دوره آموزشی آمادگی آزمون معمار راهکارهای تجاری هوش مصنوعی عاملمحور مایکروسافت (AB-100)
9 ساعت 27 دقیقهپیشرفته2026-08-17
مدرسین
Microsoft Press
Microsoft
جزئیات دوره
آماده شوید تا برای آزمون Microsoft Agentic AI Business Solutions Architect (AB-100) مهارتهای لازم برای برنامهریزی، طراحی و استقرار راهکارهای هوش مصنوعی در محیطهای سازمانی را به دست آورید. این دوره بر معماری راهکارهای Agentic AI تمرکز دارد و به شما نشان میدهد چگونه از هوش مصنوعی برای ایجاد تحول، افزایش بهرهوری و حل مسائل پیچیده کسبوکار استفاده کنید.
در این دوره یاد میگیرید چگونه راهکارهایی مقیاسپذیر، امن و قابل اعتماد طراحی کنید که سرویسهای مختلف Microsoft را در کنار یکدیگر قرار میدهند و متناسب با نیازهای واقعی سازمان عمل میکنند. همچنین با موضوعاتی مانند طراحی استراتژی AI، ارزیابی هزینه و ارزش کسبوکاری، امنیت، Compliance و مدیریت ریسک آشنا میشوید.
در ادامه، نحوه مدیریت و هماهنگسازی بخشهای مختلف چرخه اجرای راهکارهای AI از جمله Configuration، Testing و Monitoring بررسی میشود. این مباحث به شما کمک میکنند تا علاوه بر طراحی راهکار، بتوانید عملکرد آن را در محیطهای سازمانی ارزیابی و مدیریت کنید.
این دوره برای Solution Architectهای باتجربه و متخصصانی طراحی شده است که قصد دارند دانش خود را در زمینه معماری راهکارهای مبتنی بر Agentic AI توسعه دهند و برای آزمون AB-100 آماده شوند. با تکمیل دوره، دید جامعتری برای طراحی و هدایت راهکارهای AI خواهید داشت و آمادگی بیشتری برای مواجهه با سناریوهای آزمون و پروژههای واقعی سازمانی به دست میآورید.
اهداف یادگیری
توضیح مفاهیم و اصول اصلی معماری راهکارهای Agentic AI برای کسبوکار.
طراحی استراتژی جامع هوش مصنوعی متناسب با اهداف و نیازهای سازمان.
تحلیل چالشهای کسبوکار و تبدیل آنها به راهکارهای AI قابل اجرا.
طراحی راهکارهای هوش مصنوعی مقیاسپذیر با ترکیب سرویسهای مختلف Microsoft.
ارزیابی هزینهها، مزایا و ارزش کسبوکاری راهکارهای مبتنی بر AI.
پیادهسازی الزامات امنیتی، Compliance و مدیریت ریسک در راهکارهای AI.
برنامهریزی و هماهنگسازی فرایندهای Configuration و Deployment راهکارهای هوش مصنوعی.
طراحی و اجرای فرایندهای Testing برای ارزیابی عملکرد و قابلیت اطمینان راهکارهای AI.
استفاده از Monitoring برای نظارت بر عملکرد و مدیریت راهکارهای هوش مصنوعی در محیط سازمانی.
کسب آمادگی برای آزمون Microsoft Agentic AI Business Solutions Architect (AB-100) و هدایت راهکارهای AI در سازمان.
در این دوره یاد میگیرید چگونه راهکارهایی مقیاسپذیر، امن و قابل اعتماد طراحی کنید که سرویسهای مختلف Microsoft را در کنار یکدیگر قرار میدهند و متناسب با نیازهای واقعی سازمان عمل میکنند. همچنین با موضوعاتی مانند طراحی استراتژی AI، ارزیابی هزینه و ارزش کسبوکاری، امنیت، Compliance و مدیریت ریسک آشنا میشوید.
در ادامه، نحوه مدیریت و هماهنگسازی بخشهای مختلف چرخه اجرای راهکارهای AI از جمله Configuration، Testing و Monitoring بررسی میشود. این مباحث به شما کمک میکنند تا علاوه بر طراحی راهکار، بتوانید عملکرد آن را در محیطهای سازمانی ارزیابی و مدیریت کنید.
این دوره برای Solution Architectهای باتجربه و متخصصانی طراحی شده است که قصد دارند دانش خود را در زمینه معماری راهکارهای مبتنی بر Agentic AI توسعه دهند و برای آزمون AB-100 آماده شوند. با تکمیل دوره، دید جامعتری برای طراحی و هدایت راهکارهای AI خواهید داشت و آمادگی بیشتری برای مواجهه با سناریوهای آزمون و پروژههای واقعی سازمانی به دست میآورید.
