده‌ها برای عامل‌ها
• 54. پیش‌پردازش داده‌ها برای عامل‌ها
• 55. پس‌پردازش داده‌ها توسط عامل‌ها
• 56. تجسم خروجی عامل‌ها
• 57. مستندسازی سیستم‌های عامل‌محور
• 58. عیب‌یابی و رفع اشکال عامل‌ها
• 59. تست و اعتبارسنجی عامل‌ها
• 60. مقیاس‌پذیری سیستم‌های عامل‌محور
• 61. مدیریت منابع در عامل‌های هوش مصنوعی
• 62. پایداری سیستم‌های عامل‌محور
• 63. نوآوری در طراحی عامل‌ها
• 64. مروری بر تکنیک‌های یادگیری ماشینی مرتبط
• 65. یادگیری تقویتی در عامل‌ها
• 66. یادگیری عمیق در عامل‌ها
• 67. شبکه‌های عصبی کانولوشنی در عامل‌ها
• 68. شبکه‌های عصبی بازگشتی در عامل‌ها
• 69. پردازش زبان طبیعی در عامل‌ها
• 70. استخراج اطلاعات از متون
• 71. خلاصه‌سازی متون با عامل‌ها
• 72. پاسخ به پرسش با عامل‌ها
• 73. ترجمه ماشینی با عامل‌ها
• 74. تولید متن خلاقانه با عامل‌ها
• 75. کاربرد عامل‌ها در تحلیل داده
• 76. شناسایی الگوها در داده‌ها
• 77. طبقه‌بندی داده‌ها با عامل‌ها
• 78. خوشه‌بندی داده‌ها با عامل‌ها
• 79. پیش‌بینی با عامل‌ها
• 80. تحلیل احساسات با عامل‌ها
• 81. کاربرد عامل‌ها در خدمات مشتری
• 82. ساخت ربات‌های گفتگو (Chatbots)
• 83. شخصی‌سازی تجربیات کاربری
• 84. اتوماسیون فرآیندهای کسب‌وکار
• 85. کاربرد عامل‌ها در آموزش
• 86. سیستم‌های یادگیری تطبیقی
• 87. تولید محتوای آموزشی
• 88. ارزیابی دانش‌آموزان
• 89. کاربرد عامل‌ها در سلامت
• 90. تشخیص بیماری‌ها
• 91. توصیه‌های درمانی
• 92. مدیریت پرونده‌های پزشکی
• 93. کاربرد عامل‌ها در پژوهش
• 94. دستیاران پژوهشی هوشمند
• 95. تحلیل مقالات علمی
• 96. پیشنهاد مسیرهای پژوهشی
• 97. مروری بر فریم‌ورک‌های توسعه عامل
• 98. معرفی LangChain
• 99. کار با LangChain و Ollama
• 100. معرفی LlamaIndex