آموزش توسعه فریم‌ور سیستم‌های نهفته با کمک هوش مصنوعی - آخرین آپدیت

دانلود AI-Assisted Embedded Firmware Development

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: روش‌ها و جریان‌های کاری حرفه‌ای: چگونه با حفظ صحت و ایمنی، با استفاده از هوش مصنوعی سریع‌تر کار کنیم استفاده ایمن از هوش مصنوعی در پروژه‌های واقعی فریم‌ور نهفته بدون قربانی کردن دقت، ایمنی یا کنترل مهندسی. ساخت و اعتبارسنجی درایورها تحت محدودیت‌های واقعی سیستم‌های نهفته با استفاده از جریان کاری مبتنی بر هوش مصنوعی. تایید فریم‌ورهای تولید شده توسط هوش مصنوعی با بیلد‌های پاک (Clean Builds)، سیاست‌های مدیریت هشدار، تست‌ها، بررسی دیتاشیت‌ها و شواهد سخت‌افزاری. بازبینی کدهای فریم‌ور تولید شده توسط AI با استفاده از چک‌لیست‌های حرفه‌ای برای شناسایی پیش‌فرض‌های پنهان و خطاهای خاموش. پرامپت‌نویسی موثر برای وظایف نهفته مانند نوشتن درایورها، دیباگ کردن، بازسازی کد (Refactoring)، تست و مستندسازی. ایجاد یک جریان کاری تکرارپذیر برای توسعه فریم‌ور با کمک AI که سرعت توسعه را بدون به خطر انداختن قابلیت اطمینان افزایش می‌دهد. پیش نیازها: NUCLEO-F411

اگر شما یک مهندس فریم‌ور سیستم‌های نهفته هستید، استفاده از هوش مصنوعی دیگر یک انتخاب نیست، بلکه یک ضرورت است. سوال واقعی این نیست که آیا AI می‌تواند کد تولید کند یا خیر، بلکه این است که آیا شما می‌توانید از آن بدون از دست دادن صحت، ایمنی و کنترل استفاده کنید؟

این دوره دقیقاً همین موضوع را به شما آموزش می‌دهد.

شما یک جریان کاری حرفه‌ای و تکرارپذیر برای استفاده از AI در پروژه‌های واقعی فریم‌ور خواهید آموخت: چگونه سوالات درست بپرسید، چگونه مسئولانه کد تولید کنید، چگونه مانند یک مهندس ارشد کدها را بازبینی کنید و چگونه با استفاده از بیلدها، تست‌ها، بررسی مستندات و شواهد سخت‌افزاری ثابت کنید که کد درست کار می‌کند. این یک دوره تبلیغاتی نیست، بلکه یک دوره مهندسی کاربردی است که طراحی شده تا هم‌برنامه‌نویسی با AI را به یک مهارت غریزی برای شما تبدیل کند.


این دوره بر اساس واقعیت‌های سیستم‌های نهفته طراحی شده است: کلاک‌ها، وقفه‌ها (Interrupts)، DMA، محدودیت‌های حافظه، دیتاشیت‌ها و رفتارهای زمانی. شما خواهید دید که چگونه به طور بهره‌ور از AI استفاده کنید و در عین حال انضباطی را اعمال کنید که از خطاهای خاموش جلوگیری می‌کند.


توانایی‌های شما پس از اتمام این دوره:

  • استفاده ایمن از AI در مخازن واقعی فریم‌ور بدون ریسک‌های کپی-پیست کورکورانه

  • پرامپت‌نویسی برای وظایف تخصصی سیستم‌های نهفته مانند درایورها، بازسازی کد، دیباگ، تست و مستندسازی

  • بازبینی کدهای تولید شده توسط AI با یک چک‌لیست سیستماتیک برای شناسایی مفروضات پنهان

  • اعمال گیت‌های تاییدیه شامل بیلد‌های پاک، سیاست‌های هشدار، استراتژی تست، اعتبارسنجی دیتاشیت و تست‌های سخت‌افزاری

  • ساخت درایورهای محیطی با محدودیت‌های حرفه‌ای و تایید آن‌ها روی سخت‌افزار واقعی

  • ترکیب چندین درایور در یک پروژه کوچک یکپارچه با استفاده از جریان کاری AI-Assisted که کاملاً تحت کنترل شما باشد

