اگر دنبال مسیری هستید که از علاقه‌مندی به هوش مصنوعی، یک شغل واقعی و پردرآمد بسازید، این دوره دقیقاً همان نقطه شروع است. در ۳ هفته، از مفاهیم پایه عبور می‌کنید و به جایی می‌رسید که بتوانید سامانه‌های عاملی را طراحی، ارزیابی و در محیط عملیاتی مستقر کنید. جالب اینکه این روزها عنوان «...
چرا این دوره؟
اگر دنبال مسیری هستید که از علاقه‌مندی به هوش مصنوعی، یک شغل واقعی و پردرآمد بسازید، این دوره دقیقاً همان نقطه شروع است. در ۳ هفته، از مفاهیم پایه عبور می‌کنید و به جایی می‌رسید که بتوانید سامانه‌های عاملی را طراحی، ارزیابی و در محیط عملیاتی مستقر کنید. جالب اینکه این روزها عنوان «مهندس استقرار میدانی هوش مصنوعی» یا همون AI FDE، یکی از پرتقاضاترین نقش‌های بازار کاره؛ چون شرکت‌ها مدل می‌سازند ولی کسی باید اون رو به یک محصول واقعی و قابل‌اتکا تبدیل کنه. 😎
چه چیزی یاد می‌گیرم؟
این دوره یک نقشه راه فشرده و کاربردی برای تبدیل شدن به یک FDE حرفه‌ای است. طراحی و ساختش برای من یک لذت ناب و تمام‌عیار بود و تک‌تک دقایق تولیدش را دوست داشتم. جذاب‌ترین و داغ‌ترین سرفصل‌های روز هوش مصنوعی را گلچین کرده‌ام و در قالب سه هفته پربار از آزمایشگاه‌های عملی (Hands-on Labs)، محتوای فشرده و پروژه‌های واقعی سازماندهی کرده‌ام.
مباحثی که این روزها سرخط اخبار هوش مصنوعی هستند، همه پوشش داده شده‌اند:
مهندسی بستر اجرا و ارزیابی عامل‌ها (Harness Engineering)
تیم‌های عاملی، خوشه‌ها (Agent Swarms) و ناوگان‌های ایجنتیک (Agent Fleets)
ابزارهای Claude Agent SDK و LangChain Deep Agents
چرخه حیات توسعه سامانه‌های عاملی (ADLC)؛ متدولوژی بومی هوش مصنوعی برای چرخه توسعه نرم‌افزار (SDLC)
خودبهبوددهی بازگشتی (Recursive Self-Improvement)
برای اینکه دوره دقیقاً روی نیاز بازار سوار باشد، بیش از ۳۰۰ شرح شغلی (Job Description) مرتبط با موقعیت FDE را تحلیل کرده‌ام تا پرتقاضاترین مهارت‌ها از دید کارفرمایان مشخص شود:
مدیریت پایداری وضعیت (Durable State) و مداخله انسانی (Human-in-the-Loop) با LangGraph
درگاه‌های هوش مصنوعی (AI Gateways) و لایه‌های زمینه سازمانی (Enterprise Context Layers)
هوش مصنوعی مسئولانه (Responsible AI) شامل امنیت و گاردریل‌ها (Guardrails)
استقرار عامل‌ها در محیط عملیاتی (Production) روی بستر AWS Bedrock AgentCore
ارائه نتایج ملموس و قابل‌اندازه‌گیری به مشتریان با ابزارهای ارزیابی (Evals) و مشاهده‌پذیری (Observability)
در طول این سه هفته، یک محصول تجاری مبتنی بر خوشه‌های عاملی (Agent Swarms) توسعه می‌دهیم که با LangGraph طراحی شده و روی AgentCore مستقر می‌شود. این عمیق‌ترین و کاربردی‌ترین پروژه‌ای است که تاکنون در دوره‌هایم ارائه داده‌ام؛ یک پروژه پایانی (Capstone) که استانداردهای واقعی سطح سازمانی (Enterprise Grade) را به‌صورت عملی نشان می‌دهد. تصور کنید همین پروژه را می‌توانید در رزومه یا نمونه‌کار دانشگاهی‌تان بگذارید و درباره‌اش در مصاحبه حرف بزنید — این خودش یک برگ برنده جدی است.
