آموزش تسلط کامل بر هوش مصنوعی کلود (Claude AI) - آخرین آپدیت

سرفصل ها و درس ها

ماژول ۱: آشنایی با کلود Module 1: Introduction To Claude

• درس ۱: معرفی اکوسیستم کلود Lesson 1: Introduction-to-the-Claude-Ecosystem

• درس ۲: مدل‌های زبانی بزرگ (LLM) چگونه کار می‌کنند Lesson 2: How-LLMs-Work

• درس ۳: مقایسه کلود با سایر مدل‌ها Lesson 3: Claude-vs-Other-Models

• درس ۴: مبانی مهندسی پرومپت Lesson 4: Prompt-Engineering-Basics

• درس ۵: مفاهیم پایه هزینه و عملکرد Lesson 5: Cost-and-Performance-Fundamentals

ماژول ۲: مبانی مهندسی پرومپت Module 2: Foundation of Prompt Engineering

• درس ۱: اصول پرومپت‌نویسی موثر Lesson 1: Foundations-of-Effective-Prompting

• درس ۲: پرومپت‌نویسی نقش‌محور Lesson 2: Role-Based-Prompting

• درس ۳: دستورالعمل‌های متنی و محدودیت‌ها Lesson 3: Context-Instructions-and-Constraints

• درس ۴: تکنیک‌های قالب‌بندی خروجی Lesson 4: Output-Formatting-Techniques

ماژول ۳: استراتژی‌های پیشرفته پرومپت‌نویسی Module 3: Advanced Prompting Strategies

• درس ۱: پرومپت‌های Zero Shot در مقابل Few Shot Lesson 1: Zero-Shot-vs-Few-Shot-Prompting

• درس ۲: پرومپت‌نویسی زنجیره افکار (Chain of Thought) Lesson 2: Chain-of-Thought-Prompting

• درس ۳: طراحی گام‌به‌گام پرومپت Lesson 3: Step-by-Step-Prompt-Design

• درس ۴: قالب‌های پرومپت و قابلیت استفاده مجدد Lesson 4: Prompt-Templates-and-Reusability

ماژول ۴: ساخت سیستم‌های هوش مصنوعی قابل اعتماد و منعطف Module 4: Building Reliable and Resilient AI Systems

• درس ۱: ساخت پلی به سوی هوشمندی Lesson 1: Building-the-Bridge-to-Intelligence

• درس ۲: ساخت اپلیکیشن‌های شکست‌ناپذیر Lesson 2: Building-Unbreakable-Applications

• درس ۳: نگاهی به درون جعبه سیاه Lesson 3: Seeing-Inside-the-Black-Box

• درس ۴: ساخت سیستم‌های منعطف و مقاوم Lesson 4: Building-Resilient-Systems

ماژول ۵: ساخت سیستم‌های RAG با هوش مصنوعی Module 5: Building RAG Systems with AI

• درس ۱: تولید تقویت شده با بازیابی (RAG) Lesson 1: Retrieval-Augmented-Generation-RAG

• درس ۲: Embeddings و جستجوی شباهت Lesson 2: Embeddings-and-Similarity-Search

• درس ۳: استراتژی‌های تکه کردن (Chunking) و تسلط بر اطلاعات Lesson 3: Chunking-Strategies-Mastering-Information

• درس ۴: تزریق کانتکست (Context Injection) Lesson 4: Context-Injection

• درس ۵: تبدیل داده‌های خام به نتایج ارزشمند Lesson 5: From-Garbage-to-Gold

ماژول ۶: جستجوی معنایی و سیستم‌های پایگاه داده برداری Module 6: Semantic Search & Vector Database Systems

• درس ۱: رمزگشایی از جستجوی معنایی Lesson 1: Unlocking-Semantic-Search

• درس ۲: بررسی ابزارها و انتخاب پایگاه داده برداری Lesson 2: Tools-Overview-Choosing-Your-Vector-Database

• درس ۳: خط لوله‌های ایندکس‌گذاری Lesson 3: Indexing-Pipelines

• درس ۴: فیلتر کردن متادیتا و جستجوی ترکیبی Lesson 4: Metadata-Filtering-and-Hybrid-Search

• درس ۵: آزاد کردن پتانسیل سیستم‌های شما Lesson 5: Unleashing-Your-Systems-Potential

ماژول ۷: فراخوانی توابع، ابزارها و گردش کار عامل‌های هوش مصنوعی Module 7: Function calling, Tools & AI Agents Workflows

• درس ۱: مفاهیم فراخوانی توابع (Function Calling) Lesson 1: Function-Calling-Concepts

• درس ۲: طراحی شمای موثر برای ابزارها Lesson 2: Designing-Effective-Tool-Schemas

• درس ۳: یکپارچه‌سازی API و اتصال به دنیای واقعی Lesson 3: API-Integration-Connecting-Your-World

• درس ۴: گردش کارهای چندمرحله‌ای هوش مصنوعی Lesson 4: Multi-Step-AI-Workflows

• درس ۵: الگوهای عامل (Agent)؛ ساخت هوش مصنوعی هوشمندتر Lesson 5: Agent-Patterns-Building-Smarter-AI