توضیحات
دوره AI Engineering Bootcamp: Apps, RAG, Agents & MCP. این دوره آموزشی یک برنامه جامع، عملی و پروژهمحور برای یادگیری مهندسی هوش مصنوعی است که به توسعهدهندگان و علاقهمندان میآموزد چگونه برنامههای کاربردی هوش مصنوعی مدرن، سیستمهای بازیابی اطلاعات پیشرفته و عاملهای خودمختار را از صفر تا مرحله آمادهسازی برای تولید پیادهسازی کنند. این دوره آموزشی فراتر از آموزشهای ساده رباتهای گفتگو رفته و به فراگیران میآموزد که چگونه در طی چند روز، برنامههای کاربردی، کاربردی و آماده برای محیط تولید هوش مصنوعی بسازند. این برنامه جامع از مبانی هوش مصنوعی مولد آغاز شده و به موضوعات پیشرفتهای همچون عاملهای هوش مصنوعی، بازیابی افزوده یا همان RAG، پروتکل زمینه مدل (MCP)، سیستمهای چندعامله و مهندسی تولیدی هوش مصنوعی میپردازد. فراگیران ابتدا با نحوه کارکرد مدلهای زبانی بزرگ، دستورات، توکنها و معماری برنامههای هوش مصنوعی آشنا میشوند. سپس نخستین رباتهای گفتگوی مبتنی بر ترمینال و Streamlit را میسازند و یاد میگیرند چگونه برنامههای پایتون را به مدلهای ابری یا محلی متصل کنند. در ادامه، مهندسی دستورات (Prompt Engineering) به صورت کاملاً عملی و با استفاده از قالبهای قابل استفاده مجدد آموزش داده میشود. بخش مهمی از دوره به ساخت پروژههای دنیای واقعی مانند تحلیلگر رزومه هوش مصنوعی، دستیار گفتگوی فایلهای PDF و عامل پژوهشگر خودمختار اختصاص دارد. شرکتکنندگان با نحوه پردازش اسناد، استخراج متن، ایجاد تعبیهها، ذخیرهسازی برداری و جستجوی معنایی با استفاده از پایگاه دادههای برداری مانند ChromaDB آشنا میشوند. همچنین سیستمهای پیشرفته RAG شامل پایگاه دادههای برداری ترکیبی، بازرتبهبندی و دانش گراف RAG بررسی میگردند. در ادامه، مهندسی عاملهای هوش مصنوعی به همراه الگوهای هماهنگی چندعامله، ابزارها و حافظه آموزش داده میشود. معرفی پروتکل زمینه مدل (MCP) برای اتصال امن برنامهها به ابزارها، فایلها و پایگاههای داده، سیستمهای مرورگر خودمختار، هوش مصنوعی چندوجهی، بینایی ماشین و ارزیابی قابلیت اطمینان در محیط تولید از دیگر مباحث کلیدی این دوره هستند.
آنچه فرا خواهید گرفت
- ساخت برنامههای کاربردی هوش مصنوعی با استفاده از زبان پایتون، Streamlit و مدلهای زبانی بزرگ
- درک مفاهیم مدرن هوش مصنوعی شامل هوش مصنوعی مولد، مدلهای زبانی بزرگ، توکنها، پنجرههای زمینه و توهمات مدل
- نگارش دستورات مؤثر با استفاده از نقشها، دستورالعملها، محدودیتها، مثالها و قالبهای خروجی ساختاریافته
- ایجاد یک محیط تمرین مهندسی دستورات برای آزمایش، مقایسه و ذخیرهسازی دستورات قابل استفاده مجدد
- ساخت تحلیلگر رزومه هوش مصنوعی جهت بررسی، امتیازدهی و ارائه پیشنهادات بهبود برای رزومهها
- استخراج متن از فایلهای PDF و اسناد گوناگون برای استفاده در برنامههای کاربردی هوش مصنوعی
- ساخت دستیار گفتگوی PDF با استفاده از تکنیک بازیابی افزوده یا همان RAG
- درک تعبیهها، جستجوی معنایی، قطعهبندی اسناد و پایگاههای داده برداری
- استفاده از ChromaDB به عنوان پایگاه داده برداری محلی برای جستجو و بازیابی اسناد
- ساخت عامل پژوهشگر خودمختار هوش مصنوعی با قابلیت برنامهریزی، جستجو، تحلیل، نگارش، بازبینی و ذخیرهسازی گزارشها
- ایجاد جریان کاری چندعامله با حضور عاملهای برنامهریز، پژوهشگر، نویسنده، ویرایشگر و کنترل کیفیت
- بستهبندی برنامههای هوش مصنوعی با استفاده از ابزار Docker و آمادهسازی آنها برای ارائه یا استقرار
- اعمال شیوههای مسئولانه در هوش مصنوعی شامل حریم خصوصی، دقت، محافظها و نظارت انسانی
- ایجاد پروژههای آماده برای قرارگیری در نمونهکارها، گیتهاب، رزومه، مصاحبهها و ارائهها
این دوره مناسب افرادیست که
- فراگیران مبتدی و متوسطی که میخواهند به جای یادگیری صرف تئوری، برنامههای کاربردی هوش مصنوعی بسازند
- توسعهدهندگان نرمافزاری که میخواهند مهارتهای مرتبط با هوش مصنوعی، مدلهای زبانی بزرگ، RAG و عاملها را به تخصص خود اضافه کنند
- دانشجویانی که به دنبال پروژههای آماده هوش مصنوعی برای گیتهاب، رزومه، کارآموزی، مصاحبه یا درخواستهای شغلی هستند
- تحلیلگران، مدیران، مشاوران و متخصصان کسبوکاری که میخواهند نحوه ساخت برنامههای هوش مصنوعی را درک کنند
- کارآفرینان و سازندگانی که قصد دارند محصولات مبتنی بر هوش مصنوعی، ابزارهای بهرهوری، دستیارهای پژوهشی و رباتهای اسناد را به صورت نمونه اولیه طراحی کنند
- برنامهنویسان پایتون که میخواهند از اسکریپتهای ساده فراتر رفته و ساخت برنامههای واقعی هوش مصنوعی را آغاز کنند
مشخصات دوره AI Engineering Bootcamp: Apps RAG Agents & MCP
- ناشر: Udemy
- مدرس: Arjun Vaid, School of AI
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 20 ساعت و 52 دقیقه
- تعداد دروس: 91
سرفصل های دوره
پیشنیازهای دوره AI Engineering Bootcamp: Apps RAG Agents & MCP
- No advanced AI, machine learning, or data science background is required.
- Basic Python knowledge is helpful, but the course is beginner-friendly and explains the code step by step.
- Basic command line or terminal knowledge is helpful for running Python apps and installing packages.
- Students should have a computer with internet access.
- An OpenAI API key is optional. Students can also use Ollama to run local models where supported.
- Basic familiarity with APIs, web apps, or software development is helpful, but not required.
- No advanced math is required.
- No prior experience with RAG, AI agents, vector databases, Streamlit, ChromaDB, or Docker is required. These topics are introduced from the ground up through hands-on labs.
- Most importantly, students should be curious and ready to build practical AI projects step by step.
تصاویر دوره
نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
11.6 گیگابایت













































