لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش هوش مصنوعی برای سازندگان و تکنفرهها (Solopreneurs)
- آخرین آپدیت
دانلود AI for Makers and Solopreneurs
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
ابزارهای کدنویسی هوش مصنوعی برای سازندگان سختافزار: یادگیری پرامپتنویسی، ساخت ۵ پروژه واقعی و انتشار اولین وباپلیکیشن خود.
استفاده از ایجنتهای کدنویسی AI (مانند Cline و Claude Code) برای تبدیل یک ایده اولیه به یک برنامه کاربردی و مستقر شده.
نوشتن پرامپتهایی که با ارائه زمینه (Context) کافی، خروجیهای مفید و صحیح را در اولین تلاش تولید کنند.
توضیح پنج سطح کدنویسی به کمک هوش مصنوعی و انتخاب سطح و ابزار مناسب برای هر وظیفه.
شناسایی و مدیریت شش مورد از رایجترین حالتهای شکست در کدهای تولید شده توسط AI قبل از اینکه پروژه را مختل کنند.
ساخت چهار پروژه عملی: یک ابزار مرورگر، یک اپلیکیشن دسکتاپ GUI، یک ابزار پرسش و پاسخ مبتنی بر LLM و یک وباپلیکیشن کامل.
اجرای یک گردش کار کامل با کمک AI: طوفان فکری، برنامهریزی، پیادهسازی، تست، تکرار، بازنویسی کد (Refactor) و استقرار.
ادغام یک مدل زبانی بزرگ (LLM) در یک اپلیکیشن در حال اجرا برای پاسخ به سوالات از یک دیتاشیت PDF.
تبدیل یک اپلیکیشن کاربردی به یک محصول قابل عرضه با قابلیتهای احراز هویت، سیستم پرداخت و استقرار.
پیش نیازها: تسلط بر نوشتن اسکریپتهای ساده پایتون — نیازی به تجربه پیشرفته در پایتون یا مهندسی نرمافزار نیست.
آشنایی با حداقل یک پلتفرم میکروکنترلر مانند آردوینو یا رزبری پای.
یک کامپیوتر با سیستم عامل ویندوز، مک یا لینوکس به همراه اتصال اینترنت.
نصب VS Code (رایگان؛ راهنمای کامل نصب در ماژول ۰ ارائه شده است).
یک کلید API برای حداقل یکی از ارائهدهندگان LLM: Anthropic، Alibaba (Qwen) یا Moonshot AI (Kimi). نسخههای رایگان برای هر سه موجود است.
بدون نیاز به تجربه قبلی در ابزارهای کدنویسی AI، معماری اپلیکیشن یا استقرار.
شما مهارتهای سختافزاری دارید، ذهنی پر از ایدهها هستید و میتوانید چند خط پایتون بنویسید. آنچه نیاز دارید، مسیری سریعتر از ایده تا نرمافزار کاربردی است.
این دوره به سازندگان سختافزار، علاقهمندان به الکترونیک و تکنفرهها (Solopreneurs) میآموزد که چگونه از دستیاران کدنویسی AI برای ساخت ابزارهای نرمافزاری واقعی از ابتدا تا انتها استفاده کنند. شما نهتنها نحوه پرامپت دادن را یاد میگیرید، بلکه یک گردش کار کامل توسعه را تجربه میکنید: از طوفان فکری و تعیین مشخصات تا یک اپلیکیشن تست شده و مستقر. هیچ پیشزمینه علوم کامپیوتری مورد نیاز نیست.
ساختار دوره
دوره در شش ماژول اجرا میشود. ماژول ۰ به نصب و آشنایی میپردازد. ماژول ۱ پایهها را میسازد: کدنویسی به کمک AI واقعاً چگونه کار میکند، چارچوب پنج سطح، نحوه تعریف مسائل برای AI و مدیریت حالتهای شکست که اکثر کاربران جدید را به دام میاندازد. ماژول ۲ ابزارها و چشمانداز LLMها را پوشش میدهد. ماژول ۳ گردش کار کامل را بررسی میکند: برنامهریزی، پیادهسازی، تست، تکرار، بازنویسی و استقرار. ماژول ۴ به ادغام LLM در یک برنامه در حال اجرا میپردازد. ماژول ۵ پروژه نهایی است: یک وباپلیکیشن چندکاربره با کیفیت صنعتی که از صفر توسط یک ایجنت AI ساخته شده است.
