آموزش هوش مصنوعی برای مدیران: تسلط بر Gen AI و راهکارهای بدون کدنویسی (No-Code) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مرور کلی دوره Course Overview

• پیام خوش‌آمدگویی Welcome Message

مبانی هوش مصنوعی مولد (Gen AI) Introduction to Gen AI Basics

• مقدمه Introduction

• هوش مصنوعی مولد چیست؟ What is Generative AI?

• محصولات هوش مصنوعی مولد Generative AI Products

• هوش مصنوعی مولد چگونه کار می‌کند؟ How Gen AI works?

• موارد استفاده از Gen AI Gen AI - Use Cases

• مطالعه موردی Gen AI Gen AI - Case Study

• مرور کلی مدل‌های زبانی بزرگ (LLMs) Overview of LLMs

• مدل‌های زبانی بزرگ (LLMs) چه هستند؟ What are Large Language Models (LLMs)

• مقایسه مدل‌های زبانی بزرگ Comparison of LLMs

• ریسک‌ها و اخلاقیات در هوش مصنوعی Risks & Ethics in AI

• مثال‌هایی از هوش مصنوعی مسئولانه Responsible AI - Examples

• روندهای آینده Future Trends

هوش مصنوعی مولد پیشرفته Gen AI Advanced

• مبانی LLM: توکن‌ها LLM Basics - Tokens

• مبانی LLM: پنجره بافت (Context Window) LLM Basics - Context Window

• مبانی LLM: پرامپت LLM Basics - Prompt

• مبانی LLM: مهندسی پرامپت LLM Basics - Prompt Engineering

• مبانی LLM: تنظیم پرامپت (Prompt Tuning) LLM Basics - Prompt Tuning

• مبانی LLM: ساختارهای پرامپت LLM Basics - Prompt Structures

• مقدمه‌ای بر RAGها Introduction to RAGs

• RAGها چیستند و چرا استفاده شوند؟ RAGs - What and Why?

• موارد استفاده از RAGها RAGs - Use Cases

• مقاله پژوهشی RAGها RAGs - Research Paper

• معماری RAGها و معماری VectorDB RAGs Architectures + VectorDB Architecture

• جزئیات معماری RAGها RAGs - Detailed Architecture

• تنظیم دقیق (Fine Tuning) Fine Tuning

• مقایسه RAG در مقابل Fine Tuning RAGs vs Fine Tuning

• چه زمانی از RAG استفاده کنیم؟ When to use RAGs

• چه زمانی از Fine Tuning استفاده کنیم؟ When to use Fine Tuning

• مفاهیم PEFT و کوانتیزاسیون PEFT and Quantization

• LoRA (فاز اول: رتبه پایین) LoRA (Phase I - Low Rank)

• LoRA (فاز دوم: آداپتورها) LoRA (Phase II - Adapters)

• LoRA (فاز سوم: رتبه پایین + آداپتورها) LoRA (Phase III - Low Rank + Adapters)

• qLoRA qLoRA

بهره‌برداری از سرویس‌های ابری AI برای نوآوری تجاری Harnessing Cloud AI Services for Business Innovation

• مقدمه ماژول Introduction to the module

• مقدمه‌ای بر پلتفرم‌های AI سازمانی Introduction to Enterprise AI Platforms

• ساخت یک عامل در Azure AI Foundry Creating an Agent on Azure AI Foundry

• تنظیم دقیق عوامل در Azure AI Foundry Fine Tuning Agents on Azure AI Foundry

• سایر سرویس‌های Azure AI Foundry Other Services by Azure AI Foundry

اتوماسیون با n8n، Zapier و Make Automation with n8n, Zapier & Make

• مقدمه ماژول Module Introduction

• چشم‌انداز اتوماسیون AI AI Automation Landscape

• انتخاب ابزار اتوماسیون مناسب: مرور پلتفرم‌ها Choosing the Right Automation Tool - Platform Overview

• درک مدل‌های قیمت‌گذاری پلتفرم‌ها Understanding Pricing Models of Platforms

• اکوسیستم یکپارچه‌سازی Integration Ecosystem

• اتوماسیون در مقابل عوامل هوشمند (AI Agents) Automation vs AI Agents

• نصب و راه‌اندازی n8n n8n-Installation and Setup

• رابط کاربری n8n n8n-Interface

بررسی عمیق n8n n8n Deep Dive

• مسترکلاس n8n n8n Masterclass

• مقدمه ماژول Module Introduction

• تریگرها (Triggers) در n8n 2. Triggers in n8n

• دانلود n8n و باز کردن جریان کاری (Workflow) 3. n8n download and open Workflow.