این دوره به طور هدفمند بر توسعه محلی فریم‌ور در سطح IDE با کمک هوش مصنوعی تمرکز دارد. این دوره شامل معماری کامل محصول، سیستم‌های Device-to-Cloud، مدیریت مخازن در مقیاس بزرگ یا فرآیندهای مهندسی AI در سطح تیمی نمی‌شود. آن مباحث نیازمند سطح متفاوتی از ابزارها و دقت در تاییدیه هستند و در دوره‌ای مجزا پوشش داده می‌شوند. این دوره پایه‌ای را به شما می‌دهد که آن جریان‌های کاری پیشرفته را ممکن، ایمن و بهره‌ور سازد.

نحوه تدریس دوره

شما با درس‌های تئوری ساختاریافته شروع می‌کنید تا مدل ذهنی، قوانین و عادت‌های تاییدیه درست را بسازید. سپس به دموهای عملی می‌رویم که در آن AI در یک جریان کاری واقعی فریم‌ور به کار گرفته می‌شود: پرامپت‌نویسی، بازبینی، ویرایش، بیلد، تست و اعتبارسنجی در برابر مستندات و رفتار سخت‌افزار. شما نه تنها چه کاری باید انجام دهید، بلکه چرا آن روش درست است را خواهید دید.

این دوره برای چه کسانی است؟

  • مهندسان فریم‌ور سیستم‌های نهفته که با زبان C یا ++C کار می‌کنند

  • توسعه‌کنندگانی که به دنبال افزایش بهره‌وری با AI بدون قربانی کردن صحت کد هستند

  • مهندسانی که می‌خواهند یک جریان کاری حرفه‌ای را فوراً در پروژه‌های واقعی خود پیاده کنند


همین حالا ثبت‌نام کنید و پایه‌های روش‌های حرفه‌ای را که توسعه مدرن فریم‌ور سیستم‌های نهفته را تعریف می‌کنند، بیاموزید.


سرفصل ها و درس ها

مقدمه Introduction

  • خوش‌آمدگویی (مشابه ویدیو معرفی) Welcome(Same as Promo)

  • پیش‌نیازهای دوره Course Requirements

مدل ذهنی برای کمک هوش مصنوعی در سیستم‌های نهفته The Mental Model for AI-Assistance in Embedded Systems

  • چرا به یک مدل ذهنی نیاز داریم؟ Why We Need A Mental Model

  • مدل‌های زبانی (LLMs) چه هستند و چه نیستند؟ What LLMs Are and Are NOT

  • چرا LLMها حتی وقتی اشتباه می‌کنند مطمئن به نظر می‌رسند؟ Why LLMs Sound Confident Even When Wrong

  • چرا سیستم‌های نهفته یک مورد خاص هستند؟ Why Embedded Systems Are A Special Case

  • خطر اعتماد ضمنی The Danger Of Implicit Trust

  • یک مدل بهتر: LLM به عنوان یک هم‌برنامه‌نویس A Better Model: LLM As A Peer Programmer

  • کسب ارزش از LLMها بدون از دست دادن کنترل Getting Value From LLMs Without Loosing Control

  • دانلود سورس کد Source Code Download

راه‌اندازی محیط توسعه Setting Up the Environment

  • مروری بر محیط توسعه Overview of the Development Environment

  • استفاده مبتنی بر چت در مقابل استفاده درون-خطی Chat Based Usage Vs. Inline Based Usage

  • یک جریان کاری پایه و ایمن A Safe Baseline Workflow

انضباط پرامپت‌نویسی برای توسعه فریم‌ور Prompt Discipline for Firmware Development

  • چرا پرامپت‌نویسی در سیستم‌های نهفته اهمیت بیشتری دارد؟ Why Prompting Matters More In Embedded Systems

  • پرامپت‌نویسی برای توضیح کدهای قدیمی (Legacy Code) Prompting LLMs to Explain Legacy Code

  • پرامپت‌نویسی برای توضیح جریان کنترل (Control Flow) Prompting for Control Flow Explanation