ابزارها و LLMها
ویرایشگر اصلی VS Code است. شما از دو ایجنت کدنویسی استفاده خواهید کرد: Cline (افزونه VS Code) و Claude Code (ایجنت ترمینالی Anthropic). هر دو ابزارهایی ایجنتی هستند که فایلهای شما را میخوانند، کد مینویسند، دستورات را اجرا میکنند و تکرار میکنند، در حالی که شما مدیریت کار را بر عهده دارید.
برای مدلهای زبانی، دوره از مدلهای Anthropic (Claude)، Alibaba (Qwen) و Moonshot AI (Kimi) استفاده میکند. شما یاد خواهید گرفت که چگونه بر اساس وظیفه و هزینه، مدلها را انتخاب کرده و تغییر دهید.
چه چیزی خواهید ساخت
چهار پروژه عملی با پیچیدگی رو به افزایش:
پروژه ۱ — تحلیلگر فیلتر RC: یک ابزار مرورگر تعاملی با نمودارهای بود (Bode plots) زنده. ساخته شده تنها با Claude در مرورگر، بدون ویرایشگر یا ترمینال. تمرین مهارت تعریف مسئله از ماژول ۱.
پروژه ۲ — مانیتور سریال GUI: یک اپلیکیشن دسکتاپ که دادههای سریال زنده را از آردوینو میخواند و متغیرهای متعدد را به صورت بلادرنگ ترسیم میکند.
پروژه ۳ — ابزار پرسش و پاسخ دیتاشیت: آپلود دیتاشیت قطعه به صورت PDF، پرسش به زبان ساده و دریافت پاسخهای مستند. نمایش الگوی RAG با اجرای LLM در زمان اجرای برنامه.
پروژه ۴ — سیستم رزرو منابع: یک وباپلیکیشن کامل چندکاربره برای مدیریت تجهیزات مشترک در آزمایشگاه یا محیطهای سازندگی. شامل احراز هویت کاربر، تشخیص تداخل رزرو، ادغام تعطیلات رسمی از طریق API خارجی و یادآورهای ایمیلی. توسعه اختیاری: یک ایجنت رزرو با زبان طبیعی.
بخش تکنفرهها (Solopreneur)
ماژول ۵ شامل یک مسیر اختیاری برای تکنفرهها است که پروژه نهایی را به یک محصول قابل عرضه تبدیل میکند. این بخش شامل جداسازی دادههای چندکاربره، پرداختهای اشتراکی با Paddle، ایمیلهای تراکنشی با Resend، استقرار در VPS هتزنر با استفاده از Coolify، صفحه لندینگ محصول و مستندات کاربر است. مسیر سازندگان با یک اپلیکیشن مستقر و کاربردی به پایان میرسد، اما مسیر تکنفرهها آن را تا تبدیل به محصولی که مردم برایش هزینه کنند پیش میبرد.
این دوره برای چه کسانی است
سازندگان سختافزار، طراحان PCB، علاقهمندان به آردوینو و رزبری پای، و تکنفرههایی که میخواهند نرمافزارهای واقعی بسازند و عرضه کنند. شما باید در نوشتن چند خط پایتون راحت باشید. هیچ تجربهای در معماری اپلیکیشن یا ابزارهای AI نیاز نیست.
سرفصل ها و درس ها
راهاندازی و آشنایی
Setup and Orientation
چرا این دوره را ساختم
L0.1 Why I Built This Course
دستیاران کدنویسی AI چه کارهایی میتوانند و نمیتوانند انجام دهند
L0.3 What AI Coding Assistants Can And Can't Do
چشمانداز ابزارهای AI و LLMها
L0.4 AI Tools And LLM Landscape
مدلهای پیشرو و سایر مدلها
L0.4.1 Frontier Models And The Rest
نصب استک پیشفرض
L0.5 Install The Default Stack
مدیریت انتظارات: توضیح قابلیتها و محدودیتهای دستیاران AI
Setting Expectations: Explaining What AI Coding Assistants Can and Can't Do
مبانی کدنویسی با هوش مصنوعی
AI Coding Fundamentals
کدنویسی به کمک AI واقعاً چیست
L1.1 What AI-Assisted Coding Actually Is
چارچوب پنج سطح
L1.2 The Five Levels
تعریف مسئله برای هوش مصنوعی
L1.3 Framing a Problem for an AI
استفاده از AI برای ساخت یک پرامپت
L1.3.1 Use AI to Create a Prompt
هوش مصنوعی برای لایه کسبوکار
L3.8 Ai For The Business Layer
آردوینو (سختافزار) به عنوان منبع داده
A3.8 - Arduino (hardware) as data source
استقرار اپلیکیشن
A3.9 - Application deployment
نجات یک ساخت متوقف شده: عیبیابی گردش کار خراب AI
Rescuing a Stalled Build: Diagnosing a Broken AI Workflow
