دوره ساخت عامل‌های هوش مصنوعی با Semantic Kernel همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت عامل‌های هوش مصنوعی با Semantic Kernel

موضوع کلی: هوش مصنوعی

موضوع میانی: توسعه‌دهندگان هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر Semantic Kernel و عامل‌های هوش مصنوعی
• 2. معماری عامل‌های هوش مصنوعی: اجزا و نقش‌ها
• 3. نصب و راه‌اندازی Semantic Kernel: پیش‌نیازها و محیط توسعه
• 4. آشنایی با هسته Semantic Kernel: مفاهیم کلیدی
• 5. Kernel Planner: برنامه‌ریزی وظایف و اهداف
• 6. Kernel Functions: تعریف و استفاده از توابع
• 7. Kernel Memory: ذخیره و بازیابی اطلاعات
• 8. Semantic Functions: ایجاد توابع معنایی
• 9. Native Functions: پیاده‌سازی توابع بومی
• 10. Planners و Orchestration: مدیریت جریان کار
• 11. استفاده از Connectors: اتصال به منابع خارجی
• 12. ادغام با Azure OpenAI Service
• 13. ادغام با OpenAI GPT-3/GPT-4
• 14. ادغام با مدل‌های زبان بزرگ دیگر (LLM)
• 15. مدیریت Context در Semantic Kernel
• 16. تکنیک‌های Prompt Engineering برای Semantic Kernel
• 17. ایجاد Skillهای قابل استفاده مجدد
• 18. Skillهای پیش‌ساخته Semantic Kernel و نحوه استفاده از آن‌ها
• 19. توسعه Skillهای سفارشی
• 20. آزمایش و دیباگ Skillها
• 21. مدیریت خطا و استثناها در Semantic Kernel
• 22. پیاده‌سازی حافظه بلندمدت با Semantic Kernel
• 23. استفاده از Vector Databases با Semantic Kernel
• 24. ایجاد Agentهای مکالمه‌ای با Semantic Kernel
• 25. ساخت یک Agent برای پاسخگویی به سوالات (Question Answering)
• 26. ساخت یک Agent برای خلاصه سازی متن
• 27. ساخت یک Agent برای ترجمه زبان
• 28. ساخت یک Agent برای تولید محتوا
• 29. ساخت یک Agent برای تحلیل احساسات
• 30. ساخت یک Agent برای استخراج اطلاعات
• 31. ادغام Semantic Kernel با سایر فریم‌ورک‌ها و کتابخانه‌ها
• 32. استفاده از Semantic Kernel در برنامه‌های وب
• 33. استفاده از Semantic Kernel در اپلیکیشن‌های دسکتاپ
• 34. استفاده از Semantic Kernel در برنامه‌های موبایل
• 35. بهینه‌سازی عملکرد Agentها
• 36. مقیاس‌پذیری Agentها
• 37. امنیت Agentها و مدیریت دسترسی
• 38. نکات پیشرفته Prompt Engineering
• 39. استفاده از Chain of Thought Reasoning
• 40. استفاده از Retrieval Augmented Generation (RAG)
• 41. تنظیم پارامترهای مدل‌های زبانی بزرگ
• 42. مانیتورینگ و Logging Agentها
• 43. استقرار Agentها در محیط Production
• 44. به‌روزرسانی و نگهداری Agentها
• 45. آشنایی با Semantic Kernel Roadmap و آینده‌ی آن