Telegram Group & Telegram Channel
Media is too big
VIEW IN TELEGRAM
💡بررسی عامل‌های هوشمند (Agentic AI) به عنوان پلی ارتباطی میان زبان طبیعی و هوش مصنوعی

⬆️این دوره با هدف ارائه مفاهیم پایه و پیشرفته در حوزه هوش مصنوعی عامل‌گرا طراحی شده است و به دانشجویان مهندسی کمک می‌کند تا با اصول و ابزارهای لازم برای طراحی و پیاده‌سازی سیستم‌های هوشمند آشنا شوند. سرفصل‌ها به‌گونه‌ای تنظیم شده‌اند که از مفاهیم اولیه تا کاربردهای عملی را پوشش دهند.

🟢سرفصل‌های دوره:

🟣مفاهیم پایه هوش مصنوعی
◀️معرفی مفاهیم عمومی هوش مصنوعی شامل تاریخچه، انواع یادگیری (ML، DL، NLP) و نقش آن‌ها در توسعه سیستم‌های هوشمند. این بخش برای ایجاد درک کلی از حوزه طراحی شده است.

🟣 بررسی مفاهیم بنیادین شبکه‌های عصبی شامل:
◀️شبکه‌های MLP (چندلایه پرسپترون)
◀️فرآیند آموزش (Training)، الگوریتم پس‌انتشار (Backpropagation)، بهینه‌سازی (Optimization) و دسته‌بندی داده‌ها (Batching)
◀️یادگیری نظارت‌شده و بدون نظارت
◀️شبکه‌های پیشرفته‌تر مانند RNN، LSTM و شبکه‌های عصبی فیزیک‌افزوده (PINN) برای کاربردهای خاص
◀️ابزارها و پیش‌نیازهای پیاده‌سازی


🟣 تمرکز بر اصول و تکنیک‌های پردازش زبان طبیعی:
◀️ پایپلاین استاندارد NLP شامل توکن‌سازی، امبدینگ و بازنمایی داده‌ها
◀️مکانیزم توجه (Attention Mechanism) و معماری ترنسفورمر
◀️مدل‌های زبانی بزرگ (LLM)، مهندسی پرامپت و یادگیری با چند نمونه (Few-Shot Learning)
◀️فاین‌تیونینگ مدل‌ها و استفاده از APIها برای ساخت چت‌بات‌های هوشمند

🟣 معرفی اجزای اصلی عامل‌های هوشمند:
◀️تعریف عامل هوشمند و اجزای آن
◀️معماری عامل‌های هوشمند
◀️مدیریت حافظه کوتاه‌مدت و بلندمدت
◀️مدل‌های استدلالی و زنجیره افکار (Chain of Thoughts) برای تصمیم‌گیری
◀️پایگاه‌های دانش مانند RAG (Retrieval-Augmented Generation)
◀️ابزارهایی مثل MCP برای تعامل با ابزارهای خارجی
◀️مفاهیم Crew و Flow برای طراحی سیستم‌های چندعاملی

🟣 ابزارها و فریمورک‌های توسعه:
◀️معرفی کتابخانه LangChain برای توسعه اپلیکیشن‌های مبتنی بر زبان
◀️پلتفرم‌های اتوماتیک مثل Dify برای پیاده‌سازی سریع عامل‌ها
◀️فریمورک‌هایی مانند CrewAI یا Agno برای توسعه سیستم‌های هوشمند

🟣آماده‌سازی دانشجویان برای پیاده‌سازی عملی:
◀️مفاهیم برنامه‌نویسی شی‌گرا (OOP)
◀️کار با WSL و سیستم‌عامل لینوکس برای محیط‌های توسعه
◀️آشنایی با پلتفرم‌های Kaggle و Hugging Face برای دسترسی به دیتاست‌ها و مدل‌های آماده
◀️آموزش کار با کتابخانه PyTorch برای پیاده‌سازی مدل‌های هوش مصنوعی
◀️پردازش زبان طبیعی (NLP) به‌عنوان هسته مرکزی

ویژگی‌های دوره:

🟣 جلسات عملی:
◀️شامل ورکشاپ‌ها و تمرین‌هایی برای پیاده‌سازی مفاهیم تدریس‌شده.

🟣تمرکز بر مهندسی:
◀️سرفصل‌ها با نیازهای دانشجویان مهندسی هماهنگ شده و بر جنبه‌های عملی و پیاده‌سازی تأکید دارد.

🟣پشتیبانی فنی:
◀️امکان رفع اشکال و تعامل با مدرسان در طول دوره فراهم است. این دوره برای دانشجویانی مناسب است که قصد دارند با مبانی هوش مصنوعی و طراحی عامل‌های هوشمند آشنا شوند و مهارت‌های لازم برای پیاده‌سازی پروژه‌های واقعی را کسب کنند.

❇️ تلگرام | ❇️ بله | ❇️ اینستاگرام | ❇️ لینکدین
Please open Telegram to view this post
VIEW IN TELEGRAM



tg-me.com/MehvarGroup/3755
Create:
Last Update:

💡بررسی عامل‌های هوشمند (Agentic AI) به عنوان پلی ارتباطی میان زبان طبیعی و هوش مصنوعی

⬆️این دوره با هدف ارائه مفاهیم پایه و پیشرفته در حوزه هوش مصنوعی عامل‌گرا طراحی شده است و به دانشجویان مهندسی کمک می‌کند تا با اصول و ابزارهای لازم برای طراحی و پیاده‌سازی سیستم‌های هوشمند آشنا شوند. سرفصل‌ها به‌گونه‌ای تنظیم شده‌اند که از مفاهیم اولیه تا کاربردهای عملی را پوشش دهند.

