Arcanum12th

دوره

26 درس‌ها 7 ماژول گواهی

AI Agents — From Theory to Living Systems

This course explores the evolution of AI agents, from fundamental theoretical models to their implementation in real-world, living systems. Participants will learn the principles of autonomous decision-making, interaction between agents, and integration with complex environments. The program combines theory, practical exercises, and case studies to prepare students for building intelligent multi-agent systems of the future.

Mykhailo Kapustin
3,374USD300
دسترسی همیشگی

مهارت‌هایی که کسب می‌کنید

  • test skill
این دوره را دوست دارید؟

قالب

یادگیری چگونه پیش می‌رود

مسیری ساختارمند از درس‌های ویدیویی، تمرین عملی و بازخورد مربی.

درس‌های ویدیویی با نظریه و عمل

ماژول‌ها با سرعت خودتان، با دسترسی همیشگی.

26 درس‌ها

7 ماژول

ساختار گام‌به‌گام روشن از مبانی تا تولید.

تمرین عملی

تکالیف تعاملی و تکالیف خانه روی موارد واقعی.

بازبینی تکلیف توسط مربی

بازخورد خط به خط و ارسال‌های نامحدود.

گواهی

گواهی به نام شما پس از اتمام.

برنامه دوره

7 ماژول · 0 درس · 0 تکلیف

ماژول 1

عامل هوش مصنوعی چیست و چرا به آن نیاز داریم

خواهید آموخت چه چیزی عامل هوش مصنوعی را از نرم‌افزار معمولی متمایز می‌کند، مدل PEAS را بررسی خواهید کرد و انواع اصلی عامل‌ها — از واکنشی تا ترکیبی — را مطالعه خواهید کرد. در عمل، اولین مینی‌عامل خود را در Python ایجاد خواهید کرد.

ماژول 2

معماری و مغز عامل

در این ماژول، شما معماری داخلی عامل‌های هوش مصنوعی را بررسی خواهید کرد — از مدل BDI (باور–تمایل–قصد) تا روش‌های برنامه‌ریزی از STRIPS تا استدلال مبتنی بر LLM. ما مدل‌های حافظه را بررسی خواهیم کرد، از کوتاه‌مدت و بلندمدت تا پایگاه‌های داده برداری مدرن مانند FAISS و Pinecone. همچنین Chain-of-Thought و خودبازتابی را به‌عنوان شکل‌های اولیه «تفکر» مطالعه خواهید کرد. در عمل، عاملی با حافظه و برنامه‌ریز با استفاده از LangChain و پایگاه‌های داده برداری خواهید ساخت.

ماژول 3

مدل‌های زبانی به‌عنوان هسته

در این ماژول، شما مدل‌های زبانی بزرگ (LLM) را به‌عنوان «مغز» عامل‌های هوش مصنوعی بررسی خواهید کرد — نقاط قوت و محدودیت‌های آن‌ها. شما تکنیک‌های مهندسی پرامپت را برای برقراری ارتباط مؤثر با مدل‌ها یاد می‌گیرید، و همچنین روش‌های خودانتقادی و بازتاب که به عامل‌ها امکان بهبود می‌دهد. همچنین معماری‌های پیشرفته مانند AutoGPT، BabyAGI و MetaGPT بررسی خواهند شد. در عمل، شما «مینی-AutoGPT» خود را خواهید ساخت.

ماژول 4

جهان‌های چندعاملی

در این ماژول، شما وارد سیستم‌های چندعاملی (MAS) می‌شوید، جایی که چندین عامل تعامل، همکاری و رقابت می‌کنند. شما برنامه‌ریزی توزیع‌شده، تصمیم‌گیری جمعی و ایجاد اجماع را مطالعه خواهید کرد. مطالعات موردی شامل Voyager (عاملی که Minecraft را کاوش می‌کند) و CAMEL (عامل‌های گفتگو) خواهد بود. همچنین درباره اقتصادهای دیجیتال و ایده «استعمار عامل‌ها» بحث خواهیم کرد. در عمل، شما دو عامل ایجاد خواهید کرد که هم‌زمان همکاری و رقابت می‌کنند.

ماژول 5

یادگیری و تکامل

این ماژول بررسی می‌کند که چگونه عامل‌ها در طول زمان یاد می‌گیرند و تکامل می‌یابند. شما یادگیری تقویتی را با محیط‌هایی مانند OpenAI Gym، یادگیری از طریق بازی با خود و فرا-یادگیری مطالعه خواهید کرد، همچنین رویکردهای تکاملی که در آن عامل‌های دیجیتال تحت انتخاب طبیعی قرار می‌گیرند. همچنین بحث خواهیم کرد که چگونه عاملی طراحی کنیم که واقعاً با تجربه باهوش‌تر شود. در عمل، شما یک عامل RL خواهید ساخت که یاد می‌گیرد بازی کند یا وظیفه‌ای را بهینه‌سازی نماید.

ماژول 6

اخلاق، ایمنی و آینده

این ماژول به بررسی چالش‌های اخلاقی، ایمنی و اجتماعی عامل‌های هوش مصنوعی می‌پردازد. شما مرز بین ابزار و «شریک مکالمه» را بررسی خواهید کرد، نقش فیلترها و محدودیت‌ها را تحلیل خواهید کرد و به پرسش‌های مربوط به وضعیت حقوقی عامل‌ها به‌عنوان «سوژه‌های دیجیتال» خواهید پرداخت. در پایان، آینده عامل‌ها به‌عنوان بازیگران اجتماعی جدید در دیپلماسی، علم و هنر را بررسی می‌کنیم. در عمل، شما یک عامل ایمن با محدودیت‌های تعبیه‌شده طراحی خواهید کرد.

ماژول 7

پروژه نهایی: عامل خود را بسازید

در پروژه نهایی، شما عامل هوش مصنوعی خود را طراحی و پیاده‌سازی خواهید کرد که بتواند به یاد آورد، برنامه‌ریزی کند و عمل نماید. این عامل باید در یک محیط واقعی (API، چت یا سرویس وب) یکپارچه شود و به‌عنوان یک ابزار مفید یا پژوهشگر عمل کند، نه یک اسباب‌بازی. نمونه پروژه‌ها: عامل-مدیر که کارها را در Trello و Slack مدیریت می‌کند، عامل-پژوهشگری که مقالات را می‌خواند و نتیجه‌گیری می‌کند، یا عامل-درمانگری که با گفتگو و بازتاب کار می‌کند.

نویسندگان دوره

از متخصصان فعال بیاموزید

مواد ویدیویی دوره

2

FAQ

sad

Test que
Test ans

هنوز سوالی دارید؟

با تیم ما در تماس باشید

به سوالات درباره برنامه، گزینه‌های پرداخت و تمرین گروهی پاسخ می‌دهیم.

  • پاسخ در یک روز کاری
  • تمرین گروهی از ۳ نفر

با ارسال، با سیاست حفظ حریم خصوصی موافقت می‌کنید.