آموزش MasterClass 2025 تولید AI ، چتپپ ، کپیلوت و AI Agents - آخرین آپدیت

دانلود Generative AI, ChatGPT, Copilot & AI Agents Masterclass 2025

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: Master AI با یک متخصص: گردش کار ، ساخت 12 پروژه در دنیای واقعی ، و باز کردن نمایندگان AI ، Chatgpt & Copilot! اهرم Chatgpt ، Gemini ، Claude و Deepseek برای برنامه های مختلف تجاری ، از جمله تحقیق ، طوفان مغزی ، نوشتن خلاق و کمک به برنامه نویسی MASTER MICROSOFT COPILOT در Excel ، PowerPoint ، Teams ، Word و Outlook برای خودکارسازی وظایف مانند تولید گزارش ها ، ارائه نامه ها و ارائه ها تهیه پیش نویس ایمیل قطار و مدل های GPT سفارشی تنظیم دقیق با استفاده از داده های شرکت اختصاصی خود برای افزایش تصمیم گیری ، خودکار سازی گردش کار و تولید بینش های تجاری ، نمایندگان هوش مصنوعی را در کوپیلوت ایجاد می کنند تا گردش کار پیچیده ، تصمیم گیری و عملیات تجاری را برای داده های تولیدی برای داده ها استفاده کنند. درگیری ، تمیز کردن و تجزیه و تحلیل ، از جمله رسیدگی به مقادیر گمشده ، ادغام مجموعه داده ها و فیلتر کردن مدل های پیش بینی ساخت با استفاده از ARIMA ، SARIMA ، Random Forest و پیامبر ، و ارزیابی عملکرد آنها با معیارهای خطای کلیدی با استفاده از داده های خطای کلیدی با استفاده از هوش مصنوعی مانند نمودارهای نوار ، انجام می دهند نقشه های گرما ، توطئه های پراکندگی ، نمودارهای پای و تجسم سری زمان ، تجزیه و تحلیل SWOT ، مقایسه KPI مالی ، ارزیابی زنجیره تأمین و ارزیابی استراتژی بازاریابی با استفاده از ابزارهای دارای هوش مصنوعی را انجام می دهند و تکنیک های جنگل های ایزوله و انزوا را برای شناسایی ناهنجاری های فروش ، نوسانات بازار اجرا می کنند. و ناکارآمدی عملیاتی سناریوهای بهترین حالت ، بدترین حالت و متوسط ​​برای برنامه ریزی مالی ، پیش بینی فروش و استراتژی های رشد تجارت از AI برای تجزیه و تحلیل صورتهای مالی ، استخراج داده ها از گزارش های 10-K ، تجزیه و تحلیل احساسات و پیش بینی مالی شبیه سازی می کنند. از بوم چتپت برای تهیه اسناد ، تولید گزارش ها و نوشتن کد به صورت تعاملی استفاده کنید ، و امکان همکاری یکپارچه بین هوش مصنوعی و انسانها را فراهم می کند: این دوره پیش نیاز ندارد و برای هر کسی باز است این دوره برای هر کسی طراحی شده است که بدون در نظر گرفتن قدرت از قدرت هوش مصنوعی استفاده کند. پیشینه فنی یا تجربه قبلی بدون تجربه برنامه نویسی یا برنامه نویسی لازم نیست

این دوره به منظور باز کردن پتانسیل های تولید AI و مایکروسافت کپیلوت برای تبدیل فرآیندهای تجاری ، تقویت تصمیم گیری و هدایت نوآوری طراحی شده است. این دوره جامع ، متخصصان را به مهارتهای برجسته ای برای مهار ابزارهای AI مانند Chatgpt ، Gemini ، Claude ، Deepseek و Microsoft Copilot برای طیف گسترده ای از برنامه های تجاری مجهز می کند.

یاد بگیرید که مدلهای GPT سفارشی را که متناسب با داده های منحصر به فرد شرکت شما برای خودکار سازی گردش کار ، تولید بینش های عملی و بهینه سازی عملیات آموزش و مرتب سازی کنید ، یاد بگیرید. تکنیک های کارشناسی ارشد AI برای حل و فصل داده ها ، تمیز کردن و تجسم ، با استفاده از ابزارهایی برای ایجاد نمودارهای نوار تأثیرگذار ، خطاهای گرما و تجسم سری زمانی. روشهای پیشرفته مانند تجزیه و تحلیل نمره Z و جنگل های جداسازی را برای تشخیص ناهنجاری ها ، نظارت بر روند بازار و افزایش کارایی عملیاتی کاوش کنید.

