کتاب صوتی ساخت عامل‌های هوشمند با LangGraph و React

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت عامل‌های هوشمند با LangGraph و React

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعهٔ سیستم‌های هوشمند پیچیده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و عامل‌های هوشمند
• 2. مبانی زبان برنامه‌نویسی پایتون برای توسعه عامل‌ها
• 3. نصب و پیکربندی محیط توسعه LangGraph
• 4. آشنایی با مفاهیم کلیدی LangGraph
• 5. ساخت اولین گراف ساده با LangGraph
• 6. اصول طراحی عامل‌های مبتنی بر گراف
• 7. مدیریت وضعیت در عامل‌های LangGraph
• 8. تعریف گره‌ها و لبه‌ها در گراف عامل
• 9. ایجاد گره‌های شرطی برای تصمیم‌گیری
• 10. پیاده‌سازی گره‌های حلقه‌ای برای تکرار
• 11. مدیریت خطا و استثناها در LangGraph
• 12. کاربرد LangGraph در حل مسائل پیچیده
• 13. مفهوم عامل‌های چندگانه و تعامل آن‌ها
• 14. طراحی معماری عامل‌های پیچیده
• 15. مقدمه‌ای بر کتابخانه‌های پردازش زبان طبیعی (NLP)
• 16. استفاده از مدل‌های زبان بزرگ (LLMs) در عامل‌ها
• 17. اتصال LangGraph به مدل‌های زبانی
• 18. تکنیک‌های بازیابی اطلاعات (Retrieval)
• 19. پیاده‌سازی عامل جستجو با LangGraph
• 20. توسعه عامل‌های مبتنی بر پایگاه دانش
• 21. کاربرد عامل‌ها در تحلیل داده
• 22. مفاهیم پایه‌ای توسعه وب با React
• 23. ساختار پروژه‌های React
• 24. کامپوننت‌ها و Props در React
• 25. مدیریت State در React
• 26. هوک‌ها (Hooks) در React
• 27. اتصال عامل‌های LangGraph به رابط کاربری React
• 28. طراحی رابط کاربری برای عامل‌های هوشمند
• 29. نمایش نتایج و بازخورد عامل به کاربر
• 30. مدیریت تعامل کاربر با عامل
• 31. مفاهیم پیشرفته‌تر React
• 32. بهینه‌سازی عملکرد عامل‌ها
• 33. تست و اشکال‌زدایی عامل‌های LangGraph
• 34. مقدمه‌ای بر مهندسی پرامپت (Prompt Engineering)
• 35. تکنیک‌های پیشرفته در مهندسی پرامپت
• 36. کاربرد پرامپت‌های زنجیره‌ای (Chain-of-Thought)
• 37. طراحی عامل‌های خلاق با LangGraph
• 38. مفاهیم پایه‌ای یادگیری ماشین
• 39. انواع الگوریتم‌های یادگیری ماشین
• 40. آموزش مدل‌های یادگیری ماشین
• 41. ارزیابی مدل‌های یادگیری ماشین
• 42. مقدمه‌ای بر شبکه‌های عصبی عمیق
• 43. کاربرد شبکه‌های عصبی در عامل‌ها
• 44. ساخت عامل‌های با قابلیت یادگیری
• 45. تکنیک‌های تنظیم دقیق مدل‌های زبان (Fine-tuning)
• 46. استفاده از LangGraph برای ارکستراسیون مدل‌ها
• 47. مفاهیم پایه‌ای توسعه عامل‌های بازی
• 48. طراحی عامل‌های حل مسئله در بازی‌ها
• 49. مقدمه‌ای بر رباتیک و عامل‌های فیزیکی
• 50. کاربرد LangGraph در کنترل ربات‌ها
• 51. مفاهیم پایه‌ای امنیت در عامل‌های هوشمند
• 52. طراحی عامل‌های امن و مقاوم
• 53. ملاحظات اخلاقی در توسعه عامل‌های هوشمند
• 54. مسئولیت‌پذیری در هوش مصنوعی
• 55. قوانین و مقررات مربوط به هوش مصنوعی در ایران
• 56. چارچوب‌های قانونی توسعه محتوای دیجیتال
• 57. ملاحظات شرعی در کاربرد هوش مصنوعی
• 58. اصول فقهی در طراحی عامل‌ها
• 59. مبانی اقتصاد اسلامی در عامل‌های مالی
• 60. کاربرد عامل‌ها در مدیریت منابع
• 61. اقتصاد بدون ربا با عامل‌های هوشمند
• 62. بانکداری اسلامی و عامل‌های هوشمند
• 63. بیمه در چارچوب عقود اسلامی
• 64. مقررات بانک مرکزی ایران در حوزه رمزارزها
• 65. کاربرد عامل‌ها در تحلیل بازارهای مالی
• 66. مدیریت ریسک با عامل‌های هوشمند
• 67. اصول روانشناسی خانواده ایرانی-اسلامی
• 68. کاربرد عامل‌ها در مشاوره خانواده
• 69. طراحی عامل‌های آموزشی سازگار
• 70. رعایت پروتکل‌های وزارت بهداشت در عامل‌های پزشکی
• 71. کاربرد عامل‌ها در پیگیری سلامت
• 72. مبانی تاریخی ایران باستان
• 73. تحولات تاریخی معاصر ایران
• 74. سیاست خارجی جمهوری اسلامی ایران
• 75. روابط بین‌الملل در چارچوب منافع ملی
• 76. تحلیل داده‌های تاریخی با عامل‌ها
• 77. مقدمه‌ای بر علم داده
• 78. پاکسازی و پیش‌پردازش داده‌ها
• 79. مهندسی ویژگی (Feature Engineering)
• 80. انتخاب مدل مناسب برای یادگیری ماشین
• 81. تنظیم هایپرپارامترها
• 82. ارزیابی مدل با معیارهای مختلف
• 83. مفهوم Overfitting و Underfitting
• 84. روش‌های جلوگیری از Overfitting
• 85. مدیریت داده‌های نامتوازن
• 86. کاربرد عامل‌ها در پیش‌بینی
• 87. طراحی عامل‌های خودکارسازی فرآیند
• 88. اصول توسعه عامل‌های مقیاس‌پذیر
• 89. مقدمه‌ای بر معماری میکروسرویس
• 90. استفاده از LangGraph در معماری میکروسرویس
• 91. استقرار عامل‌ها در محیط عملیاتی
• 92. نظارت و نگهداری عامل‌ها
• 93. به‌روزرسانی عامل‌ها
• 94. مستندسازی عامل‌ها
• 95. آموزش به کاربران عامل‌ها
• 96. ارزیابی تاثیر عامل‌ها بر فرآیندها
• 97. آیندهٔ عامل‌های هوشمند در ایران
• 98. چالش‌ها و فرصت‌های پیش رو
• 99. جمع‌بندی و مسیرهای یادگیری بیشتر