برچسب Yogesh Raheja

Udemy – Building Autonomous Agentic AI Systems for Beginners HandsOn 2025-11

دوره Building Autonomous Agentic AI Systems for Beginners HandsOn. هوش مصنوعی عامل‌محور (Agentic AI) با سرعتی باورنکردنی در حال تغییر نحوه انجام امور است و یک تحول کلیدی در تکامل سیستم‌های هوشمند محسوب می‌شود. تسلط بر این الگوی جدید امروزه بیش از هر زمان دیگری ضروری به نظر می‌رسد. این دوره آموزشی به شرکت‌کنندگان مهارت‌های عملی و درک استراتژیک لازم را برای طراحی، ساخت و به‌کارگیری سیستم‌های هوش مصنوعی عامل‌محور در دنیای واقعی انتقال می‌دهد و فرصت‌های قدرتمندی را برای نوآوری، اتوماسیون و رشد شغلی فراهم می‌کند. آموزش با مبانی هسته‌ای هوش مصنوعی عامل‌محور آغاز می‌شود؛ یعنی درک این موضوع که عامل‌ها (Agents) دقیقاً چه هستند، چه تفاوتی با سیستم‌های هوش مصنوعی سنتی دارند و چگونه استدلال، برنامه‌ریزی و استفاده از ابزارها باعث ایجاد جریان‌های کاری خودکار می‌شود. در ادامه، اجزای سازنده این سیستم‌ها شامل مدل‌های زبانی بزرگ (LLMs)، حافظه، جایگذاری‌ها (Embeddings)، پایگاه‌های داده برداری (Vector Databases) و خط لوله‌های RAG بررسی می‌شوند. این دوره به صورت کاملاً عملی طراحی شده و شامل پروژه‌های نهایی و سناریوهای عیب‌یابی است. شرکت‌کنندگان یاد می‌گیرند که چگونه عامل‌ها را به صورت از پیش تعیین شده طراحی نکنند، بلکه آن‌ها را برای بهینه‌سازی عملکرد و استدلال مستقل برنامه‌ریزی کنند. این آموزش شبیه‌ساز موارد استفاده در شرکت‌های بزرگ و استارتاپ‌ها است و به درک نحوه مقیاس‌پذیری و استقرار این سیستم‌ها در محیط‌های عملیاتی کمک می‌کند.

Udemy – Mastering LLMs Locally using Ollama | Hands-On 2025-8

Mastering LLMs Locally using Ollama | Hands-On دوره آموزشی استفاده از قدرت مدل‌های زبانی بزرگ (LLM) را مستقیماً روی دستگاه‌های محلی خود می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. این یک دوره عملی است که برای توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی طراحی شده است که می‌خواهند قدرت مدل‌های زبانی بزرگ (LLM) را مستقیماً روی دستگاه‌های محلی خود مهار کنند. این دوره، Ollama را به عنوان یک چارچوب سبک اما قدرتمند برای اجرا، تنظیم دقیق و سفارشی‌سازی LLMها بدون تکیه بر زیرساخت ابری معرفی می‌کند. این دوره با تمرکز بر یادگیری عملی، افراد را در مراحل نصب، پیکربندی مدل، بهینه‌سازی و ادغام در برنامه‌های دنیای واقعی راهنمایی می‌کند و به آنها مهارت‌هایی برای کار مستقل با مدل‌های هوش مصنوعی در عین حفظ حریم خصوصی و کنترل می‌دهد.