این کمپ فرصتی عالی برای تجربهٔ عمیق دنیای Agentic AI است. با بهرهگیری از زبان برنامهنویسی پایتون میآموزید چگونه عاملهای هوشمند را طراحی کنید، رفتار و فرآیند تصمیمگیری خودکار آنها را مدلسازی نمایید و سازوکارهای تعامل و همکاری میان عاملها را پیادهسازی کنید. پس از این کمپ از توسعهدهندهای آشنا با کد به سازندهای توانمند در دنیای هوش مصنوعی عاملمحور تبدیل میشوید.
درباره کمپ همین حالا ثبتنام کنید!هوش مصنوعی دیگر فقط به سؤالات شما پاسخ نمیدهد، بلکه برنامهریزی میکند و برای شما عمل میکند! به عصر هوش مصنوعی عاملی (Agentic AI) خوش آمدید؛ موج تازهای از فناوری که مرزهای توانمندی سیستمهای هوشمند را جابهجا کرده است.
در همین راستا، این کمپ ـ که با همکاری تیم هوش مصنوعی «فلش» برگزار میشود ـ به شما آموزش میدهد چگونه با پایتون و فریمورکهای مدرن مانند CrewAI، LangGraph و ArshAI عاملهای هوشمند بسازید که میتوانند بیاموزند، تصمیم بگیرند و با یکدیگر همکاری کنند.
در این کمپ، شرکتکنندگان با راهنمایی منتورهای خبره، از مفاهیم بنیادین تا ساخت سیستمهای چندعاملی واقعی پیش میروند و در پایان، با اجرای یک پروژهی نهایی، توانایی خود را در بهکارگیری عملی این فناوریها در دنیای واقعی نشان خواهند داد.
شرکتکنندگان با کدنویسی پیشرفته پایتون و طراحی عاملهای هوشمند آشنا میشوند، سیستمهای چندعاملی را پیادهسازی میکنند و مهارتهای عملی در پیادهسازی پروژه واقعی و همراه با منتورشیپ تخصصی کسب میکنند.
این کمپ را مهدی بهاری بهعنوان Course Owner راهبری میکند و بر مسیر یادگیری نظارت خواهد داشت.
در این ماژول با اصول پایه هوش مصنوعی و مدلهای زبان بزرگ آشنا میشوید. کار با APIها و چارچوبهای Agentic AI را تجربه کرده، با چارچوبهایی مانند CrewAI، LangGraph و Pydantic AI آشنا میشوید و برای ساخت عاملهای هوشمند آماده میشوید. تمرین عملی شامل ساخت یک دستیار خلاق با قابلیتهای متنوع LLM است.
در این بخش یاد میگیرید چگونه پرامپتهای مؤثر بسازید و آنها را بهینه کنید. تکنیکهای پایه و پیشرفته پرامپت برای تولید نتایج دقیق و کارآمد آموزش داده میشوند. تمرین عملی شامل ایجاد یک کتابخانه پرامپت مستندسازیشده است.
این ماژول به بررسی مفاهیم Agency، Autonomy و معماریهای مختلف عاملها میپردازد. تفاوت بین Workflow و Agent و انتخاب معماری مناسب برای کاربردهای واقعی آموزش داده میشود. تمرین عملی شامل طراحی مستندات معماری برای سناریوهای مختلف است.
در این بخش ساختارهای دانش و روشهای استدلال در عاملها معرفی میشوند. به دانش ساختاریافته، تصمیمگیری و برنامهریزی در عاملهای هوشمند پرداخته میشود. تمرین عملی ساخت یک سیستم توصیهگر هوشمند با توضیح فرآیند تصمیمگیری است.
در این ماژول، ابزارهای سفارشی برای عاملها تعریف و پیادهسازی میشوند و چارچوبهای CrewAI و LangGraph بهعنوان بسترهای توسعه معرفی میشوند. طراحی دقیق ابزارها، ادغام آنها در عاملها و ارزیابی چارچوبها در عمل آموزش داده میشود. تمرین عملی پروژه میانترم شامل ساخت یک عامل روزانه با چند ابزار و مستندسازی عملکرد آنها است.
در این ماژول، سیستمهای چندعامل با نقشهای مشخص طراحی و اجرا میشوند. الگوهای همکاری، جریان کار و مدیریت ارتباط بین عاملها آموزش داده میشوند. تمرین عملی شامل ساخت یک تیم محتوایی مشارکتی با تقسیم نقشها، استفاده از ابزارها و هماهنگی اطلاعات بین عاملها است.
در این ماژول، خودبازبینی و اصلاح خطا در عاملها، معماری حافظه و طراحی سیستمهای پیچیده آموزش داده میشود. تمرکز روی اجرای پروژه نهایی چندعامل با بهترین شیوههای طراحی است. تمرین عملی شامل ساخت دستیار پشتیبانی خودکار است که به دانشجویان امکان میدهد تمام مفاهیم آموختهشده در ماژولهای قبلی را در یک پروژه عملی و آماده تولید بهکار گیرند.
این ماژول چالشهای تولید و استقرار عاملها را پوشش میدهد و به انتخاب چارچوب مناسب برای محیط واقغی و اجرای پروژههای تولیدی پایدارمیپردازد. اصول نظارت، امنیت و نگهداری سیستمها آموزش داده میشوند. همچنین دانشجویان به تکمیل پروژه نهایی خود میپردازند.
یاد میگیرید چطور پورتفولیوی شخصی بسازید، پروژههاتون رو ارائه بدهید و برای مصاحبههای شغلی آماده شوید.
برای شرکت در این کمپ نیازی به آشنایی قبلی با مباحث هوش مصنوعی ندارید. تنها پیشنیاز، داشتن تجربه پایه در برنامهنویسی Python و شناخت از مباحث Object Oriented و API است تا بتوانید از محتوای دوره بیشترین بهره را ببرید.
پذیرش با تکمیل شدن ظرفیت بسته میشود.