  • پرامپت‌نویسی برای توضیحات وقفه و هم‌روندی (Concurrency) Prompting for Interrupt and Concurrency Explanations

  • پرامپت‌نویسی برای تولید ایمن یک تابع جدید Prompting to Generate a New Function Safely

  • پرامپت‌نویسی برای تولید درایورهای محیطی Prompting to Generate Peripheral Drivers

  • پرامپت‌نویسی برای کدهای پیکربندی Prompting for Configuration Code

  • پرامپت‌نویسی برای بازسازی (Refactoring) فریم‌ور Prompting for Refactoring the Firmware

  • بهبود خوانایی بدون تغییر در رفتار کد Improving Readability Without Changing Behavior

  • پرامپت‌نویسی برای تست و اعتبارسنجی Prompting LLMs for Test and Validation

  • پرامپت‌نویسی برای استخراج موارد تست از نیازمندی‌ها Prompting the LLM to Extract Test Cases from Requirements

  • درخواست از LLM برای تفکر تقابلی (Adversarial Thinking) Asking the LLM to Think Adversarially

جریان کاری توسعه فریم‌ور با مدل‌های زبانی بزرگ (LLMs) Firmware Development Workflow with LLMs

  • جریان کاری «انسان در حلقه» (Human In The Loop) The Human-In-The-Loop Workflow

  • پرامپت‌نویسی برای شناسایی بوهای بد کد (Code Smells) Prompting the LLM to Identify Code Smells

عادات تاییدیه و ایمنی Verification and Safety Habits

  • هرگز هشدارها را بدون فکر کردن نادیده نگیرید Never Ignore Warnings Without Thinking

  • بررسی متقاطع با دفترچه‌های راهنمای مرجع (Reference Manuals) Cross Checking Against Reference Manuals

  • پرسش درباره مفروضات پیش از اعتماد به کد Asking for Assumptions Before Trusting the Code

حالت‌های رایج شکست و تله‌ها Common Failure Modes and Pitfalls

  • چرا این بخش وجود دارد؟ Why This Section Exists

  • حالت شکست ۱: رجیسترهای توهمی (Hallucinated Registers) Failure Mode1- Hallucinated Registers

  • حالت شکست ۲: مفروضات نادرست زمان‌بندی و کلاک Failure Mode2- Incorrect Timing and Clock Assumptions

  • حالت شکست ۳: اشتباهات ABI و چیدمان حافظه FailureMode3- ABI and Memory Layout Mistakes

  • حالت شکست ۴: بازسازی بیش از حد و از دست رفتن هدف کد FailureMode4- Over Refactoring and Loss of Intent

تنظیمات IDE Setting Up the IDE

  • دانلود CubeIDE Downloading CubeIDE

  • نصب CubeIDE Installing CubeIDE

  • دریافت مستندات مورد نیاز Getting the required documentation

  • دریافت پکیج‌های مورد نیاز برای توسعه Bare Metal Getting the required package for bare-metal development

  • تست تنظیمات پروژه Testing the project setup

راه‌اندازی محیط توسعه مبتنی بر هوش مصنوعی Setting Up the AI-Assisted Development Environment

  • راه‌اندازی VSCode Setting Up VSCode

  • تنظیم فضای کاری مبتنی بر هوش مصنوعی Setting Up Our AI-Assited Workspace

  • برنامه‌نویسی: فعال‌سازی هم‌برنامه‌نویس AI Programming: Enabling the AI Peer Programmer

شروع توسعه با کمک هوش مصنوعی Getting Started With AI-Assisted Development

  • برنامه‌نویسی: آشنایی با پنل چت AI Programming: Getting Familiar With the AI Chat Panel

  • برنامه‌نویسی: درک قابلیت تشخیص متن فایل در Copilot Programming: Understanding the File Context Capability of Copilot

درک حالت‌های مختلف توسعه با کمک AI Understanding the Modes of AI-Assisted Development

  • برنامه‌نویسی: درک تفاوت‌های کلیدی بین حالت ویرایش (Edit) و حالت پرسش (Ask) Programming: Understanding the Key Differences Betwwen Edit Mode and Ask Mode

  • برنامه‌نویسی: کار با حالت Plan برای ارتقای یک کدبیس Programming: Working with Plan Mode to Upgrade a Codebase

