Basic to Agent AI 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 rag, 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 Complete Gen AI: Basic to Agent AI, RAG, Bedrock, Vertex AI. این دوره آموزشی جامع و عملی، پتانسیل کامل هوش مصنوعی مولد را از مبانی NLP تا پیادهسازی عاملهای هوشمند و معماری RAG در پلتفرمهایی مانند AWS Bedrock و Google Vertex آموزش میدهد. دوره برای دانشجویان، توسعهدهندگان و علاقهمندان طراحی شده و با آموزش اصول پایتون و مبانی هوش مصنوعی مولد، حتی به افراد تازهکار امکان مشارکت کامل میدهد. سپس به مباحث پیشرفتهای مانند ساخت برنامههای کاربردی با LangChain، کار با ابزارهای LangSmith و LangGraph و نیز بررسی عاملهای هوشمندی مانند Crew AI و AutoGen میپردازد که میتوانند حوزههایی چون خدمات مشتری و اتوماسیون را متحول کنند. در بخش تکنیکهای پیشرفته RAG، روشهایی مانند Vector RAG و Graph RAG با استفاده از پایگاه داده Neo4j و همچنین مفهوم Self-Reflective RAG به عنوان مرز بعدی استدلال هوش مصنوعی آموزش داده میشود. این دوره با ارائه آزمونها، چالشهای کدنویسی و پروژههای عملی، درک نظری و تجربه کاربردی در زمینههای کلیدی هوش مصنوعی مولد را تضمین میکند و شرکتکنندگان را برای ساخت راهحلهای هوش مصنوعی از پایه آماده میسازد.
What You Will Learn
- تسلط بر مبانی NLP:
- Tokenization، Embedding، POS Tagging، TF-IDF، Chunking و موارد دیگر.
- درک اصول هوش مصنوعی مولد:
- کاوش مفاهیم کلیدی مانند Autoencoders، VAEs، GANs و مدلهای Transformer.
- تسلط بر مهندسی پرامپت (Prompt Engineering):
- یادگیری تکنیکهایی برای طراحی پرامپتهای مؤثر برای مدلهایی مانند ChatGPT، شامل Zero-shot، One-shot و Few-shot Prompting.
- کار با ابزارهای پیشرو در صنعت:
- کاوش پلتفرمهای هوش مصنوعی مولد پیشرفته مانند ChatGPT، Google Gemini و Microsoft CoPilot برای کاربردهای دنیای واقعی.
- راه اندازی محیط برای کاربردهای عملی هوش مصنوعی مولد:
- پیادهسازی RAG با استفاده از پایتون، VS Code و LangChain.
- کار با LangChain و کتابخانههای اکوسیستم LangChain (LCEL):
- ساخت کاربردهای هوش مصنوعی مولد دنیای واقعی و کاوش در اکوسیستم LangChain.
- توسعه Agent AI:
- درک و پیادهسازی Agentهایی مانند Crew AI و AutoGen برای اتوماسیون وظایف پیچیده.
- پیادهسازی Vector RAG و Graph RAG:
- استفاده از Neo4j برای بازیابی پیشرفته و تکنیکهای افزایش داده.
- یادگیری تکنیکهای Self-Reflective RAG:
- درک نحوه استدلال و تأمل هوش مصنوعی بر فرآیندهای خود.
- مهارتهای عملی پایتون برای هوش مصنوعی مولد:
- شروع از مبانی و پیشرفت به سمت توسعه پیشرفته هوش مصنوعی با پایتون و کتابخانههایی مانند NLTK.
- ساخت راه حلهای هوش مصنوعی از ابتدا:
- کسب دانش کامل از هوش مصنوعی مولد، از مبانی تا پیادهسازیهای پیشرفته با LangChain و LCEL.
- هوش مصنوعی مولد با AWS Bedrock
- هوش مصنوعی مولد با Google Cloud Vertex AI
- پیادهسازی کاربرد عملی با AWS Bedrock BOTO3
- پیادهسازی کاربرد عملی Google Cloud Vertex AI
Who This Course Is For
- دانشمندان داده (Data Scientists)
- مهندسان یادگیری ماشین (Machine Learning Engineers)
- علاقهمندان به هوش مصنوعی و NLP
- توسعهدهندگان و مهندسان نرمافزار
- پژوهشگران و دانشگاهیان
- مدیران محصول و رهبران فنی
- دانشجویان و آموزشگیرندگان
- متخصصان و مشاوران هوش مصنوعی
- مهندسان کیفیت (Quality Engineers)
Course Features & Specifications
- ناشر: Udemy
- مدرس: Soumen Kumar Mondal
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 7 ساعت و 53 دقیقه
- تعداد دروس: 57
Prerequisites
- Basic understanding of Python but dont worry the course will cover fundamental of Python.
Preview
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
Installation Guide
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
