Building AI Agents with LlamaIndex 2025-2 2026

Building AI Agents with LlamaIndex 2025-2 is a comprehensive, hands-on course designed to take you from the fundamentals to advanced, real-world mastery of data-path-to-node. Whether you are just starting out or looking to level up, this course gives you the structured path and practical projects you need to succeed.

Throughout the lessons you will build genuine confidence with data-path-to-node and llamaindex, learning through clear explanations and step-by-step examples you can apply immediately. Below you will find everything the course covers, who it is for, and a full breakdown of the curriculum before you download.

Course Description

دوره Hands-On Agentic AI: Building AI Agents with LlamaIndex. این دوره آموزشی کاربردی، مهندسان هوش مصنوعی و یادگیری ماشین را با چگونگی ساخت و استقرار عامل‌های هوش مصنوعی خودمختار با استفاده از فریم‌ورک LlamaIndex آشنا می‌سازد. عامل‌های هوش مصنوعی به دلیل قابلیت تصمیم‌گیری مستقل و عمل بر اساس آن‌ها، به سرعت در حال کسب محبوبیت هستند. مدرس این دوره، کوماران پونامبالام، به شما کمک می‌کند تا توانایی‌های هوش مصنوعی عاملیت‌محور در چارچوب LlamaIndex را که مجموعه‌ای از بلوک‌های سازنده برای ایجاد و استقرار سریع و آسان این عامل‌ها فراهم می‌کند، بیاموزید. شرکت‌کنندگان در این دوره، انواع مختلفی از موارد استفاده را برای درک الگوهای رایج و نحوه پیاده‌سازی موفقیت‌آمیز آن‌ها با LlamaIndex بررسی خواهند کرد. این آموزش با GitHub Codespaces یکپارچه شده است که یک محیط توسعه ابری فوری را ارائه می‌دهد و تمام ویژگی‌های یک محیط توسعه یکپارچه محبوب را بدون نیاز به هیچ پیکربندی محلی در اختیار شما قرار می‌دهد. این امکان به شرکت‌کنندگان اجازه می‌دهد تا از هر دستگاه و در هر زمان، تجربه یادگیری عملی و مستقیمی داشته باشند و همزمان با ابزاری کار کنند که به احتمال زیاد در محیط‌های کاری حرفه‌ای با آن روبرو خواهند شد.

What You Will Learn

مفاهیم و بلوک‌های سازنده:
توضیح مفاهیم و بلوک‌های سازنده برای هوش مصنوعی عاملیت‌محور در LlamaIndex.
ایجاد عامل‌های هوش مصنوعی:
ایجاد یک عامل هوش مصنوعی برای بازتاب (Reflection)، مسیریابی (Routing) و استفاده از ابزار (Tool Use).
قابلیت‌های جستجو با RAG:
افزودن قابلیت‌های جستجو با استفاده از تولید با بازیابی پیشرفته (RAG – Retrieval-Augmented Generation) با استفاده از LlamaIndex.
عملیات خودکار:
انجام عملیات بر روی سیستم‌های خارجی به صورت خودمختار.
ساخت سیستم‌های چندعاملی:
ساخت سیستم‌های چندعاملی (Multiagent Systems) با LlamaIndex

Who This Course Is For

مهندسان هوش مصنوعی (AI Engineers) که به دنبال یادگیری عملی ساخت عامل‌های هوش مصنوعی با LlamaIndex هستند.
مهندسان یادگیری ماشین (ML Engineers) که می‌خواهند قابلیت‌های عاملیت‌محور را به دانش خود اضافه کنند.
توسعه‌دهندگان علاقه‌مند به استفاده از فریم‌ورک LlamaIndex برای ایجاد سریع و استقرار آسان عامل‌های هوش مصنوعی.
متخصصان فنی که به دنبال درک الگوهای رایج و موارد استفاده مختلف هوش مصنوعی عاملیت‌محور در محیط‌های عملی هستند.