دوره آموزشی RAG، اپ‌های هوش مصنوعی و عوامل هوش مصنوعی برای امنیت سایبری و شبکه‌ها

دوره آموزشی RAG، اپ‌های هوش مصنوعی و عوامل هوش مصنوعی برای امنیت سایبری و شبکه‌ها

5 ساعت 21 دقیقهمتوسط2025-09-10

مدرسین

Pearson

Pearson

Omar Santos

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

مهارت ها

Orchestrating AI SystemsAI Agents and Agentic SystemsAI Development Tools and PlatformsBuilding with AIIncident ResponseNetwork AdministrationCybersecurityNetwork and System AdministrationOne-Off

سرفصل ها

مقدمه

  • عامل‌های هوش مصنوعی و RAG عامل‌دار برای امنیت سایبری - مقدمه

مقدمه‌ای بر RAG در امنیت سایبری

  • اهداف یادگیری
  • مقدمه‌ای بر تولید افزوده بازیابی (RAG)
  • بررسی مخازن GitHub و منابع اضافی
  • جاسازی‌ها و مدل‌های جاسازی
  • تکنیک‌های فهرست‌بندی
  • پایگاه‌های داده برداری
  • استراتژی‌های قطعه‌بندی
  • RAG در مقابل تنظیم دقیق
  • RAG، RAG فیوژن و RAPTOR
  • اجرای مدل‌های وزنه آزاد با اولاما
  • بررسی Open WebUI و سایر افزونه‌های Ollama
  • مقدمه‌ای بر عامل‌های هوش مصنوعی و پیاده‌سازی‌های عامل‌محور
  • مقدمه‌ای بر RAG عاملی
  • معرفی پروتکل زمینه مدل (MCP)
  • معرفی A2A و AGNTCY

معرفی LangChain، LangGraph و LlamaIndex

  • اهداف یادگیری
  • معرفی LangChain
  • LangChain در مقابل LlamaIndex
  • قالب‌های اعلان و اعلان‌های سیستم
  • معرفی لانگ اسمیت

مثال‌هایی از مهندسی سریع، زنجیره‌های سریع و RAG

  • اهداف یادگیری
  • تسلط بر مهندسی سریع
  • بررسی مثال‌های اولیه زنجیره اعلان
  • ایجاد زنجیره‌های شاخه‌بندی سریع
  • بررسی زنجیره‌های اعلان موازی
  • ایجاد یک برنامه کاربردی RAG پایه
  • ایجاد یک برنامه کامل RAG

عامل‌های هوش مصنوعی و چارچوب‌های عامل‌محور

  • اهداف یادگیری
  • مقدمه‌ای بر چارچوب‌های عامل هوش مصنوعی
  • گروه نقشه‌برداری
  • معرفی LangGraph
  • بررسی نمونه‌هایی از LangGraph در عمل
  • بررسی نمونه‌ای از عامل‌ها با سرورهای MCP
  • ایمن‌سازی پیاده‌سازی‌های عامل‌محور

نتیجه‌گیری

  • عامل‌های هوش مصنوعی و RAG عامل‌دار برای امنیت سایبری - خلاصه
۱۰۰,۰۰۰ تومان