هوش مصنوعی در IDE شما
AI in Your IDE
چه زمانی LLM را در زمان اجرا قرار دهیم
L4.1 When To Put An LLM At Runtime
برنامهریزی ابزار پرسش و پاسخ دیتاشیت
A4.1 Planning the Datashees QA Tool
مبانی API
L4.2 API Basics
یکپارچهسازی API
A4.2 API integration
مفهوم RAG
L4.3 RAG
پیادهسازی RAG بخش اول
A4.3 RAG implementation Part 1
پیادهسازی RAG بخش دوم
A4.3 RAG implementation Part 2
پیادهسازی RAG بخش سوم
A4.3 RAG implementation Part 3
پیشپردازش PDF
L4.4 PDF Preprocessing
بهبود پیشپردازش PDF
A4.4 Improve PDF Preprocessing
هزینه، تأخیر و شکست
L4.5 Cost Latency Failure
تابآوری و هزینه
A4.5 Resilience And Cost
مقاومت در برابر پیچیدگی: تصمیمگیری در مورد نیاز پروژه به LLM در زمان اجرا
Pushing Back on Complexity: Deciding Whether a Project Needs an LLM at Runtime
عرضه یک پروژه واقعی
Ship a Real Project
آشنایی با پروژه نهایی
L5.1 Capstone Orientation
طراحی اپلیکیشن چندکاربره
L5.2 Multi User Application Design
طراحی پایگاه داده و ORM
L5.3 Database Design And ORM
ساخت پروژه چندفایلی با یک ایجنت
L5.4 Building A Multifile Project With An Agent
APIهای خارجی و کارهای پسزمینه
L5.5 External APIs And Background Jobs
اتمام و عرضه پروژه نهایی
L5.6 Finishing And Shipping The Capstone
طراحی برای مستاجران متعدد (Multi-Tenancy)
L5.7 Designing For Multiple Tenants
نقشه راه تکنفرهها (Solopreneur)
L5.8 The Solopreneur Roadmap
طوفان فکری پروژه
A5.1 Project brainstorming
تعیین مشخصات پروژه
A5.2 Project specification
طرحواره و معماری
A5.3 Schema and architecture
احراز هویت و منابع بخش اول
A5.4a Authentication and resources Part 1
احراز هویت و منابع بخش دوم
A5.4a Authentication and resources Part 2
رزروها و موجودی
A5.4b Bookings and availability
سایر صفحات کاربر
A5.4c Remaining user pages
سایر صفحات مدیریت
A5.4d Remaining admin pages
ویژگیهای اضافی
A5.5 Extra features
استقرار بخش اول: برنامهریزی
A5.6a Deployment Part 1 Planning
استقرار بخش دوم: فایل README
A5.6b Deployment Part 2 README
استقرار بخش سوم: شناسه نسخه
A5.6c Deployment Part 3 Version ID
استقرار روی VPS بخش اول
A5.6d1 Deploy to VPS Part 1
استقرار روی VPS بخش دوم
A5.6d2 Deploy to VPS Part 2
استقرار: راهاندازی مجدد دیتابیس محلی
A5.6e Deployment Restart Local DB
پشتیبانی از چند مستاجری: برنامهریزی
A5.7a1 Multi-tenancy support - planning
پشتیبانی از چند مستاجری: تکه اول
A5.7a1 Multi-tenancy support Chunk 1
پشتیبانی از چند مستاجری: تکه دوم
A5.7a2 Multi-tenancy support Chunk 2
افزودن پشتیبانی چند مستاجری: تکه سوم
A5.7b1 Add Multi-tenancy support Chunk 3
افزودن پشتیبانی چند مستاجری: تکه چهارم
A5.7b2 Add Multi-tenancy support Chunk 4
افزودن پشتیبانی چند مستاجری: تکه پنجم
A5.7c1 Add Multi-tenancy support Chunk 5
افزودن پشتیبانی چند مستاجری: تکه ششم
A5.7c2 Add Multi-tenancy support Chunk 6
افزودن پشتیبانی چند مستاجری: DNS و Cuddy
A5.7d Add Multi Tenant Support DNS and Cuddy
افزودن مستندات پشتیبانی چند مستاجری
A5.7e Add multi-tenant support documentation
بازطراحی رابط کاربری (UI)
A5.8 UI Overhaul
تثبیت پایهها: چه چیزهایی را قبل از ساخت اپلیکیشن توسط ایجنت تصمیم بگیریم
Settling the Foundations: What to Decide Before an Agent Builds Your App
جمعبندی
Conclusion
مرور دوره و گامهای بعدی
Course debrief and what's next
نمایش نظرات