اهداف یادگیری
توضیح مفاهیم و اصول اصلی معماری راهکارهای Agentic AI برای کسبوکار.
طراحی استراتژی جامع هوش مصنوعی متناسب با اهداف و نیازهای سازمان.
تحلیل چالشهای کسبوکار و تبدیل آنها به راهکارهای AI قابل اجرا.
طراحی راهکارهای هوش مصنوعی مقیاسپذیر با ترکیب سرویسهای مختلف Microsoft.
ارزیابی هزینهها، مزایا و ارزش کسبوکاری راهکارهای مبتنی بر AI.
پیادهسازی الزامات امنیتی، Compliance و مدیریت ریسک در راهکارهای AI.
برنامهریزی و هماهنگسازی فرایندهای Configuration و Deployment راهکارهای هوش مصنوعی.
طراحی و اجرای فرایندهای Testing برای ارزیابی عملکرد و قابلیت اطمینان راهکارهای AI.
استفاده از Monitoring برای نظارت بر عملکرد و مدیریت راهکارهای هوش مصنوعی در محیط سازمانی.
کسب آمادگی برای آزمون Microsoft Agentic AI Business Solutions Architect (AB-100) و هدایت راهکارهای AI در سازمان.
سرفصل ها
مقدمه
- AB-100 معمار راهکارهای تجاری هوش مصنوعی عاملگرا - مقدمه
تحلیل نیازمندیها برای راهکارهای تجاری مبتنی بر هوش مصنوعی
- ماژول 1 - مقدمهای بر برنامهریزی راهکارهای تجاری مبتنی بر هوش مصنوعی
- اهداف یادگیری
- ارزیابی ایجنتها برای خودکارسازی، تجزیه و تحلیل و تصمیمگیری
- بررسی کیفیت و در دسترس بودن دادههای مبنا
- سازماندهی دادههای تجاری برای سیستمهای هوش مصنوعی
طراحی استراتژی کلی هوش مصنوعی برای راهکارهای تجاری
- اهداف یادگیری
- پیادهسازی فرآیند پذیرش Azure AI
- طراحی استراتژی هوش مصنوعی و ایجنت
- طراحی راهکارهای چندایجنتی با پلتفرمهای مایکروسافت
- توسعه موارد استفاده برای ایجنتهای از پیش ساختهشده در راهکار
- تعریف قوانین برای مؤلفههای هوش مصنوعی در پلتفرمهای مایکروسافت
- استفاده از هوش مصنوعی مولد و منابع دانش در ایجنتها
- انتخاب ایجنتهای سفارشی یا Microsoft 365 Copilot
- تعیین زمان ایجاد مدلهای هوش مصنوعی سفارشی
- ارائه دستورالعملهایی برای ایجاد یک کتابخانه پرامپت
- توسعه موارد استفاده برای مدلهای زبانی کوچک سفارشی
- استفاده از مهندسی پرامپت برای راهکارهای تجاری هوش مصنوعی
- بررسی مرکز تعالی هوش مصنوعی مایکروسافت
- طراحی راهکارهای هوش مصنوعی که از چندین برنامه Dynamics 365 استفاده میکنند
ارزیابی هزینهها و مزایای یک راهکار تجاری مبتنی بر هوش مصنوعی
- اهداف یادگیری
- انتخاب معیارهای ROI و هزینه کل مالکیت
- ایجاد یک تحلیل ROI برای یک فرآیند تجاری هوش مصنوعی
- تصمیمگیری در مورد ساخت، خرید یا توسعه مؤلفههای هوش مصنوعی
- مسیریابی درخواستها به مدل هوش مصنوعی مناسب
طراحی هوش مصنوعی و ایجنتها برای راهکارهای تجاری
- ماژول 2 - مقدمهای بر طراحی راهکارهای تجاری مبتنی بر هوش مصنوعی
- اهداف یادگیری
- طراحی اصطلاحات تجاری Copilot در برنامههای Dynamics 365
- سفارشیسازی Copilot در برنامههای Dynamics 365
- طراحی کانکتورها برای Copilot در Dynamics 365 Sales
- یکپارچهسازی ایجنتها با Dynamics 365 Contact Center
- طراحی ایجنتهای انجام وظیفه
- طراحی ایجنتهای خودمختار
- طراحی ایجنتهای پرامپت و پاسخ
- پیشنهاد Foundry Tools برای یک نیاز مشخص
- استفاده از صفحات code-first و فیدهای ایجنت برای برنامهها
