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

  • حالت‌های شکست شناخته شده L1.4 Known Failure Modes

  • پروژه ۱: بریفینگ تحلیل‌گر فیلتر RC Project 1: RC Filter analyser Briefing

  • پروژه ۱: پیاده‌سازی تحلیل‌گر فیلتر RC Project 1: RC Filter analyser implementation

  • تعیین محدوده ساخت: تبدیل یک درخواست مبهم به مشخصاتی که AI بفهمد Scoping the Build: Turning a Vague Request into a Spec an AI Can Use

ابزارها و مدل‌های هوش مصنوعی AI Tools and Models

  • استفاده از VS Code به عنوان ویرایشگر پیش‌فرض L2.1 Vs Code As The Default Editor

  • دستیاران کدنویسی Cline L2.2 Coding Assistants Cline

  • دستیاران کدنویسی Claude Code L2.3 Coding Assistants Claude Code

  • LLM به عنوان یک موضوع مجزا L2.4 LLM As A Separate Concern

  • انتخاب منابع داده L2.5 Choosing Data Sources

  • مقایسه مزایا و معایب مدل‌های محلی در مقابل ابری L2.6 Local Vs Cloud Tradeoffs

  • سنجش توازن: کمک به همکار در انتخاب بین AI محلی و ابری Weighing the Trade-off: Helping a Peer Choose Between Local and Cloud AI

گردش کار به کمک هوش مصنوعی The AI-Assisted Workflow

  • طوفان فکری و اعتبارسنجی L3.1 Brainstorming And Validation

  • دموی طوفان فکری (ترسیم‌کننده سریال) A3.1 Demo - Brainstorming (Serial Plotter)

  • برنامه‌ریزی و تعیین مشخصات L3.2 Planning And Specification

  • دموی برنامه‌ریزی (ترسیم‌کننده سریال) A3.2 Demo - Planning (Serial Plotter)

  • الگوهای پیاده‌سازی L3.3 Implementation Patterns

  • دموی پیاده‌سازی بخش اول (ترسیم‌کننده سریال) A3.3 Demo - Implementation Part 1 (Serial Plotter)

  • تست و آزمایش L3.4 Testing

  • دموی تست: Flask و SSE (ترسیم‌کننده سریال) A3.4 Demo - Testing: Flask + SSE (Serial Plotter)

  • تکرار و بازنویسی کد L3.5 Iteration And Refactoring

  • دموی تکرار: فرانت‌اند (ترسیم‌کننده سریال) A3.5 Demo - Iteration: Frontend (Serial Plotter)

  • مستندسازی برای آینده L3.6 Documenting For Future You

  • دموی مستندسازی (ترسیم‌کننده سریال) A3.6 Demo - Documenting (Serial Plotter)

  • استقرار برای سازندگان L3.7 Deploying For Makers

  • دموی استقرار (ترسیم‌کننده سریال) A3.7 Demo - Deploying (Serial Plotter)

  • 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

  • درس جایزه (بونوس) Bonus lecture

نمایش نظرات

آموزش هوش مصنوعی برای سازندگان و تک‌نفره‌ها (Solopreneurs)
جزییات دوره
18 hours
82
(آخرین آپدیت)
285
4.7 از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr Peter Dalmaris Dr Peter Dalmaris

مدرس و نویسنده "انقلاب آموزش ساز".