این دوره برای چه کسانی مناسب است؟
علاقه‌مندان به ورود به مسیرهای شغلی مهندس استقرار میدانی هوش مصنوعی (AI FDE)، معمار هوش مصنوعی (AI Architect) یا معمار سیستم‌های عاملی (Agentic Architect).
افرادی که می‌خواهند از هوش مصنوعی و سامانه‌های عاملی برای حل مسائل دنیای واقعی، به شکلی دقیق و قابل‌اندازه‌گیری استفاده کنند.
علاقه‌مندان به مهندسی بستر ارزیابی (Harness Engineering)، معماری Agentic RAG، خوشه‌های عاملی (Agent Swarms)، پایداری وضعیت (Durable State)، لایه‌های زمینه سازمانی و محیط‌های اجرای ایجنت (Agent Runtimes).
مشخصات دوره در یک نگاه 📋
مشخصه
جزئیات
عنوان دوره
مهندس هوش مصنوعی میدانی (AI FDE)
مدرس
مدرس دوره (پاسخگو در بخش پرسش و پاسخ)
زمان
۳ هفته فشرده
سطح
از مبتدی تا پیشرفته
ساختار
۳ فصل، مجموعاً ۱۳۲ جلسه
قیمت
دارای تخفیف ویژه
هزینه‌ها و نکات مالی
خوب است از قبل بدانید چه هزینه‌هایی در انتظارتان است تا غافلگیر نشوید:
تجربه معمول دوره در مجموع حدود ۱۰ دلار هزینه API به‌صورت اعتبار در OpenRouter دارد. در سراسر دوره جایگزین‌های رایگان وجود دارد، هرچند ممکن است با مدل‌های رایگان به صبر و حوصله بیشتری نیاز داشته باشید. اگر بودجه کافی دارید، با ۲۰ دلار یا بیشتر می‌توانید به زیرساخت پروداکشن و داده‌های تست بیشتری دسترسی پیدا کنید.
از روز سومِ هفته اول، ابزار Claude Code نیازمند اشتراک Claude Pro یا اعتبار API است و OpenCode به همراه OpenCode Zen جایگزین رایگان آن محسوب می‌شود. به‌عنوان راهی دیگر، دستورالعمل‌هایی برای git checkout در هر نقطه وجود دارد تا بتوانید از کدی که من تولید کرده‌ام استفاده کنید و از هرگونه هزینه Coding Agent اجتناب کنید. مسیر AWS در هفته سوم نیازمند یک حساب AWS متصل به کارت بانکی است و Render جایگزین رایگان آن است.
مدل‌های رایگان در OpenRouter به ۵۰ درخواست در روز محدود هستند. به محض اینکه ۱۰ دلار اعتبار خریداری کنید، این محدودیت به ۱,۰۰۰ درخواست در روز افزایش می‌یابد. جزئیات بیشتر در مستندات OpenRouter قرار دارد.
چطور به کارم کمک می‌کند؟
بیایید واقع‌بین باشیم: خیلی از دوره‌های هوش مصنوعی در سطح «سلام دنیا» با مدل‌های زبانی می‌مانند. اینجا اما قرار است با مفاهیمی مثل پایداری وضعیت، ارزیابی و مشاهده‌پذیری درگیر شوید — همان چیزهایی که در محیط واقعی کار، تفاوت بین یک دموی قشنگ و یک سامانه قابل‌اتکا را می‌سازند. مثلاً فرض کنید تیم‌تان می‌خواهد یک دستیار هوشمند برای پشتیبانی مشتریان بسازد؛ اینجاست که مهارت طراحی گاردریل، مدیریت مداخله انسانی و اندازه‌گیری کیفیت پاسخ‌ها دقیقاً همان چیزی است که پروژه را از شکست نجات می‌دهد.
ما از برخی APIهای غیررایگان استفاده می‌کنیم، اما در تمام بخش‌ها جایگزین‌های کاملاً رایگان هم در نظر گرفته شده است؛ بنابراین اگر تمایلی نداشته باشید، نیازی نیست حتی یک سنت برای APIهای هوش مصنوعی هزینه کنید.
این دوره برای تمامی سطوح مهارتی طراحی شده و برای هر فردی نکته‌ای ارزشمند دارد. اگر در کار با مدل‌های زبانی بزرگ (LLMs) و برنامه‌نویسی تازه‌کار هستید، هفته اول برای شما یک دوره فشرده (Crash Course) فوق‌العاده خواهد بود. اگر مهندس باسابقه هوش مصنوعی هستید، ویدی
