کتاب صوتی ساخت عامل‌های هوشمند با پایتون: از مفاهیم تا پیاده‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت عامل‌های هوشمند با پایتون: از مفاهیم تا پیاده‌سازی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: معماری و پیاده‌سازی سیستم‌های هوشمند

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر عامل‌های هوشمند
• 2. مبانی عامل‌های هوشمند
• 3. معماری عامل‌های هوشمند
• 4. طراحی عامل‌های هوشمند
• 5. اجزای اصلی عامل هوشمند
• 6. حسگرها و عملگرها در عامل‌ها
• 7. محیط‌های عامل هوشمند
• 8. انواع محیط‌ها: ایستا و پویا
• 9. انواع محیط‌ها: منفرد و چندعامله
• 10. انواع محیط‌ها: قطعی و احتمالی
• 11. انواع محیط‌ها: گسسته و پیوسته
• 12. پیاده‌سازی عامل‌های ساده
• 13. عامل‌های واکنشی ساده
• 14. عامل‌های مبتنی بر هدف
• 15. عامل‌های مبتنی بر مطلوبیت
• 16. یادگیری در عامل‌ها
• 17. انواع یادگیری ماشینی
• 18. یادگیری تقویتی
• 19. یادگیری نظارت شده
• 20. یادگیری بدون نظارت
• 21. معماری‌های پیشرفته عامل
• 22. عامل‌های یادگیرنده
• 23. عامل‌های سلسله مراتبی
• 24. عامل‌های توزیع شده
• 25. مدل‌های زبانی بزرگ (LLMs)
• 26. مقدمه‌ای بر LLMs
• 27. کاربردهای LLMs در عامل‌ها
• 28. مهندسی پرامپت برای LLMs
• 29. استفاده از LLMs در عامل‌های واکنشی
• 30. استفاده از LLMs در عامل‌های مبتنی بر هدف
• 31. استفاده از LLMs در عامل‌های مبتنی بر مطلوبیت
• 32. توسعه عامل‌های پیچیده
• 33. استفاده از ابزارها توسط عامل‌ها
• 34. مدیریت حافظه در عامل‌ها
• 35. برنامه‌ریزی و تصمیم‌گیری عامل
• 36. استراتژی‌های جستجو برای عامل‌ها
• 37. جستجوی درخت و گراف
• 38. جستجوی اکتشافی
• 39. جستجوی آگاهانه
• 40. حل مسئله با عامل‌ها
• 41. اصول حل مسئله
• 42. تکنیک‌های حل مسئله
• 43. کاربرد حل مسئله در عامل‌ها
• 44. سیستم‌های چند عامله
• 45. مقدمه‌ای بر سیستم‌های چند عامله
• 46. تعامل بین عامل‌ها
• 47. همکاری و رقابت بین عامل‌ها
• 48. مدل‌سازی رفتار عامل‌ها
• 49. شبکه‌های عصبی و عامل‌ها
• 50. شبکه‌های عصبی کانولوشنی (CNN)
• 51. شبکه‌های عصبی بازگشتی (RNN)
• 52. ترنسفورمرها و عامل‌ها
• 53. معماری ترنسفورمر
• 54. کاربرد ترنسفورمرها در عامل‌ها
• 55. بهینه‌سازی عامل‌ها
• 56. الگوریتم‌های بهینه‌سازی
• 57. بهینه‌سازی مبتنی بر گرادیان
• 58. بهینه‌سازی در یادگیری تقویتی
• 59. پلتفرم‌های توسعه عامل
• 60. چارچوب‌های پایتون برای عامل‌ها
• 61. LangChain و عامل‌ها
• 62. LlamaIndex و عامل‌ها
• 63. پیاده‌سازی عامل‌های سفارشی
• 64. ساخت عامل پرسش و پاسخ
• 65. ساخت عامل تولید محتوا
• 66. ساخت عامل تحلیل داده
• 67. ساخت عامل خودکارسازی وظایف
• 68. امنیت و اخلاق در عامل‌های هوشمند
• 69. ملاحظات امنیتی عامل‌ها
• 70. چالش‌های اخلاقی عامل‌ها
• 71. سوگیری در عامل‌های هوشمند
• 72. حریم خصوصی و داده‌ها
• 73. کاربردهای پیشرفته عامل‌های هوشمند
• 74. عامل‌های بازی‌کننده
• 75. عامل‌های رباتیک
• 76. عامل‌های درمانی
• 77. عامل‌های آموزشی
• 78. آینده عامل‌های هوشمند
• 79. روندهای فعلی در عامل‌های هوشمند
• 80. چشم‌اندازهای آینده
• 81. نقش عامل‌های هوشمند در جامعه
• 82. توسعه پایدار با عامل‌های هوشمند
• 83. ارزیابی و تست عامل‌های هوشمند
• 84. معیارهای ارزیابی عملکرد
• 85. روش‌های تست عامل‌ها
• 86. اعتبارسنجی عامل‌های هوشمند
• 87. بهبود مستمر عامل‌ها
• 88. تمرین عملی: ساخت یک عامل ساده
• 89. مراحل پیاده‌سازی عامل ساده
• 90. کدنویسی عامل ساده
• 91. اجرا و تست عامل ساده
• 92. تمرین عملی: عامل مبتنی بر LLM
• 93. انتخاب LLM مناسب
• 94. پیاده‌سازی عامل با LangChain
• 95. تست و ارزیابی عامل LLM
• 96. تمرین عملی: عامل یادگیرنده
• 97. انتخاب الگوریتم یادگیری
• 98. پیاده‌سازی عامل یادگیرنده
• 99. ارزیابی عامل یادگیرنده
• 100. تمرین عملی: عامل در محیط چند عامله