برای تجزیه و تحلیل مالی ، از جمله استخراج بینش از گزارش های 10-K ، تجزیه و تحلیل احساسات و پیش بینی با استفاده از مدلهای پیشرفته مانند Arima ، Sarima ، Random Forest و پیامبر ، به اعماق برنامه های هوش مصنوعی شیرجه بزنید. تخصص خود را در ساخت عوامل هوش مصنوعی و اعمال کپلوت برای ساده سازی گردش کار پیچیده در سکوهای مانند اکسل ، ورد ، پاورپوینت و تیم ها کسب کنید.

در طول دوره ، زبان آموزان همچنین سناریوهای دنیای واقعی را برای توسعه مهارت های برنامه ریزی مالی و استراتژیک قوی شبیه سازی می کنند. از تجزیه و تحلیل SWOT ، ارزیابی KPI مالی و ابزارهای قدرتمند AI برای ارزیابی زنجیره تأمین ، بهینه سازی استراتژی بازاریابی و پیش بینی رشد استفاده کنید.

این که آیا شما به دنبال تقویت قابلیت های تجزیه و تحلیل داده های خود هستید ، کارهای روزمره را خودکار می کنید یا نوآوری محور AI را در سازمان خود هدایت می کنید ، این دوره دانش عملی و تجربه ای را که برای برتری در محیط کسب و کار داده محور امروز مورد نیاز دارید فراهم می کند. .


سرفصل ها و درس ها

******** قسمت A: اصول تولید AI ********* ********Part A: Generative AI Fundamentals*********

  • به قسمت A خوش آمدید: اصول AI تولیدی Welcome to Part A: Generative AI Fundamentals

ماژول 0: پیام خوش آمدید ، معرفی مربی و طرح کلی دوره Module 0: Welcome Message, Instructor Introduction & Course Outline

  • مقدمه مربی و رئوس مطالب دوره Instructor Introduction and Course Outline

  • نکات اصلی موفقیت Key Success Tips

  • مواد دوره را بارگیری کنید Download the Course Materials

ماژول 1: مقدمه ای برای تولید هوش مصنوعی Module 1: Introduction to Generative AI

  • معرفی و دستور کار ماژول Module Introduction and Agenda

  • هوش مصنوعی و هوش مصنوعی چیست؟ What is AI and Generative AI?

  • Chatgpt و Microsoft Copilot چیست؟ What is ChatGPT and Microsoft CoPilot?

  • تاریخچه و آینده AGI و ASI AI History and Future of AGI and ASI

  • مدل های محبوب AI و ابزارهای برتر AI تولیدی Popular AI Models and Top Generative AI Tools

  • نسخه ی نمایشی عملی: قابلیت های چتپ Practical Demo: ChatGPT Capabilities

  • متشکرم و بازخورد Thank You & Feedback

  • نسخه ی نمایشی عملی: Google Gemini ، Claude ، & Deepseek Practical Demo: Google Gemini, Claude, & Deepseek

  • نسخه ی نمایشی عملی: Chatgpt Tools: بوم ، جستجو ، استدلال و تصاویر اجمالی 1 Practical Demo: ChatGPT Tools: Canvas, Search, Reasoning, & Images Overview 1

  • نسخه ی نمایشی عملی: ابزارهای Chatgpt: بوم ، جستجو ، استدلال و تصاویر اجمالی 2 Practical Demo: ChatGPT Tools: Canvas, Search, Reasoning, & Images Overview 2

  • نسخه ی نمایشی عملی: Microsoft Copilot در PowerPoint ، Word ، Outlook و Excel Practical Demo: Microsoft CoPilot in PowerPoint, Word, Outlook, & Excel

  • سوال فرصت تمرین: اصول Genai & chatgpt Practice Opportunity Question: GenAI & ChatGPT Fundamentals

  • راه حل فرصت تمرین: اصول Genai & chatgpt Practice Opportunity Solution: GenAI & ChatGPT Fundamentals