  • برنامه‌نویسی: کار با حالت Plan برای ارتقای کدبیس (بخش دوم) Programming: Working with Plan Mode to Upgrade a Codebase(Pt.2)

  • برنامه‌نویسی: اجرای به‌روزرسانی کد در چندین فایل با حالت Agent Programming: Running Multi-File Code Update With Agent Mode

توسعه درون-خطی (Inline) با کمک AI Inline AI-Assisted Development

  • برنامه‌نویسی: مروری بر تکمیل خودکار کد (Inline Completion) Programming: Overview of Inline Code Completion

  • برنامه‌نویسی: تولید سورس‌کد به صورت درون-خطی بدون پنل چت Programming: Generating Sourcecode Inline Without the Chat Panel

  • برنامه‌نویسی: پیکربندی پیشنهادات درون-خطی برای زبان‌ها و فایل‌های خاص Programming: Configuring Inline Suggestions for Specific Languages and Files

  • برنامه‌نویسی: بازبینی و تست سورس‌کد تولید شده Programming: Review and Testing the Generated Sourcecode

هدایت LLM با استفاده از میان‌برها Instructing the LLM Using Shortcuts

  • برنامه‌نویسی: دستور به LLM برای توضیح یک بلوک کد به صورت درون-خطی Programming: Instructing the LLM to Explain a Block of Code Inline

  • برنامه‌نویسی: دستور به LLM برای بازبینی یک بلوک کد به صورت درون-خطی Programming: Instructing the LLM to Review a Block of Code Inline

  • برنامه‌نویسی: دستور به LLM برای تولید مستندات برای یک بلوک کد Programming: Instructing the LLM to Generate Docs for a Block of Code

  • برنامه‌نویسی: محدود کردن محدوده دستورات به LLM Programming: Scoping the Instructions to the LLM

فراخوانی دستورات و ابزارها Invoking Commands and Tools

  • برنامه‌نویسی: فراخوانی دستورات کاربردی در پنل چت Programming: Invoking Useful Commands in the Chat Panel

  • برنامه‌نویسی: فراخوانی ابزارهایی مانند جستجوی وب با نماد هش (#) Programming: Invoking Tools Like Web Search with the Hash Symbol

  • برنامه‌نویسی: افزودن فایل‌های مستندات خارجی به کانتکست چت Programming: Adding External Documentation Files to the Chat Context

پیکربندی محیط توسعه AI-Assisted Configuring the AI-Assisted Development Environment

  • برنامه‌نویسی: تغییر مدل زبانی برای قابلیت تکمیل کد Programming: Changing the Large Language Model for Code Completion Functionality

  • برنامه‌نویسی: تنظیم اکستنشن برای قابلیت‌های Vibe Coding Programming: Setting Up the Extension for Vibe Coding Capabilities

  • برنامه‌نویسی: افزودن دستورات سفارشی برای تولید کد Programming: Adding Custom Instructions for Code Generation

  • برنامه‌نویسی: دستور به LLM برای تولید دستورات سفارشی Programming: Instructing the LLM to Generate Custom Instructions

نمایش نظرات

آموزش توسعه فریم‌ور سیستم‌های نهفته با کمک هوش مصنوعی
جزییات دوره
4 hours
64
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
410
4.1 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Israel Gbati Israel Gbati

Embedded Firmware Engineer نام من اسرائیل است ، من بیش از 7 سال است که در فضای سیستم جاسازی شده تحقیق و کار می کنم. در Udemy ده ها هزار دانش آموز در سیستم های جاسازی شده با تمرکز بر موضوعاتی مانند برنامه نویسی Assembly ، طراحی سیستم عامل های زمان واقعی ، توسعه سیستم عامل و پردازش سیگنال دیجیتال آموزش داده ام. من قادر به آموزش این مباحث هستم زیرا در کارهای روزمره مفاهیمی را از این مباحث استفاده می کنم. به یکی از دوره های من بپیوندید و ببینید چطور پیش می رود. همیشه می توانید درخواست بازپرداخت کنید.

BHM Engineering Academy BHM Engineering Academy

آکادمی مهندسی قرن بیست و یکم