- طراحی موضوعات برای Copilot Studio، از جمله Fallback
- طراحی پردازش داده برای مدلهای هوش مصنوعی و Grounding
- افزودن مؤلفههای هوش مصنوعی به یک برنامه canvas در Power Apps
- اعمال اصول معماری مناسب در برنامههای هوشمند
- انتخاب پردازش زبان طبیعی (NLP)، درک زبان محاورهای (CLU) یا ارکستراسیون هوش مصنوعی مولد
- طراحی ایجنتها و جریانهای ایجنت با Copilot Studio
- طراحی اکشنهای پرامپت در Copilot Studio
طراحی توسعهپذیری راهکارهای هوش مصنوعی
- اهداف یادگیری
- استفاده از مدلهای سفارشی در Foundry
- طراحی عاملها در Microsoft 365 Copilot
- طراحی توسعهپذیری عاملها در Copilot Studio
- گسترش عاملها با Model Context Protocol (MCP)
- خودکارسازی کارهای اپلیکیشن و وب با Computer Use
- طراحی استدلال و رفتار صوتی عاملها
- بهینهسازی عاملها در Microsoft 365، Teams و SharePoint
هماهنگسازی پیکربندی برای عاملها و برنامههای از پیش ساختهشده
- اهداف یادگیری
- هماهنگسازی هوش مصنوعی در برنامههای مالی و زنجیره تأمین
- هماهنگسازی هوش مصنوعی برای تجربه و خدمات مشتری
- پیشنهاد عاملهای Microsoft 365 برای سناریوهای کسبوکار
- پیکربندی راهحل فروش و راهحل خدمات در Microsoft 365 Copilot
- پیشنهاد قابلیتهای هوش مصنوعی Power Platform
- گسترش چتهای عامل مالی و عملیات
- افزودن منابع دانش به راهنمایی Dynamics 365
تحلیل، نظارت و تنظیم راهحلهای کسبوکار مبتنی بر هوش مصنوعی
- ماژول 3 - مقدمه استقرار راهحلهای کسبوکار مبتنی بر هوش مصنوعی
- اهداف یادگیری
- انتخاب ابزارها برای نظ
- تحلیل بکلاگ و بازخورد کاربران از استفاده از AI و عامل
- استفاده از ابزارهای AI برای تحلیل مشکلات و تنظیم راهحلها
- پایش عملکرد و سنجههای عامل
- تفسیر دادههای تلهمتری برای عملکرد و تنظیم مدل
مدیریت آزمون راهحلهای کسبوکار مبتنی بر AI
- اهداف یادگیری
- پیشنهاد فرآیند و سنجهها برای آزمون عاملها
- ایجاد معیارهای اعتبارسنجی برای مدلهای AI سفارشی
- اعتبارسنجی بهترین روشهای مؤثر برای پرامپتهای Copilot
- طراحی سناریوهای آزمون سرتاسری برای راهحلهای AI
- تدوین استراتژی ایجاد موارد آزمون با استفاده از Copilot
طراحی فرآیند مدیریت چرخه عمر کاربرد (ALM) برای راهحلهای کسبوکار مبتنی بر AI
- اهداف یادگیری
- طراحی فرآیند مدیریت چرخه عمر کاربرد (ALM) برای دادههای استفادهشده در مدلها و عاملهای AI
- طراحی ALM برای عاملها و کانکتورهای Copilot Studio
- طراحی فرآیند ALM برای عاملهای Azure AI Services
- طراحی فرآیند ALM برای مدلهای AI سفارشی
- طراحی ALM برای AI حوزه مالی و زنجیره تأمین
- طراحی ALM برای AI حوزه تجربه و خدمات مشتری
طراحی AI مسئولانه، امنیت، حاکمیت، مدیریت ریسک و انطباق
- اهداف یادگیری
- طراحی امنیت برای عاملها
- طراحی حاکمیت برای عاملها
- طراحی امنیت مدل
- تحلیل آسیبپذیریهای AI و دستکاری پرامپت
- بررسی راهحل از نظر پایبندی به اصول AI مسئولانه
- اعتبارسنجی انطباق اقامت و جابهجایی داده
- طراحی کنترلهای دسترسی برای دادههای grounding و تنظیم مدل
- طراحی مسیرهای ممیزی برای تغییرات مدلها و دادهها
نتیجهگیری
- AB-100 معمار راهحلهای کسب