دوره‌ها / توسعه AI Agent
تخصصیدوره کلاسی

توسعه AI Agent

آموزش توسعه AI Agent در مسیر AI-P04 — مهندس AI Agent؛ سطح L5 (تخصصی) و 30 ساعت آموزش ساختاریافته.

حدود ۳۰ ساعت۱۶ درس
مشاهده و ثبت‌نام دوره

معرفی دوره

معرفی دوره توسعه AI Agent

دوره توسعه AI Agent با کد AI-107 در دپارتمان هوش مصنوعی ارائه می‌شود. این دوره بخشی از AI-P04 — مهندس AI Agent است و برای یادگیری مرحله‌به‌مرحله موضوع دوره طراحی شده است.

جایگاه دوره در مسیر یادگیری

سطح این دوره L5 (تخصصی) است و 30 ساعت زمان آموزشی دارد. محتوای دوره بر ایجاد درک کاربردی از توسعه AI Agent و آماده‌سازی برای ادامه همین مسیر یادگیری تمرکز دارد.

مشخصات کلیدی

  • کد دوره: AI-107
  • دپارتمان: هوش مصنوعی
  • مسیر یادگیری: AI-P04 — مهندس AI Agent
  • سطح: L5 (تخصصی)
  • مدت آموزش: 30 ساعت

برای چه کسانی مناسب است؟

این دوره برای علاقه‌مندانی مناسب است که می‌خواهند مهارت خود را در توسعه AI Agent تقویت کنند و مسیر AI-P04 — مهندس AI Agent را هدفمند ادامه دهند.

سرفصل‌ها و درس‌ها

معماری AI Agent
  • Agent و Workflow
  • هدف، وضعیت و عمل
  • چرخه Reasoning و Action
  • انتخاب مدل مناسب
ابزار و حافظه
  • تعریف Tool امن
  • اتصال به API و داده
  • حافظه کوتاه و بلندمدت
  • مدیریت Context
برنامه‌ریزی و همکاری عامل‌ها
  • Task Decomposition
  • Planning و Reflection
  • Multi Agent
  • Human in the Loop
ارزیابی و استقرار
  • Trace و Observability
  • ارزیابی قابلیت اعتماد
  • امنیت و محدودسازی
  • پروژه Agent عملیاتی

پرسش‌های متداول

دوره «توسعه AI Agent» برای چه کسانی مناسب است؟

این دوره برای علاقه‌مندانی مناسب است که می‌خواهند «توسعه AI Agent» را در یک مسیر ساختاریافته، پروژه‌محور و قابل استفاده در دنیای واقعی یاد بگیرند.

پیش‌نیاز شرکت در این دوره چیست؟

این دوره پیشرفته است و تسلط عملی بر مبانی و موضوعات سطح متوسط حوزه مربوط توصیه می‌شود.

مدت زمان دوره و شیوه پیشروی چگونه است؟

مدت برنامه‌ریزی‌شده دوره 30 ساعت است. محتوا در ۴ سرفصل و ۱۶ درس مرتب شده و بهتر است درس‌ها به‌ترتیب همراه با تمرین دنبال شوند.

پس از پایان دوره چه توانایی‌ای به دست می‌آورم؟

پس از تکمیل درس‌ها و تمرین‌ها، می‌توانید مباحث دوره را در سناریوهای واقعی به کار بگیرید و با انجام بخش «ارزیابی و استقرار» یک خروجی قابل ارائه برای ادامه مسیر یادگیری یا نمونه‌کار بسازید.