دوره آموزشی RAG، اپهای هوش مصنوعی و عوامل هوش مصنوعی برای امنیت سایبری و شبکهها
5 ساعت 21 دقیقهمتوسط2025-09-10
مدرسین

Pearson

Omar Santos
جزئیات دوره
توی این دوره چهار ساعته، یاد میگیری چطور از قدرت Large Language Models (LLMs) توی دنیای امنیت سایبری و شبکهها استفاده کنی، هم برای عملیات حملات (Offensive) و هم برای دفاع (Defensive). این دوره بهت مهارتهای عملی میده که دنیای امنیت و شبکه امروز رو داره متحول میکنه.
با مفاهیم پایهای RAG (Retrieval-Augmented Generation) شروع میکنیم و به مرور مسیر میریم تا ایجاد ایجنتهای پیشرفته با استفاده از فریمورکهای استاندارد صنعتی مثل LangChain، AutoGen و LangGraph رو یاد بگیری.
این دوره فقط تئوری نیست! با مثالهای واقعی و قدمبهقدم کدنویسی با هوش مصنوعی کار میکنیم تا مهارتهای عملیت تقویت بشه. فرقی نمیکنه که:
تو تیم قرمز (Red Team) باشی و بخوای حملات پیشرفته بسازی
یا تیم آبی (Blue Team) باشی و دنبال تقویت دفاعها باشی
یا پژوهشگر امنیتی باشی و بخوای مرزهای AI تو امنیت سایبری رو کشف کنی
یا متخصص شبکه باشی که نیاز به دانش AI داره
این دوره پایهها و مهارتهای کلیدی رو بهت میده که همیشه یک قدم جلوتر باشی.
اهداف یادگیری
یادگیری اصول پایه و کاربرد عملی RAG، LangChain، LangGraph و LlamaIndex
مقایسه پیادهسازیهای مختلف RAG: Traditional RAG، RAG Fusion و RAPTOR برای بهینهسازی بازیابی و پردازش اطلاعات
بررسی مطالعات موردی واقعی و اجرای نمایشهای عملی از عملیات امنیتی و شبکه با کمک هوش مصنوعی
پیادهسازی RAG برای بازیابی پویا، رتبهبندی مجدد و اتوماسیون پیشرفته در سناریوهای امنیت سایبری و شبکه
با مفاهیم پایهای RAG (Retrieval-Augmented Generation) شروع میکنیم و به مرور مسیر میریم تا ایجاد ایجنتهای پیشرفته با استفاده از فریمورکهای استاندارد صنعتی مثل LangChain، AutoGen و LangGraph رو یاد بگیری.
این دوره فقط تئوری نیست! با مثالهای واقعی و قدمبهقدم کدنویسی با هوش مصنوعی کار میکنیم تا مهارتهای عملیت تقویت بشه. فرقی نمیکنه که:
تو تیم قرمز (Red Team) باشی و بخوای حملات پیشرفته بسازی
یا تیم آبی (Blue Team) باشی و دنبال تقویت دفاعها باشی
یا پژوهشگر امنیتی باشی و بخوای مرزهای AI تو امنیت سایبری رو کشف کنی
یا متخصص شبکه باشی که نیاز به دانش AI داره
این دوره پایهها و مهارتهای کلیدی رو بهت میده که همیشه یک قدم جلوتر باشی.
اهداف یادگیری
یادگیری اصول پایه و کاربرد عملی RAG، LangChain، LangGraph و LlamaIndex
مقایسه پیادهسازیهای مختلف RAG: Traditional RAG، RAG Fusion و RAPTOR برای بهینهسازی بازیابی و پردازش اطلاعات
بررسی مطالعات موردی واقعی و اجرای نمایشهای عملی از عملیات امنیتی و شبکه با کمک هوش مصنوعی
پیادهسازی RAG برای بازیابی پویا، رتبهبندی مجدد و اتوماسیون پیشرفته در سناریوهای امنیت سایبری و شبکه
مهارت ها
Natural Language Processing (NLP)Incident ResponseAI Productivity ToolsArtificial Intelligence FoundationsArtificial Intelligence for BusinessNetwork AdministrationCybersecurityArtificial Intelligence (AI)Network and System AdministrationBusiness Software and ToolsOne-Off
سرفصل ها
۰. مقدمه
- 01 - عاملهای هوش مصنوعی و RAG عاملدار برای امنیت سایبری - مقدمه
۱. مقدمهای بر RAG در امنیت سایبری
- 02 - اهداف یادگیری
- 03 - مقدمهای بر تولید افزوده بازیابی (RAG)
- 04 - بررسی مخازن GitHub و منابع اضافی
- 05 - جاسازیها و مدلهای جاسازی
- 06 - تکنیکهای فهرستبندی
- 07 - پایگاههای داده برداری
- 08 - استراتژیهای قطعهبندی
- 09 - RAG در مقابل تنظیم دقیق
- 10 - RAG، RAG فیوژن و RAPTOR
- 11 - اجرای مدلهای وزنه آزاد با اولاما
- 12 - بررسی Open WebUI و سایر افزونههای Ollama
- 13- مقدمهای بر عاملهای هوش مصنوعی و پیادهسازیهای عاملمحور
- 14- مقدمهای بر RAG عاملی
- 15- معرفی پروتکل زمینه مدل (MCP)
- 16- معرفی A2A و AGNTCY
۲. معرفی LangChain، LangGraph و LlamaIndex
- 17 - اهداف یادگیری
- 18- معرفی LangChain
- 19 - LangChain در مقابل LlamaIndex
- 20 - قالبهای اعلان و اعلانهای سیستم
- 21- معرفی لانگ اسمیت
۳. مثالهایی از مهندسی سریع، زنجیرههای سریع و RAG
- 22 - اهداف یادگیری
- 23- تسلط بر مهندسی سریع
- 24- بررسی مثالهای اولیه زنجیره اعلان
- 25 - ایجاد زنجیرههای شاخهبندی سریع
- 26- بررسی زنجیرههای اعلان موازی
- 27 - ایجاد یک برنامه کاربردی RAG پایه
- 28 - ایجاد یک برنامه کامل RAG
۴. عاملهای هوش مصنوعی و چارچوبهای عاملمحور
- 29 - اهداف یادگیری
- 30- مقدمهای بر چارچوبهای عامل هوش مصنوعی
- 31- گروه نقشهبرداری
- 32- معرفی LangGraph
- 33- بررسی نمونههایی از LangGraph در عمل
- 34 - بررسی نمونهای از عاملها با سرورهای MCP
- 35 - ایمنسازی پیادهسازیهای عاملمحور
نتیجهگیری
- 36 - عاملهای هوش مصنوعی و RAG عاملدار برای امنیت سایبری - خلاصه
دوره های مرتبط
- دوره آموزشی ساخت چتباتهای سفارشی با n8n
- دوره آموزشی هوش مصنوعی عملی: ساخت اولین چتبات مکالمهای خودت
- دوره آموزشی ساخت برنامههای ارزیابی LLM با LangChain
- دوره آموزشی یادگیری اصولی GraphRAG
- دوره آموزشی راهنمای کامل ارزیابی مدلهای زبان بزرگ (LLMها)
- دوره آموزشی هوش مصنوعی عملی: ساخت چتبات هوش مصنوعی با GPT-4o و Next.js
- دوره آموزشی هوش مصنوعی عملی: ساخت GPT اختصاصی خودتان
- دوره آموزشی آمادهسازی داده، مهندسی ویژگی و افزایش داده برای مدلهای هوش مصنوعی