  • آشنایی با هوش مصنوعی مولد Introduction to Generative AI

ماژول 2: هوش مصنوعی مولد عمیق شیرجه Module 2: Generative Artificial Intelligence Deep Dive

  • مقدمه ماژول و بررسی اجمالی دستور کار Module Introduction and Agenda Overview

  • اجزای اصلی AI Key AI Components

  • روند آموزش هوش مصنوعی AI Training Process

  • یک هوش مصنوعی ساده را در Google Playground بسازید Build a Simple AI in Google Playground

  • سوال فرصت تمرین: ایجاد هوش مصنوعی Practice Opportunity Question: Build an AI

  • راه حل فرصت تمرین: یک هوش مصنوعی بسازید Practice Opportunity Solution: Build an AI

  • اصول مهندسی سریع Prompt Engineering Fundamentals

  • اصطلاحات کلیدی هوش مصنوعی Key AI Terminologies

  • اصطلاحات کلیدی هوش مصنوعی: ترانسفورماتورها Key AI Terminologies: Transformers

  • تجسم مدل AI AI Model Visualization

  • اصطلاحات کلیدی هوش مصنوعی: تعبیه Key AI Terminologies: Embeddings

  • API Openai OpenAI API

  • پروژه عملی: استخراج داده ها با استفاده از Genai - قسمت 1 Practical Project: Data Extraction using GenAI - Part 1

  • پروژه عملی: استخراج داده ها با استفاده از Genai - قسمت 2 Practical Project: Data Extraction using GenAI - Part 2

  • سوال فرصت تمرین: استخراج داده های مالی Practice Opportunity Question: Financial Data Extraction

  • راه حل فرصت تمرین: استخراج داده های مالی Practice Opportunity Solution: Financial Data Extraction

  • AI Deep Dive و اصول مهندسی سریع AI Deep Dive & Prompt Engineering Fundamentals

******** قسمت B: Chatgpt برای تجارت ********* ********Part B: ChatGPT for Business*********

  • برای تجارت به ChatGPT خوش آمدید Welcome to ChatGPT for Business

ماژول 3: بحث و تحلیل داده ها و تجزیه و تحلیل برای بینش های تجاری Module 3: Data Wrangling and Analysis for Business Insights

  • معرفی و دستور کار ماژول Module Introduction and Agenda

  • برنامه ریزی و تجزیه و تحلیل مالی (FP&A) از موارد استفاده می کند Financial Planning and Analysis (FP&A) Use Cases

  • آشنایی با داده های مورد بحث و مهندسی ویژگی Introduction to Data Wrangling and Feature Engineering

  • کتابخانه پانداس و ادغام چتپ Pandas Library and ChatGPT Integration

  • مثال عملی 1 در مورد بررسی داده ها و بررسی اجمالی تجزیه و تحلیل Practical Example 1 on Data Wrangling and Analysis Overview

  • کار 1. پرونده های اکسل را در پاندا بخوانید Task 1. Read Excel Files into Pandas

  • وظیفه 2. مقادیر گمشده را کنترل کنید Task 2. Handle missing values

  • کار 3. ادغام داده های پاندا Task 3. Merge Pandas DataFrames

  • کار 4. انجام مرتب سازی و فیلتر Task 4. Perform Sorting and Filtering

  • کار 5. تجسم داده ها را انجام دهید Task 5. Perform Data Visualization

  • تکنیک های مهندسی ویژگی Feature Engineering Techniques

  • مثال عملی 2 بررسی اجمالی Practical Example 2 Overview

  • مثال عملی 2 - قسمت 1 Practical Example 2 - Part 1

  • مثال عملی 2 - قسمت 2 Practical Example 2 - Part 2

  • سؤال فرصت تمرین: بحث و تحلیل داده ها Practice Opportunity Question: Data Wrangling and Analysis

  • راه حل فرصت تمرین: بررسی و تجزیه و تحلیل داده ها - قسمت 1 Practice Opportunity Solution: Data Wrangling and Analysis - Part 1

  • راه حل فرصت تمرین: بحث و تجزیه و تحلیل داده ها - قسمت 2 Practice Opportunity Solution: Data Wrangling and Analysis - Part 2