• گره تریگر در n8n 4. n8n Nodes - Trigger

• تریگر در Make 5. Trigger in Make

• گره عملیاتی (Action Node) در n8n 6. n8n- Action Node

• دست‌کاری داده‌ها در n8n 7. n8n - Data Manipulation

• گره کد و وب‌هوک در n8n 8. n8n - Code Node and Webhook

• گره‌های AI و تمرین عملی وب‌هوک در n8n 9. n8n - AI Nodes + Webhook Practical

• گالری قالب‌ها و پلتفرم n8n 10. n8n - Template Gallery and Platform

تسلط بر اتوماسیون Mastering Automation

• مقدمه ماژول Module Introduction

• جریان اتوماسیون ساده Plain Automation Flow

• [عملی] یکپارچه‌سازی گوگل با n8n [Practical] Integrating Google into n8n

• [عملی] اتوماسیون با n8n و گوگل [Practical] Automation with n8n and Google

• [عملی] تست اتوماسیون [Practical] Testing the Automation

هوش مصنوعی در اتوماسیون AI in Automation

• هوش مصنوعی در اتوماسیون AI in Automation

• [عملی] به‌کارگیری AI در اتوماسیون [Practical] AI in Automation

• سرویس‌های AI: پیمایش در چشم‌انداز هوش مصنوعی AI Services - Navigating AI Landscape

• بررسی عمیق ChatGPT Chat GPT Deep Dive

• مرور کلی پلتفرم OpenAI OpenAI Platform Overview

• استخراج API در OpenAI و تمرین عملی OpenAI API Extraction + Practical

• بررسی عمیق Claude از شرکت Anthropic Anthropic - Claude Deep Dive

هوش مصنوعی محلی (Local AI) Local AI

• هوش مصنوعی محلی (Local AI) Local AI

• Ollama: نصب، دانلود مدل و نحوه استفاده Ollama - Installation, Model Download and Usage

• استفاده از Ollama با CLI Ollama - usage with CLI

• هوش مصنوعی محلی با LM Studio Local AI with LM Studio

• انتخاب بهترین LLM بر اساس سخت‌افزار Local AI - Choosing Best LLM for Hardware

هوش مصنوعی عامل‌محور (Agentic AI) Agentic AI

• بررسی عمیق و کالبدشکافی عوامل هوشمند (AI Agents) AI Agents Deep Dive and Anatomy

• عوامل: ابزار، حافظه، پرامپت و نحوه عملکرد Agents - Tool, Memory, Prompt & Working

مهندسی پرامپت Prompt Engineering

• مقدمه ماژول Module introduction

• مبانی مهندسی پرامپت (101) Prompt Engineering 101

• قوانین نوشتن پرامپت‌های خوب Rules for Good Writing Good Prompt

• عیب‌یابی و بهبود پرامپت‌ها Debug & Improving Prompts

• نکات کلیدی مهندسی پرامپت Prompt Engineering Major Takeaways

الگوهای مهندسی پرامپت Prompt Engineering - Prompt Patterns

• الگوهای مهندسی پرامپت: پرسونا و نقش Prompt Engineering Patterns - Persona & Role

• یادگیری تک-نمونه، چند-نمونه و چند-نمونه زیاد (One, Few, Many Shot) One, few and Many Shot learning

