شبکه عصبی چیست و چطور از اشتباهش یاد می‌گیرد؟ در این قسمت از پرسپترون روزنبلات شروع می‌کنیم، تابع خطا، نزول گرادیان و نرخ یادگیری را با مثال عددی می‌فهمیم، به شبکه چندلایه و پس‌انتشار خطا می‌رسیم و یک پرسپترون کوچک را با پایتون از صفر می‌سازیم.
داده ساختاریافته چیست و چه فرقی با داده بدون ساختار و نیمه‌ساختاریافته دارد؟ در این قسمت انواع داده، داده کمی و کیفی، منابع داده و صفحه گسترده را می‌شناسید و یاد می‌گیرید هر نوع داده را چطور به ورودی قابل استفاده برای مدل هوش مصنوعی تبدیل کنید.
یادگیری ماشین چیست و یک پروژه یادگیری نظارت‌شده چه مراحلی دارد؟ در این قسمت هفت مرحله از انتخاب سؤال تا پیش‌بینی، مفهوم ویژگی و هدف، تقسیم داده به آموزش و آزمون، بیش‌برازش و کم‌برازش را با یک مثال کوتاه scikit-learn یاد می‌گیرید.
سیستم خبره چیست و چرا هنوز در دستیارهای امروزی جا دارد؟ در این قسمت هرم داده تا حکمت، روش‌های بازنمایی دانش، ساختار سیستم خبره، استنتاج پیشرو و بازگشتی را با مثال پایتون می‌خوانید و یاد می‌گیرید کجا قاعده کافی است و کجا به یادگیری ماشین نیاز دارید.
علم داده چیست و چه ربطی به ساخت دستیار هوش مصنوعی دارد؟ در این قسمت تعریف علم داده، رابطه‌اش با آمار، یادگیری ماشین و بصری‌سازی، منابع رایج داده و پنج مرحله مسیر داده را می‌خوانید و یاد می‌گیرید پیش از شروع پروژه، خروجی و معیار پذیرش را دقیق بنویسید.
هوش مصنوعی چیست و چرا بعضی کارها را نمی‌شود با برنامه‌نویسی معمولی حل کرد؟ در این مقاله تعریف هوش، آزمون تورینگ، دو رویکرد نمادین و شبکه عصبی و تاریخچه کوتاه هوش مصنوعی را می‌خوانید و یک نقشه راه چهارمرحله‌ای برای ساخت دستیار هوشمند می‌گیرید.
لاگ معمولی نشان می‌دهد ایجنت چه ثبت کرده، اما تضمین نمی‌کند بعداً تغییر نکرده باشد. در این آموزش امنیت ایجنت هوش مصنوعی را با رسید امضاشده یاد می‌گیرید؛ امضای Ed25519، زنجیره‌ی هش، بررسی آفلاین و مرز دقیق آنچه رسید اثبات می‌کند و نمی‌کند.
ایجنت هوش مصنوعی محلی یعنی مدل، اسناد و ابزارها همه روی دستگاه خودتان اجرا شوند. در این آموزش مزایا و محدودیت مدل‌های کوچک، Foundry Local و Qwen، RAG محلی با Chroma، MCP محلی و مسیریابی ترکیبی میان محلی و ابری را یاد می‌گیرید.
ایجنتی که برای یک کاربر کار می‌کند، با صدها درخواست هم‌زمان ممکن است از هم بپاشد. در این آموزش استقرار ایجنت هوش مصنوعی را یاد می‌گیرید؛ سه الگوی استقرار، چرخه‌ی عمر با دروازه‌ی ارزیابی، طراحی بی‌حالت، مسیریابی مدل، کش و کنترل هزینه.
وقتی سرویسی API ندارد، ایجنت مرورگر می‌تواند مثل یک کاربر صفحه را باز کند، بخواند و داده استخراج کند. در این آموزش Browser-Use و Playwright، انتخاب میان ایجنت و کنترل مستقیم و هفت محافظ ایمنی برای کار روی سایت‌های واقعی را یاد می‌گیرید.
Microsoft Agent Framework چارچوب یکپارچه‌ی مایکروسافت برای ساخت ایجنت است. در این آموزش ایجنت، ابزار، جلسه، میان‌افزار و جریان کار را با نمونه کد پایتون می‌شناسید و یاد می‌گیرید یک نمونه‌ی کوچک با مرز روشن میان اجزا بسازید.
حافظه وقتی مفید است که اطلاعات ذخیره‌شده هنوز درست و مرتبط باشد. در این آموزش حافظه ایجنت را می‌شناسید؛ هفت نوع حافظه، ابزارهایی مثل Mem0 و Cognee، ایجنت دانش برای یادگیری از گفت‌وگو و طراحی حافظه‌ای که منشأ، بازه‌ی اعتبار و امکان حذف داشته باشد.