  • درگیری داده ها و مهندسی ویژگی Data Wrangling & Feature Engineering

ماژول 4: تجسم داده های تجاری برای تصمیم گیری و ارتباطات Module 4: Visualizing Business Data for Decision-Making & Communication

  • دستور کار ماژول تجسم داده Data Visualization Module Agenda

  • مقدمه ای برای تجسم داده ها Introduction to Data Visualization

  • انواع تجسم داده ها Data Visualization Types

  • اصطلاحات کلیدی در تجزیه و تحلیل سهام Key Terminologies in Stock Analysis

  • پروژه عملی 1 - تجزیه و تحلیل سهام و تجسم سهام فردی Practical Project 1 - Individual Stocks Analysis & Visualization

  • پروژه عملی 2 - تجزیه و تحلیل و تجسم سهام متعدد Practical Project 2 - Multiple Stocks Analysis & Visualization

  • پروژه عملی 3 - تجسم داده های سرطان Practical Project 3 - Cancer Data Visualization

  • سوال فرصت تمرین: تجسم داده های والمارت Practice Opportunity Question: Walmart Data Visualization

  • راه حل فرصت تمرین: تجسم داده های والمارت Practice Opportunity Solution: Walmart Data Visualization

  • تولید داده های مصنوعی با استفاده از کلود توسط انسان شناسی Generating Synthetic Data Using Claude by Anthropic

ماژول 5: پیش بینی مالی با هوش مصنوعی تولیدی Module 5: Financial Prediction with Generative AI

  • آشنایی با پیش بینی مالی با ماژول ML Introduction to Financial Prediction with ML Module

  • یادگیری ماشین 101 Machine Learning 101

  • انواع داده ها و منابع Data Types and Sources

  • رگرسیون یادگیری ماشین 101 Machine Learning Regression 101

  • نمای کلی فرصت تمرین: اصول رگرسیون یادگیری ماشین Practice Opportunity Overview: Machine Learning Regression Fundamentals

  • راه حل فرصت تمرین: اصول رگرسیون یادگیری ماشین Practice Opportunity Solution: Machine Learning Regression Fundamentals

  • معیارهای رگرسیون یادگیری ماشین Machine Learning Regression Metrics

  • تقسیم داده ها در یادگیری ماشین Data Split in Machine Learning

  • درختان تصمیم و الگوریتم های ML جنگل تصادفی Decision Trees and Random Forest ML Algorithms

  • نسخه ی نمایشی زنده: پیش بینی مالی با استفاده از Genai - قسمت 1 Live Demo: Financial Forecasting using GenAI - Part 1

  • نسخه ی نمایشی زنده: پیش بینی مالی با استفاده از Genai - قسمت 2 Live Demo: Financial Forecasting using GenAI - Part 2

  • سوال فرصت تمرین: پیش بینی فروش والمارت با استفاده از Genai Practice Opportunity Question: Walmart Sales Prediction Using GenAI

  • راه حل فرصت تمرین: پیش بینی فروش والمارت با استفاده از Genai - قسمت 1 Practice Opportunity Solution: Walmart Sales Prediction Using GenAI - Part 1

  • راه حل فرصت تمرین: پیش بینی فروش والمارت با استفاده از Genai - قسمت 2 Practice Opportunity Solution: Walmart Sales Prediction Using GenAI - Part 2

ماژول 6: تجزیه و تحلیل رقیب تجارت با هوش مصنوعی تولیدی Module 6: Business Competitor Analysis with Generative AI

  • دستور کار ماژول تجزیه و تحلیل رقیب Competitor Analysis Module Agenda

  • تجزیه و تحلیل رقیب 101 Competitor Analysis 101

  • GPT های سفارشی Custom GPTs

  • تعبیه کننده بردار (بررسی) Vector Embeddings (Review)

  • مدل های کامل زبان بزرگ (LLM) تنظیم دقیق Full Large Language Models (LLM) Fine-Tuning

  • سازگاری با درجه پایین (لورا) Low Rank Adaptation (LORA)

  • بازیابی نسل افزوده (RAG) Retrieval Augmented Generation (RAG)

  • پروژه عملی 1 - تجزیه و تحلیل رقیب با Genai - قسمت 1 Practical Project 1 - Competitor Analysis with GenAI - Part 1

  • پروژه عملی 1 - تجزیه و تحلیل رقیب با Genai - قسمت 2 Practical Project 1 - Competitor Analysis with GenAI - Part 2

  • پروژه عملی 1 - تجزیه و تحلیل رقیب با Genai - قسمت 3 Practical Project 1 - Competitor Analysis with GenAI - Part 3

  • پروژه عملی 1 - تجزیه و تحلیل رقیب با Genai - قسمت 4 Practical Project 1 - Competitor Analysis with GenAI - Part 4

  • پروژه عملی 1 - تجزیه و تحلیل رقیب با Genai - قسمت 5 Practical Project 1 - Competitor Analysis with GenAI - Part 5

  • سوال فرصت تمرین: تجزیه و تحلیل رقیب با Genai Practice Opportunity Question: Competitor Analysis with GenAI

  • راه حل فرصت تمرین: تجزیه و تحلیل رقیب با Genai Practice Opportunity Solution: Competitor Analysis with GenAI

ماژول 7: هوش مصنوعی تولیدی برای تشخیص ناهنجاری تجاری Module 7: Generative AI for Business Anomaly Detection

  • دستور کار ماژول و معرفی تشخیص ناهنجاری Module Agenda and Introduction to Anomaly Detection

  • روش تشخیص ناهنجاری نمره Z Z-Score Anomaly Detection Method

  • نسخه ی نمایشی زنده 1: Genai برای تشخیص ناهنجاری با استفاده از نمره Z Live Demo 1: GenAI for Anomaly Detection using Z-score

  • انزوا الگوریتم جنگل Isolation Forest Algorithm

  • سوال فرصت تمرین: تشخیص ناهنجاری با جنگل انزوا Practice Opportunity Question: Anomaly Detection with Isolation Forest

  • راه حل فرصت تمرین: تشخیص ناهنجاری با جنگل انزوا Practice Opportunity Solution: Anomaly Detection with Isolation Forest

  • نسخه ی نمایشی زنده 2: تشخیص ناهنجاری در داده های والمارت - قسمت 1 Live Demo 2: Anomaly Detection on Walmart Data - Part 1

  • نسخه ی نمایشی زنده 2: تشخیص ناهنجاری در داده های والمارت - قسمت 2 Live Demo 2: Anomaly Detection on Walmart Data - Part 2

ماژول 8: پیش بینی فروش تجارت با استفاده از AI مولد Module 8: Business Sales Forecasting Using Generative AI

  • مقدمه ای برای پیش بینی سریال های زمانی Introduction to Time Series Forecasting

  • پیش بینی سری زمانی 101 Time Series Forecasting 101

  • نمای کلی میانگین متحرک Autoregressive (ARIMA) Autoregressive Integrated Moving Average (ARIMA) Overview

  • نسخه ی نمایشی زنده 1 - Genai برای پیش بینی فروش با استفاده از ARIMA - قسمت 1 Live Demo 1 - GenAI for Sales Forecasting Using ARIMA - Part 1

  • نسخه ی نمایشی زنده 1 - Genai برای پیش بینی فروش با استفاده از ARIMA - قسمت 2 Live Demo 1 - GenAI for Sales Forecasting Using ARIMA - Part 2

  • سوال فرصت تمرین - Arima Vs. ساریما Practice Opportunity Question - ARIMA Vs. SARIMA

  • راه حل فرصت تمرین - Arima Vs. ساریما Practice Opportunity Solution - ARIMA Vs. SARIMA

  • مبادله تعصب و واریانس Bias-Variance Trade-off

  • تنظیم و بهینه سازی Hyperparameters Hyperparameters Tuning and Optimization

  • نسخه ی نمایشی زنده 2 - Genai برای پیش بینی فروش Walmart - قسمت 1 Live Demo 2 - GenAI for Walmart Sales Forecasting - Part 1

  • نسخه ی نمایشی زنده 2 - Genai برای پیش بینی فروش Walmart - قسمت 2 Live Demo 2 - GenAI for Walmart Sales Forecasting - Part 2

  • نسخه ی نمایشی زنده 2 - Genai برای پیش بینی فروش Walmart - قسمت 3 Live Demo 2 - GenAI for Walmart Sales Forecasting - Part 3

  • نسخه ی نمایشی زنده 2 - Genai برای پیش بینی فروش Walmart - قسمت 4 Live Demo 2 - GenAI for Walmart Sales Forecasting - Part 4

  • بررسی اجمالی فیس بوک (متا) Facebook (Meta) Prophet Overview

  • نسخه ی نمایشی 3: فیس بوک (متا) پیامبر پیش بینی قیمت - قسمت 1 Live Demo 3: Facebook (Meta) Prophet for Price Prediction - Part 1

  • نسخه ی نمایشی 3: فیس بوک (متا) پیامبر پیش بینی قیمت - قسمت 2 Live Demo 3: Facebook (Meta) Prophet for Price Prediction - Part 2

ماژول 9: تولید گزارش های تجاری با هوش مصنوعی تولیدی Module 9: Business Reports Generation with Generative AI

  • دستور کار ماژول گزارشگری مالی Financial Reporting Module Agenda

  • آشنایی با گزارشگری مالی Introduction to Financial Reporting

  • پروژه عملی: گزارش تولید با Genai Practical Project: Report Generation with GenAI

  • سوال فرصت تمرین: گزارش تولید با Genai Practice Opportunity Question: Report Generation with GenAI

  • راه حل فرصت تمرین: گزارش تولید با Genai Practice Opportunity Solution: Report Generation with GenAI

ماژول 10: تجزیه و تحلیل واریانس با هوش مصنوعی در تجارت Module 10: Variance Analysis with Generative AI in Business

  • مقدمه ماژول تجزیه و تحلیل واریانس Variance Analysis Module Introduction

  • تجزیه و تحلیل واریانس 101 Variance Analysis 101

  • پروژه عملی 1 - تجزیه و تحلیل واریانس با Genai - قسمت 1 Practical Project 1 - Variance Analysis with GenAI - Part 1

  • پروژه عملی 1 - تجزیه و تحلیل واریانس با Genai - قسمت 2 Practical Project 1 - Variance Analysis with GenAI - Part 2

  • سوال فرصت تمرین: Genai برای تجزیه و تحلیل واریانس Practice Opportunity Question: GenAI for Variance Analysis

  • راه حل فرصت تمرین: Genai برای تجزیه و تحلیل واریانس - قسمت 1 Practice Opportunity Solution: GenAI for Variance Analysis - Part 1

  • راه حل فرصت تمرین: Genai برای تجزیه و تحلیل واریانس - قسمت 2 Practice Opportunity Solution: GenAI for Variance Analysis - Part 2

  • پروژه عملی 2: تجزیه و تحلیل واریانس فروش والمارت با Genai - قسمت 1 Practical Project 2: Walmart Sales Variance Analysis with GenAI - Part 1

  • پروژه عملی 2: تجزیه و تحلیل واریانس فروش والمارت با Genai - قسمت 2 Practical Project 2: Walmart Sales Variance Analysis with GenAI - Part 2

ماژول 11: هوش مصنوعی تولیدی برای برنامه ریزی سناریوی تجارت Module 11: Generative AI for Business Scenario Planning

  • نمای کلی ماژول برنامه ریزی سناریو Scenario Planning Module Overview

  • برنامه ریزی سناریو 101 Scenario Planning 101

  • طرح وابستگی جزئی (PDP) Partial Dependency Plot (PDP)

  • پروژه عملی 1: Genai برای برنامه ریزی سناریو - قسمت 1 Practical Project 1: GenAI for Scenario Planning - Part 1

  • پروژه عملی 1: Genai برای برنامه ریزی سناریو - قسمت 2 Practical Project 1: GenAI for Scenario Planning - Part 2

  • سوال فرصت تمرین: برنامه ریزی سناریو Practice Opportunity Question: Scenario planning

  • راه حل فرصت تمرین: برنامه ریزی سناریو Practice Opportunity Solution: Scenario planning

  • پروژه عملی 2: Genai برای برنامه ریزی سناریوی فروش - قسمت 1 Practical Project 2: GenAI for Sales Scenario Planning - Part 1

  • پروژه عملی 2: Genai برای برنامه ریزی سناریوی فروش - قسمت 2 Practical Project 2: GenAI for Sales Scenario Planning - Part 2

***** قسمت C: Microsoft Copilot & Agents for Business ******* *****Part C: Microsoft CoPilot & Agents for Business*******

  • برای تجارت به Microsoft Copilot & AI Agents خوش آمدید Welcome to Microsoft CoPilot & AI Agents for Business

ماژول 12: آشنایی با Microsoft Copilot Module 12: Introduction to Microsoft CoPilot

  • دستور کار ماژول و معرفی Copilot Module Agenda and Introduction to CoPilot

  • Microsoft Copilot 101 Microsoft CoPilot 101

  • تفاوت بین Copilot ، Copilot Pro و Copilot 365 چیست؟ What is the difference between CoPilot, CoPilot Pro, & CoPilot 365?

  • کپی چگونه کار می کند؟ How does CoPilot work?

  • نسخه ی نمایشی: قابلیت های عمومی Microsoft Copilot Demo: Microsoft CoPilot General Capabilities

ماژول 13: Microsoft Copilot در پاورپوینت Module 13: Microsoft CoPilot in PowerPoint

  • آشنایی با مایکروسافت کوپیلوت در پاورپوینت Introduction to Microsoft CoPilot in PowerPoint

  • ارائه های پاورپوینت را از ابتدا با Copilot ایجاد کنید Create PowerPoint Presentations from Scratch with CoPilot

  • متن ، تصاویر و یادداشت های صحبت کردن را در پاورپوینت با Copilot اصلاح کنید Modify Text, Images, & Speaking Notes in PowerPoint with CoPilot

  • ارائه پاورپوینت از اسناد Word و PDF با Copilot ایجاد کنید Create PowerPoint Presentations from Word and PDF Documents with CoPilot

  • ارائه های پاورپوینت را از یک الگوی ایجاد کنید Create PowerPoint Presentations from a Template

  • خلاصه و سازماندهی ارائه های پاورپوینت با Copilot Summarizing and Organizing PowerPoint Presentations with CoPilot

  • تهیه و تحویل با کپلوت Presentation Preparation and Delivery with CoPilot

  • کوپیلوت برای ارائه مربیگری CoPilot for Presentations Coaching

  • مایکروسافت کوپیلوت در پاورپوینت Microsoft CoPilot in PowerPoint

ماژول 14: Microsoft Copilot in Word Module 14: Microsoft CoPilot in Word

  • آشنایی با Microsoft Copilot در Word Introduction to Microsoft CoPilot in Word

  • اسناد را از ابتدا با Copilot بنویسید Write Documents from scratch with CoPilot

  • اسناد را از PDF های موجود و پرونده های PowerPoint در OneDrive بنویسید Write documents from existing PDFs and Powerpoint files on OneDrive

  • اسناد را از ایمیل های موجود بنویسید Write documents from existing Emails

  • متن بدون ساختار را به یک جدول تبدیل کنید Transform unstructured Text into a Table

  • گپ با Copilot در MS Word Chat with Copilot in MS Word

  • لحن صدا را تغییر دهید Change the Tone of Voice

  • مصنوعات را از یک سند کلمه تولید کنید Generate Artifacts from a Word Document

ماژول 15: Microsoft Copilot در تیم ها Module 15: Microsoft CoPilot in Teams

  • آشنایی با کوپیلوت در تیم ها Introduction to CoPilot in Teams

  • راه اندازی Copilot در تیم ها Setting up CoPilot in Teams

  • خلاصه مکالمات در تیم هایی با Copilot Summarizing Conversations in Teams with CoPilot

  • فعال کردن Copilot و رونویسی در تنظیم جلسات تیم Enabling CoPilot and Transcription in Setting Up Teams Meetings

  • کمک کوپیلوت در جلسات تیم CoPilot Assistance During Teams Meetings

  • کمک کوپیلوت پس از جلسات تیم ها CoPilot Assistance After Teams Meetings

ماژول 16: Microsoft Copilot در Outlook و ایمیل Module 16: Microsoft CoPilot in Outlook and Emails

  • آشنایی با Microsoft Copilot در Outlook & Emails Introduction to Microsoft CoPilot in Outlook & Emails

  • ایمیل های روزمره را با Copilot بنویسید Write Everyday Emails with CoPilot

  • ایمیل های خلاق را با Copilot بنویسید Write Creative Emails with CoPilot

  • پاسخ به ایمیل با استفاده از Copilot Reply to Emails using CoPilot

  • پیش نویس خلاصه ایمیل با Copilot Draft Email Summaries with CoPilot

  • مربیگری ایمیل توسط Copilot Email Coaching by CoPilot

ماژول 17: مایکروسافت کوپیلوت در اکسل Module 17: Microsoft CoPilot in Excel

  • معرفی ماژول و قابلیت های کپی در اکسل Module Introduction & CoPilot Capabilities in Excel

