Udemy – The Agentic AI Engineering Masterclass 2025 2025-9

دوره The Agentic AI Engineering Masterclass 2025. این دوره یک برنامه آموزشی جامع و کاربردی است که به شرکت‌کنندگان می‌آموزد چگونه نسل بعدی عامل‌های هوش مصنوعی را طراحی، توسعه و مستقر کنند. این دوره با تمرکز بر حل مسائل دنیای واقعی، از طریق ترکیب حافظه، ابزارها، قابلیت همکاری و اتوماسیون، با SDK عوامل OpenAI آغاز می‌شود و به صورت گام‌به‌گام از ایجاد عامل‌های ساده تا پیاده‌سازی ویژگی‌های پیشرفته‌ای مانند حافظه پایدار، گاردریل‌ها و یکپارچه‌سازی گردش کار پیش می‌رود. سپس به سیستم‌های چندعاملی می‌پردازد که در آن عامل‌های متخصص مانند محققان، تحلیلگران و نویسندگان با همکاری یکدیگر و به اشتراک‌گذاری زمینه و خروجی‌ها، محصولات پیچیده را تولید می‌کنند. شرکت‌کنندگان یاد می‌گیرند چگونه این سیستم‌ها را با توابع مدیریتی هماهنگ کنند، چارچوب‌های اخلاقی و محدوده‌ای را با گاردریل‌ها اعمال نمایند و پایپ‌لاین‌های خلاقانه برای موارد استفاده‌ای از تحقیقات بازار تا کمپین‌های تبلیغاتی طراحی کنند. این دوره چندین فریم‌ورک آماده تولید برای ساخت گردش کارهای عاملی، از جمله AutoGen برای همکاری چندوجهی، LangGraph برای پایپ‌لاین‌های ماژولار متصل به رابط‌های کاربری، و CrewAI برای هماهنگی پیشرفته را معرفی می‌کند. همچنین شرکت‌کنندگان چگونگی گسترش قابلیت‌های عامل‌ها با ابزارهای سفارشی، از اجرای کد پایتون برای تحلیل داده تا ادغام مدل‌های یادگیری ماشین کلاسیک مانند رگرسیون خطی، جنگل تصادفی و XGBoost را فراخواهند گرفت.

آنچه فرا خواهید گرفت

• ساخت و استقرار عامل‌های هوش مصنوعی: با استفاده از فریم‌ورک‌های پیشرفته مانند OpenAI Agents SDK، N8N، AutoGen، CrewAI، LangGraph و MCP، عامل‌های هوش مصنوعی هوشمند و مستقل می‌سازند.
• ایجاد عامل‌های با حافظه، منطق و ابزار: یاد می‌گیرند که چگونه عامل‌های هوش مصنوعی بسازند که با استفاده از حافظه، ابزارها، گاردریل‌ها و انتقال‌ها، به یاد می‌آورند، استدلال می‌کنند و همکاری می‌نمایند.
• یادگیری اصول OpenAI Agents SDK: با اجزای بنیادین OpenAI Agents SDK، از جمله شیء Agent و کلاس Runner آشنا می‌شوند.
• نظارت بر فعالیت عامل‌ها: یاد می‌گیرند که چگونه عامل‌ها را بسازند، اجرا کنند و فعالیت آن‌ها را با استفاده از ردیابی‌ها در پلتفرم OpenAI API نظارت نمایند.
• ساخت مکانیزم‌های انتقال: مکانیزم‌های انتقال را برای انتقال روان زمینه و ورودی‌ها بین عامل‌ها (Planner به Writer) می‌سازند.
• پیاده‌سازی گاردریل‌ها: گاردریل‌ها را برای اعمال مرزها (مانند جلوگیری از پاسخ‌ها در مورد موضوعات محدود) پیاده‌سازی می‌کنند.
• کاوش در فریم‌ورک‌های پیشرفته: CrewAI را برای ساخت گردش کارهای عاملی پیشرفته بررسی می‌کنند و عامل‌ها را با ابزارهای سفارشی پایتون برای تحلیل و مدل‌سازی گسترش می‌دهند.
• ساخت تیم‌های عامل: اصول عامل‌های هوش مصنوعی چندمدلی در AutoGen را می‌آموزند و تیم‌هایی از عامل‌ها با LLMهای مختلف (GPT، Gemini، Claude) می‌سازند.
• طراحی گردش کارهای عاملی در LangGraph: نحوه طراحی گردش کارهای عاملی در LangGraph، از جمله اتصال آن‌ها به رابط‌هایی مانند Gradio برای تعامل با کاربر را درک می‌کنند.
• خودکارسازی با ابزارهای لو-کد: از n8n برای خودکارسازی لو-کد استفاده می‌کنند و گردش‌های کار مبتنی بر هوش مصنوعی را می‌سازند که با Google Sheets، Calendar و Gmail یکپارچه می‌شوند.
• درک اصول پروتکل MCP: اصول Model Context Protocol (MCP) برای قابلیت همکاری ابزارها را یاد می‌گیرند و عامل‌هایی می‌سازند که با سرویس‌های MCP تعامل می‌کنند.
• ساخت توابع مدیریت: توابع مدیریتی را برای هماهنگ کردن گردش کارهای چند عاملی از ورودی تا محصول نهایی می‌سازند.
• یکپارچه‌سازی با ابزارهای جستجو: عامل‌های هوش مصنوعی را می‌سازند که Tavily web search را برای نتایج جستجوی ساختاریافته و در لحظه یکپارچه می‌کنند.
• توسعه ابزارهای OpenAI: عامل‌ها را با یکپارچه‌سازی ابزارهای OpenAI (مانند Code Interpreter) و ترکیب جستجوی در لحظه، حافظه و استدلال در گردش‌های کار گسترش می‌دهند.
• ساخت تیم‌های عامل برای کارهای واقعی: تیم‌های عامل‌های همکار را برای کارهای واقعی مانند استراتژی بازاریابی ایجاد می‌کنند و گزینه اضافه کردن یک پروکسی کاربر انسانی برای نظارت را نیز دارند.

این دوره مناسب افرادیست که

• دانشمندان داده، مهندسان یادگیری ماشین و محققان هوش مصنوعی که می‌خواهند عامل‌های هوش مصنوعی بسازند.
• توسعه‌دهندگان نرم‌افزار با مهارت‌های پایه پایتون که می‌خواهند LLM‌های پیشرفته و فریم‌ورک‌های عاملی را در برنامه‌های دنیای واقعی یکپارچه کنند.
• کارآفرینان و بنیان‌گذاران استارتاپ که به دنبال ساخت عامل‌های خودران مبتنی بر هوش مصنوعی هستند.
• تیم‌های نوآوری سازمانی یا تیم‌های تحقیق و توسعه که می‌خواهند نمونه اولیه گردش کارهای مبتنی بر هوش مصنوعی، دستیارها و خودکارسازی‌ها را بسازند.
• دانشجویان پیشرفته و مربیان که به دنبال تجربه عملی و کاربردی با مهندسی هوش مصنوعی عاملی هستند.