آنچه یاد خواهید گرفت:
مفاهیم پایه و پیشرفته چتباتها، ایجنتهای هوش مصنوعی و سیستمهای RAG
روشهای پیشرفته برای تست چتباتها، ایجنتهای هوش مصنوعی و سیستمهای RAG
مبانی DeepEval
مبانی PyTest
پیشنیازهای دوره
مبانی پایتون
تمایل برای یادگیری روشهای پیشرفته و آیندهمحورِ تست اپلیکیشنها
توضیحات دوره
اپلیکیشنهای مجهز به هوش مصنوعی در حال دگرگون کردن فضای نرمافزار هستند اما چطور باید آنها را تست کرد؟ وقتی اپلیکیشن شما به صورت پویا فکر میکند، استدلال میکند و پاسخ میدهد، روشهای سنتی QA دیگر کافی نیستند. این دوره این شکاف را پر میکند.
در این دوره جامع و عملی، یاد میگیرید چگونه یک استراتژی کامل تست end-to-end برای سیستمهای مدرن هوش مصنوعی بسازید از جمله چتباتها، ایجنتهای هوش مصنوعی، پایپلاینهای RAG و MCP Servers با استفاده از DeepEval، فریمورک متنباز پیشرو برای ارزیابی LLM
هر مفهوم بر پایه یک اپلیکیشن واقعی چتبات هوش مصنوعی برای تجارت الکترونیک ارائه میشود، بنابراین همیشه چیزی معنادار را تست میکنید، نه مثالهای آزمایشی و ساده
این دوره شامل موارد زیر است:
بخش 1 - شروع کار با DeepEval
بخش 2 - اجرای LLMs محلی با Ollama
بخش 3 - LLM-as-a-Judge با مدلهای محلی
بخش 4 - تست اپلیکیشنهای واقعی LangChain
بخش 5 - بلوکهای سازنده اصلی: موارد تست، مجموعه دادهها و Goldens
بخش 6 - متریکهای مختلف + متریکهای سفارشی
بخش 7 - اپلیکیشن تحت تست (AUT)
بخش 8 - تست End-to-End با Pytest + DeepEval
بخش 9 - الگوهای پیشرفته Pytest و خودکارسازی
بخش 10 - تست چت باتهای مکالمهای
بخش 11 - تست سیستمهای RAG
دوره فشرده - مبانی تا پیشرفته فریمورک PyTest
چرا این دوره؟
با ورود سیستمهای هوش مصنوعی به محیط تولید، تقاضا برای مهندسانی که بتوانند اپلیکیشنهای مبتنی بر LLM را ارزیابی و اعتبارسنجی کنند به سرعت در حال افزایش است. این دوره نه فقط تئوری، بلکه مهارتهای عملی و آماده بازار کار را با استفاده از ابزارهای واقعی روی یک اپلیکیشن واقعی به شما میدهد در پایان، یک چارچوب ارزیابی کامل و حرفهای خواهید داشت که میتوانید آن را روی هر پروژه هوش مصنوعی به کار ببرید.
ابزارها و فناوریها
DeepEval · Pytest · پایتون · Ollama · LangChain · Jupyter Notebooks · FastAPI · Confident AI · GitHub Actions
این دوره برای چه کسانی مناسب است؟
متخصصان QA
متخصصان AI QA
توسعهدهندگان
متخصصان BA
متخصصان DevSecOps