برچسب Aref-Karimi

Udemy – New Relic One: Observability From Beginner to Advanced 2024-4

New Relic One: Observability From Beginner to Advanced، دوره آموزش New Relic One: مشاهده‌پذیری از مبتدی تا پیشرفته توسط آکادمی یودمی منتشر شده است. در این دوره آنلاین جامع، هر آنچه باید در مورد New Relic One، پلتفرم پیشرو مشاهده پذیری بدانید را یاد خواهید گرفت. شما از اصول اولیه نظارت و مشاهده پذیری تا موضوعات پیشرفته مانند پروفایل سازی برنامه ها در تولید و جمع آوری لاگ را پوشش خواهید داد. مفاهیم نظارت و مشاهده پذیری: مفاهیم اساسی نظارت و مشاهده پذیری را درک کنید و ببینید که چگونه آن ها می توانند به شما در بهبود عملکرد و قابلیت اطمینان برنامه های شما کمک کنند. عامل های New Relic و CLI: نحوه نصب و پیکربندی عامل های New Relic را یاد بگیرید و از CLI New Relic برای مدیریت حساب کاربری و اپلیکیشن های New Relic One خود استفاده کنید. دیدن معیارهای New Relic APM، اپلیکیشن های مرورگر و زیرساخت ها: با داشبوردها و امکانات قدرتمند New Relic Ones تجربه ای عالی برای نظارت بر اپلیکیشن ها و زیرساخت های خود داشته باشید. بازیابی معیارها از سرویس های وب آمازون: یاد بگیرید چگونه سرویس های جدید را با سرویس های وب آمازون ادغام کنید تا بر منابع AWS خود نظارت داشته باشید. پر کردن برنامه های کاربردی در تولید: برای شناسایی تنگناهای عملکرد و بهینه سازی برنامه های کاربردی تولید خود از ابزارهای جدید پر کردن فرم استفاده کنید. در پایان این دوره می توانید از New Relic One برای نظارت و مشاهده تمام جنبه های اپلیکیشن ها و زیرساخت های خود استفاده کنید. مشکلات عملکردی را سریع و کارآمد شناسایی و عیب یابی کنید. هشدارها و اعلان های موثر را ایجاد و مدیریت کنید.

Udemy – MCP and ACP for Smarter AI Agents 2025-8

MCP and ACP for Smarter AI Agents، دوره آموزش MCP و ACP برای عامل‌های هوش مصنوعی هوشمندتر توسط آکادمی Udemy منتشر شده است.هوش مصنوعی در سال ۲۰۲۲ با ظهور ChatGPT و ورود مدل‌های زبانی بزرگ به زندگی روزمره جهش بزرگی داشت، اما ساخت سیستم‌های واقعاً هوشمند فراتر از یک مکالمه ساده با هوش مصنوعی است. پروتکل مدل کانتکست (MCP) و پروتکل ارتباط عامل‌ها (ACP) پایه‌های هوش مصنوعی عامل‌محور را تشکیل می‌دهند: MCP زمینه لازم را برای هوش مصنوعی فراهم می‌کند (چیستی) و ACP امکان هماهنگی و اقدام عامل‌ها را فراهم می‌سازد (چگونگی). این دو با هم به عامل‌های هوش مصنوعی اجازه می‌دهند فکر کنند، تصمیم بگیرند و برای حل مسائل پیچیده همکاری کنند. این پروتکل‌ها فقط استانداردهای فنی نیستند، بلکه زمینه‌ساز نسل بعدی برنامه‌های مبتنی بر هوش مصنوعی هستند. MCP اطلاعات مرتبط و بلادرنگ را از منابع خارجی به مدل‌های هوش مصنوعی می‌دهد تا تصمیم‌گیری‌ها با زمینه درست انجام شود. ACP به چندین عامل و حتی سیستم‌های هوش مصنوعی مختلف اجازه می‌دهد به طور مؤثر ارتباط برقرار کرده و در انجام وظایف همکاری کنند و ساخت اکوسیستم‌های هوش مصنوعی قابل اعتماد، مقیاس‌پذیر و سازگار را ممکن می‌سازد. در این دوره، هم مفاهیم و هم مهارت‌های عملی لازم برای طراحی و ساخت سیستم‌های مبتنی بر MCP و ACP را یاد می‌گیرید. مبانی، نقش آن‌ها در معماری‌های مدرن هوش مصنوعی و کاربردهای واقعی پوشش داده می‌شود. رهبران، معماران، مدیران محصول و توسعه‌دهندگان همگی از این آموزش بهره خواهند برد و بخش‌های عملی ویژه توسعه‌دهندگان با استفاده از پایتون و SDKهای رایج ارائه شده است. در پایان، قادر خواهید بود سیستم‌های هوش مصنوعی بسازید که زمینه را حفظ کنند، اجزا را هماهنگ سازند و با نیازهای متغیر سازگار شوند—چه در حال ساخت نمونه اولیه باشید و چه راهکار سازمانی را مقیاس‌ دهی کنید. این دوره برای همه سطوح مهارتی مناسب است و درک راهبردی و مهارت فنی لازم برای پیشگامی در توسعه هوش مصنوعی را به شما می‌دهد.

