تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی سامانه‌های عامل هوش مصنوعی آمادهٔ تولید در Databricks

دوره آموزشی سامانه‌های عامل هوش مصنوعی آمادهٔ تولید در Databricks

1 ساعت 22 دقیقهمتوسط2026-05-26

مدرسین

Viktoria Semaan

Viktoria Semaan

جزئیات دوره

ساخت عوامل هوش مصنوعی (AI Agents) روزبه‌روز در دسترس‌تر می‌شود، اما انتقال از یک نمونه‌ی اولیه (Prototype) به محیط تولید (Production) نیازمند دانش تخصصی است. شما باید بدانید چه زمانی معماری‌های چندعاملی توجیه‌پذیر هستند، چگونه عملکرد آن‌ها را ارزیابی کنید و از چه ابزارهایی برای ساخت قابل‌اطمینان‌تر استفاده نمایید. در این دوره، با استفاده از سناریوی واقعی یک کتاب‌فروشی، یاد می‌گیرید که چگونه یک سیستم کامل چندعاملی را در Databricks طراحی و مستقر کنید.

شما با الگوهای معماری چندعاملی آشنا می‌شوید، عملکرد عوامل را با استفاده از MLflow 3 ارزیابی می‌کنید و یاد می‌گیرید چگونه از ابزارهای تخصصی Databricks برای تسریع فرایند توسعه بهره ببرید. در طول این آموزش، تک‌تک اجزای سیستم به‌دقت بررسی می‌شوند، چالش‌های رایج در یکپارچه‌سازی (Integration) عیب‌یابی خواهند شد و الگوهای معماری قابل‌استفاده‌ی مجدد (Reusable Architecture Patterns) را در کنار کدهای عملی موجود در مخزن دوره می‌آموزید تا بتوانید آن‌ها را با نیازهای خاص خود تطبیق دهید.

اهداف یادگیری
تشخیص زمان مناسب برای استفاده از معماری‌های چندعاملی در پروژه‌های هوش مصنوعی.
طراحی و استقرار سیستم‌های چندعاملی مقیاس‌پذیر در محیط Databricks.
ارزیابی دقیق عملکرد عوامل با بهره‌گیری از قابلیت‌های MLflow 3.
به‌کارگیری ابزارهای اختصاصی Databricks برای افزایش سرعت و کیفیت توسعه.
عیب‌یابی چالش‌های متداول در یکپارچه‌سازی اجزای مختلف سیستم‌های هوش مصنوعی.
استفاده از الگوهای معماری قابل‌استفاده مجدد برای شخصی‌سازی در سناریوهای متنوع کسب‌وکار.
مدیریت انتقال پروژه‌های هوش مصنوعی از مرحله آزمایشگاهی به مرحله عملیاتی و تولید.

سرفصل ها

مقدمه

  • ساخت عوامل هوش مصنوعی سازمانی.
  • آنچه این دوره پوشش می‌دهد

مبانی داده‌ها

  • توابع هوش مصنوعی برای تجزیه داده‌ها
  • ساخت جدول محصولات

جستجوی برداری

  • درک جستجوی برداری
  • ایجاد و آزمایش یک شاخص برداری

نماینده RAG سفارشی

  • مفاهیم RAG و نمونه‌سازی اولیه زمین بازی
  • ساخت عامل RAG سفارشی در نوت بوک
  • MLflow و ارزیابی‌ها
  • امتیازدهندگان سفارشی و استقرار

هوش مصنوعی جنی

  • AI BI Genie - جداول را ایجاد کنید
  • هوش مصنوعی، هوش تجاری و جنی - راه‌اندازی فضا

دستیار دانش (RAG بدون کد)

  • ایجاد یک دستیار دانش

ارزیابی دستیاران دانش

  • بهبود دستیار دانش با بازخورد انسانی

سرورهای MCP

  • افزودن MCP خارجی (جستجوی وب)

نمایندگان ناظر

  • نماینده ناظر ساخت و آزمایش

نتیجه‌گیری

  • عیب‌یابی و رفع مشکلات

دوره های مرتبط

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal