دوره آموزشی تحلیلگری عاملمحور: ساخت گردشکارهای چندمرحلهای هوش مصنوعی
45 دقیقهمتوسط2026-09-09
مدرسین

Mo Chen
جزئیات دوره
هوش مصنوعی Agentic بهسرعت در حال حرکت از مرحله آزمایش و Promptهای تکی به سمت Workflowهای خودکار، چندمرحلهای و قابل استفاده در سناریوهای واقعی است. در چنین محیطی، فقط توانایی استفاده از ابزارهای هوش مصنوعی کافی نیست؛ بلکه باید بتوانید فرآیندهای مبتنی بر AI را طراحی، هماهنگ و مدیریت کنید.
در این دوره، Mo Chen یک فرآیند عملی پنجروزه را برای ساخت Workflowهای تحلیلی قابل استفاده مجدد در Claude Cowork آموزش میدهد. در طول دوره، سه Skill تخصصی ایجاد میکنید: یک Problem Framer برای تبدیل مسئله کسبوکار به مسئله تحلیلی، یک Data Analyst برای بررسی و تحلیل دادهها و یک Stakeholder Communicator برای تبدیل نتایج تحلیل به یافتهها و گزارش قابل فهم برای ذینفعان.
سپس این Skillها را در قالب یک Plugin واحد به یکدیگر متصل میکنید تا یک Workflow کامل و End-to-End ایجاد شود. در مرحله نهایی، Plugin ساختهشده را روی یک مسئله کسبوکار، Dataset و Data Dictionary کاملاً جدید اجرا میکنید تا نحوه عملکرد Workflow روی دادههایی که قبلاً با آنها کار نکرده است، بررسی شود.
اهداف یادگیری
طراحی یک Workflow تحلیلی چندمرحلهای پیش از شروع فرآیند پیادهسازی
تعریف Problem Framing برای تبدیل مسائل کسبوکار به وظایف قابل تحلیل
ایجاد Skillهای تحلیلی قابل استفاده مجدد در Claude Cowork
نوشتن، آزمایش و بهبود تدریجی Skillهای مورد استفاده در Workflow
ایجاد Skillهای تخصصی برای تحلیل داده و استخراج یافتههای کاربردی
اتصال چند Skill به یک Pipeline منسجم برای اجرای فرآیندهای چندمرحلهای
مدیریت Edge Caseها و خطاهای احتمالی در Workflowهای Agentic
ساخت یک Pipeline کامل از سؤال کسبوکار تا تحلیل داده و ارائه خلاصه یافتهها
آزمایش Workflow روی مسئله، Dataset و Data Dictionary جدید برای بررسی قابلیت استفاده مجدد
بستهبندی Workflow کامل Agentic Analytics بهصورت یک فایل قابل استقرار .plugin
در این دوره، Mo Chen یک فرآیند عملی پنجروزه را برای ساخت Workflowهای تحلیلی قابل استفاده مجدد در Claude Cowork آموزش میدهد. در طول دوره، سه Skill تخصصی ایجاد میکنید: یک Problem Framer برای تبدیل مسئله کسبوکار به مسئله تحلیلی، یک Data Analyst برای بررسی و تحلیل دادهها و یک Stakeholder Communicator برای تبدیل نتایج تحلیل به یافتهها و گزارش قابل فهم برای ذینفعان.
سپس این Skillها را در قالب یک Plugin واحد به یکدیگر متصل میکنید تا یک Workflow کامل و End-to-End ایجاد شود. در مرحله نهایی، Plugin ساختهشده را روی یک مسئله کسبوکار، Dataset و Data Dictionary کاملاً جدید اجرا میکنید تا نحوه عملکرد Workflow روی دادههایی که قبلاً با آنها کار نکرده است، بررسی شود.
اهداف یادگیری
طراحی یک Workflow تحلیلی چندمرحلهای پیش از شروع فرآیند پیادهسازی
تعریف Problem Framing برای تبدیل مسائل کسبوکار به وظایف قابل تحلیل
ایجاد Skillهای تحلیلی قابل استفاده مجدد در Claude Cowork
نوشتن، آزمایش و بهبود تدریجی Skillهای مورد استفاده در Workflow
ایجاد Skillهای تخصصی برای تحلیل داده و استخراج یافتههای کاربردی
اتصال چند Skill به یک Pipeline منسجم برای اجرای فرآیندهای چندمرحلهای
مدیریت Edge Caseها و خطاهای احتمالی در Workflowهای Agentic
ساخت یک Pipeline کامل از سؤال کسبوکار تا تحلیل داده و ارائه خلاصه یافتهها
آزمایش Workflow روی مسئله، Dataset و Data Dictionary جدید برای بررسی قابلیت استفاده مجدد
بستهبندی Workflow کامل Agentic Analytics بهصورت یک فایل قابل استقرار .plugin
سرفصل ها
مقدمه
- دست بردارید از اینکه هر بار همان تحلیل را از صفر بازسازی میکنید
- تفاوت Claude Chat با Cowork، Code Prompt، Skill و Plugin
- آمادهسازی Claude Cowork قبل از روز اول
ساخت مهارت Problem Framer
- اولین مهارت خود را بسازید و ببینید چگونه مسئله را چارچوببندی میکند
ساخت مهارت Data Analyst
- ساخت مهارت تحلیلگری که روی هر مجموعه دادهای کار میکند
ساخت مهارت Stakeholder Communicator
- ساخت مهارتی که متناسب با گیرنده پیام مینویسد
ایجاد پلاگین Agentic Analytics سفارشی شما
- ترکیب سه مهارت در یک پلاگین که به ترتیب دلخواه شما اجرا میشود
اجرای پلاگین Agentic Analytics روی یک مسئله، مجموعه داده و فرهنگ داده کاملاً جدید
- صنعتی متفاوت، سوالی متفاوت، همان پلاگین
- پلاگین خود را به سمت دادههایی که قبلاً ندیده است نشانه بگیرید