• الگوی برنامه‌ریزی و پاسخ Plan & Answer

• الگوی استخراج داده Data Extractor Pattern

• الگوی مسیریاب و دسته‌بندی کننده Router & Classifier

• خلاصه‌ساز با محدودیت‌های سخت Summarizer with Hard Caps

• الگوی نقد و سپس بازبینی Critic then Revise

• بخش‌های تگ شده با XML XML Tagged Section

• فراخوان تابع ابزار (Tool Function Caller) Tool-Function Caller

ایجاد اثربخشی سازمانی در AI Building Organizational Effectiveness in AI

• اهمیت حیاتی هوش مصنوعی اخلاقی در کسب‌وکار The Critical Importance of Ethical AI in Business

• چارچوب‌های حاکمیت AI برای رهبران تجاری AI Governance Frameworks for Business Leaders

• پیاده‌سازی رویه‌های اخلاقی در AI Implementing Ethical AI Practices

استراتژی‌های پیاده‌سازی موفق AI Strategies for Successful AI Implementation

• شناسایی فرصت‌های AI در سازمان شما Identifying AI Opportunities in Your Organization

• ساخت نقشه راه پیاده‌سازی AI Building Your AI Implementation Roadmap

• ساخت نقشه راه پیاده‌سازی AI (ادامه) Building Your AI Implementation Roadmap (Cont.)

• مدیریت تغییر برای پذیرش هوش مصنوعی Change Management for AI Adoption

• اندازه‌گیری موفقیت AI: شاخص‌های KPI و نرخ ROI Measuring AI Success: KPIs and ROI

هوش مصنوعی عامل‌محور: Clawbot/OpenClaw Agentic AI - Clawbot/OpenClaw

• مقدمه ابزارهای AI AI Tools Introduction

• تسلط بر نقشه راه Openclaw Mastering Openclaw Roadmap

• Clawbot: نصب و راه‌اندازی Clawbot - Installation and Setup

• نصب Openclaw روی سرور VPS Installing Openclaw on VPS

• رابط کاربری WebUI در OpenClaw WebUI Interface - OpenClaw

• مدارک، فایل‌ها و کانال‌ها در Openclaw Openclaw - Doc, Files and Channels

• مهارت‌ها در OpenClaw OpenClaw - Skills

• مهارت‌های پیشرفته، Cron و Heartbeat در OpenClaw OpenClaw - Advance Skills, Cron & Heartbeat

• معماری چند-عاملی در OpenClaw OpenClaw - Multi Agent Architecture

• پروژه‌ها در OpenClaw OpenClaw - Projects

• امنیت در OpenClaw OpenClaw - Security

همکاری با Claude Cowork Claude Cowork

• مرور کلی Claude Cowork Claude Cowork Overview

• دانلود و راه‌اندازی Download and Setup

• استفاده از Claude Cowork در مرورگر Claude Cowork - Use in Browser

• اتصالات (Connector) در Claude Cowork Connector in Claude Cowork

• مهارت‌ها در Claude Cowork Skills in Claude Cowork

• پلاگین‌ها در Claude Cowork Plugins in Claude Cowork

• جمع‌بندی و نکات نهایی Claude Cowork Claude Cowork - Conclusion and Final Thoughts

ضروریات AI: بینش‌های سریع برای مدیران AI Essentials: Quick Insights for Leaders

• مقایسه Gen AI در مقابل AI سنتی Gen AI vs Traditional AI

• چگونه بهترین مدل زبانی (LLM) را برای نیازهای کسب‌وکارم انتخاب کنم؟ How do I choose the best Large Language Model (LLM) for my business needs?

• چگونه بین RAG و Fine Tuning انتخاب کنیم؟ How to choose between RAGs and Fine-Tuning?

• چگونه یک راهکار Gen AI را ارزیابی کنیم؟ How do we evaluate a Gen AI solution?

• چگونه حاکمیت داده‌ها را در پروژه‌های حوزه بهداشت و درمان مدیریت کنیم؟ How to deal with Data Governance in a Healthcare domain project?

جمع‌بندی دوره Course Conclusion

• جمع‌بندی دوره و سپاسگزاری (Mayank) Course Conclusion & Thank You (Mayank)

• جمع‌بندی دوره و سپاسگزاری (Satyajit) Course Conclusion & Thank You (Satyajit)