🟢سرفصل‌های دوره:

🟣مفاهیم پایه هوش مصنوعی
◀️معرفی مفاهیم عمومی هوش مصنوعی شامل تاریخچه، انواع یادگیری (ML، DL، NLP) و نقش آن‌ها در توسعه سیستم‌های هوشمند. این بخش برای ایجاد درک کلی از حوزه طراحی شده است.

🟣 بررسی مفاهیم بنیادین شبکه‌های عصبی شامل:
◀️شبکه‌های MLP (چندلایه پرسپترون)
◀️فرآیند آموزش (Training)، الگوریتم پس‌انتشار (Backpropagation)، بهینه‌سازی (Optimization) و دسته‌بندی داده‌ها (Batching)
◀️یادگیری نظارت‌شده و بدون نظارت
◀️شبکه‌های پیشرفته‌تر مانند RNN، LSTM و شبکه‌های عصبی فیزیک‌افزوده (PINN) برای کاربردهای خاص
◀️ابزارها و پیش‌نیازهای پیاده‌سازی


🟣 تمرکز بر اصول و تکنیک‌های پردازش زبان طبیعی:
◀️ پایپلاین استاندارد NLP شامل توکن‌سازی، امبدینگ و بازنمایی داده‌ها
◀️مکانیزم توجه (Attention Mechanism) و معماری ترنسفورمر
◀️مدل‌های زبانی بزرگ (LLM)، مهندسی پرامپت و یادگیری با چند نمونه (Few-Shot Learning)
◀️فاین‌تیونینگ مدل‌ها و استفاده از APIها برای ساخت چت‌بات‌های هوشمند

🟣 معرفی اجزای اصلی عامل‌های هوشمند:
◀️تعریف عامل هوشمند و اجزای آن
◀️معماری عامل‌های هوشمند
◀️مدیریت حافظه کوتاه‌مدت و بلندمدت
◀️مدل‌های استدلالی و زنجیره افکار (Chain of Thoughts) برای تصمیم‌گیری
◀️پایگاه‌های دانش مانند RAG (Retrieval-Augmented Generation)
◀️ابزارهایی مثل MCP برای تعامل با ابزارهای خارجی
◀️مفاهیم Crew و Flow برای طراحی سیستم‌های چندعاملی

🟣 ابزارها و فریمورک‌های توسعه:
◀️معرفی کتابخانه LangChain برای توسعه اپلیکیشن‌های مبتنی بر زبان
◀️پلتفرم‌های اتوماتیک مثل Dify برای پیاده‌سازی سریع عامل‌ها
◀️فریمورک‌هایی مانند CrewAI یا Agno برای توسعه سیستم‌های هوشمند

🟣آماده‌سازی دانشجویان برای پیاده‌سازی عملی:
◀️مفاهیم برنامه‌نویسی شی‌گرا (OOP)
◀️کار با WSL و سیستم‌عامل لینوکس برای محیط‌های توسعه
◀️آشنایی با پلتفرم‌های Kaggle و Hugging Face برای دسترسی به دیتاست‌ها و مدل‌های آماده
◀️آموزش کار با کتابخانه PyTorch برای پیاده‌سازی مدل‌های هوش مصنوعی
◀️پردازش زبان طبیعی (NLP) به‌عنوان هسته مرکزی

ویژگی‌های دوره:

🟣 جلسات عملی:
◀️شامل ورکشاپ‌ها و تمرین‌هایی برای پیاده‌سازی مفاهیم تدریس‌شده.

🟣تمرکز بر مهندسی:
◀️سرفصل‌ها با نیازهای دانشجویان مهندسی هماهنگ شده و بر جنبه‌های عملی و پیاده‌سازی تأکید دارد.

🟣پشتیبانی فنی:
◀️امکان رفع اشکال و تعامل با مدرسان در طول دوره فراهم است. این دوره برای دانشجویانی مناسب است که قصد دارند با مبانی هوش مصنوعی و طراحی عامل‌های هوشمند آشنا شوند و مهارت‌های لازم برای پیاده‌سازی پروژه‌های واقعی را کسب کنند.

❇️ تلگرام | ❇️ بله | ❇️ اینستاگرام | ❇️ لینکدین

BY انجمن علمی دانشکدهٔ مهندسی مکانیک - محور


Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283

Share with your friend now:
tg-me.com/MehvarGroup/3755

View MORE
Open in Telegram


انجمن علمی دانشکدهٔ مهندسی مکانیک محور Telegram | DID YOU KNOW?

Date: |

The global forecast for the Asian markets is murky following recent volatility, with crude oil prices providing support in what has been an otherwise tough month. The European markets were down and the U.S. bourses were mixed and flat and the Asian markets figure to split the difference.The TSE finished modestly lower on Friday following losses from the financial shares and property stocks.For the day, the index sank 15.09 points or 0.49 percent to finish at 3,061.35 after trading between 3,057.84 and 3,089.78. Volume was 1.39 billion shares worth 1.30 billion Singapore dollars. There were 285 decliners and 184 gainers.

Launched in 2013, Telegram allows users to broadcast messages to a following via “channels”, or create public and private groups that are simple for others to access. Users can also send and receive large data files, including text and zip files, directly via the app.The platform said it has more than 500m active users, and topped 1bn downloads in August, according to data from SensorTower.انجمن علمی دانشکدهٔ مهندسی مکانیک محور from us


Telegram انجمن علمی دانشکدهٔ مهندسی مکانیک - محور
FROM USA