Udemy – Model Context Protocol (MCP) and A2A for Smarter AI Agents 2026-5

Model Context Protocol (MCP) and A2A for Smarter AI Agents، دوره آموزش Model Context Protocol (MCP) و A2A برای ایجنت‌های هوشمند توسط آکادمی Udemy منتشر شده است.مدل‌های بزرگ زبانی مانند ChatGPT جهش بزرگی در هوش مصنوعی ایجاد کردند. با این حال، ساخت سیستم‌های واقعاً هوشمند فراتر از گفتگو با یک دستیار است. برنامه‌های مدرن هوش مصنوعی بر چندین ایجنت خودمختار متکی‌اند که نیازمند اشتراک زمینه، هماهنگی و همکاری هستند و در اینجا Model Context Protocol (MCP) و Agent to Agent (A2A) نقش محوری پیدا می‌کنند. MCP به ایجنت‌ها اجازه می‌دهد تا به زمینهٔ ساخت‌یافته و لحظه‌ای از ابزارها، سرویس‌ها و منابع دادهٔ خارجی دسترسی پیدا کنند تا تصمیم‌گیری‌ها بر اساس اطلاعات دقیق و مرتبط انجام شوند. پروتکل A2A روی نحوهٔ ارتباط، واگذارسازی وظایف و کار گروهی ایجنت‌ها تمرکز دارد تا سیستم به‌صورت هماهنگ عمل کند، نه در حالت ایزوله. در این دوره می‌آموزید چگونه MCP و A2A را با هم به‌کار ببرید تا سیستم‌های هوشمند و قابل‌تعامل طراحی کنید، جایگاه این پروتکل‌ها در معماری‌های مدرن را بررسی می‌کنید و خواهید دید چگونه جریان‌های کاری چندایجنتی مقیاس‌پذیر روی مدل‌های بزرگ زبانی ساخته می‌شوند. دوره ترکیبی از توضیحات مفهومی روشن و مثال‌های عملی است: توسعه‌دهندگان با پایتون و SDKهای رایج، پیاده‌سازی MCP و تعامل بین ایجنت‌ها را انجام می‌دهند. دوره با یک پروژهٔ فعال‌سازی سیم‌کارت (SIM) پایان می‌یابد که در آن یک وب‌سایت پشتیبانی‌شده توسط جریان کاری هوش مصنوعی می‌سازید تا مشتریان مخابراتی سیم‌کارت خود را فعال کنند. برای نقش‌های غیرفنی مانند رهبران، معماران راه‌حل یا مدیران محصول نیز بخش ویژه‌ای وجود دارد تا جنبه‌های راهبردی MCP، ابزارها، Skills و A2A در زمینهٔ کسب‌وکار را بیاموزند. در پایان دوره قادر خواهید بود سیستم‌هایی بسازید که زمینه را حفظ کنند، میان ایجنت‌ها همکاری کنند و به‌صورت هوشمند به نیازهای در حال تغییر سازگار شوند. این دوره برای تمام سطوح مهارتی مناسب است و هم بینش راهبردی و هم مهارت عملی لازم برای توسعهٔ مدرن هوش مصنوعی را در اختیارتان قرار می‌دهد.

Udemy – Observability with Grafana, Prometheus,Loki, Alloy and Tempo 2026-1

دوره Observability with Grafana Prometheus Loki Alloy and Tempo. به دنبال ارتقاء سطح دانش خود در زمینه نظارت‌پذیری (Observability) با استفاده از مجموعه ابزارهای گرافانا (Grafana Stack) هستید؟ این دوره آموزشی جامع، شما را با اجزای کلیدی این مجموعه شامل گرافانا لوکی (Grafana Loki)، گرافانا آلی (Grafana Alloy) و گرافانا تمپو (Grafana Tempo) آشنا می‌کند.