  • تجزیه و تحلیل داده های اکتشافی را با استفاده از Copilot در اکسل انجام دهید Perform Exploratory Data Analysis Using CoPilot in Excel

  • مرتب سازی داده ها در اکسل با Copilot Data Sorting In Excel with CoPilot

  • فیلتر داده ها در اکسل با کوپیلوت Data Filtering in Excel with CoPilot

  • کدگذاری رنگی و قالب بندی شرطی در اکسل با استفاده از Copilot Color Coding & Conditional Formatting in Excel Using CoPilot

  • رسیدگی به مقادیر گمشده در اکسل با کوپیلوت Handling Missing Values in Excel with CoPilot

  • تجسم داده را با استفاده از Copilot در اکسل انجام دهید Perform Data Visualization Using CoPilot in Excel

  • داده های مصنوعی را با Copilot تولید کنید Generate Synthetic Data with CoPilot

ماژول 18: عوامل AI در Microsoft Copilot Module 18: AI Agents in Microsoft CoPilot

  • آقایان آقایان مقدمه و دستور کار ماژول AI Agents Introduction and Module Agenda

  • عوامل AI در Copilot 101 AI Agents in CoPilot 101

  • نسخه ی نمایشی عملی: از عوامل AI موجود در Copilot استفاده کنید - قسمت 1 Practical Demo: Use Existing AI Agents in CoPilot - Part 1

  • نسخه ی نمایشی عملی: از عوامل موجود در AI در Copilot استفاده کنید - قسمت 2 Practical Demo: Use Existing AI Agents in CoPilot - Part 2

  • نسخه ی نمایشی عملی: ایجاد عوامل AI سفارشی در Copilot Practical Demo: Create Custom AI Agents in CoPilot

  • نسخه ی نمایشی عملی: ایجاد عوامل AI سفارشی در Copilot به طور مستقیم در SharePoint Practical Demo: Create Custom AI Agents in CoPilot directly in SharePoint

تبریک می گویم و متشکرم! Congratulations and Thank You!

  • تبریک می گویم برای گذراندن دوره! Congratulations on Completing the Course!

نمایش نظرات

آموزش MasterClass 2025 تولید AI ، چتپپ ، کپیلوت و AI Agents
جزییات دوره
21 hours
185
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
383
4.9 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

Dr. Ryan Ahmed, Ph.D., MBA Dr. Ryan Ahmed, Ph.D., MBA

استاد و پرفروش ترین مربی Udemy ، دانشجویان 100K + رایان احمد مربی پرفروش Udemy است که علاقه زیادی به آموزش و فناوری دارد. ماموریت رایان این است که آموزش با کیفیت را برای همه قابل دسترسی و مقرون به صرفه کند. رایان دکترای خود را دارد. مدرک مهندسی مکانیک از دانشگاه مک مستر * ، با تمرکز بر مکاترونیک و کنترل وسایل نقلیه الکتریکی (EV). وی همچنین با تمرکز بر هوش مصنوعی (AI) و تشخیص خطا و MBA در امور مالی از دانشکده بازرگانی DeGroote ، مدرک کارشناسی ارشد علمی کاربردی را از مک مستر دریافت کرد. رایان چندین سمت مهندسی در شرکتهای Fortune 500 در سطح جهان مانند سامسونگ آمریکا و فیات-کرایسلر اتومبیل (FCA) کانادا داشت. رایان چندین دوره در زمینه علوم ، فناوری ، مهندسی و ریاضیات را به بیش از 100000 دانشجو در سطح جهان آموزش داده است. وی بیش از 15 مقاله تحقیقاتی در زمینه مجلات و کنفرانس ها در زمینه تخمین وضعیت ، هوش مصنوعی ، یادگیری ماشین ، مدل سازی باتری و کنترل های EV دارد. وی دریافت کننده بهترین جایزه مقاله در کنفرانس برق و حمل و نقل IEEE حمل و نقل (iTEC 2012) در دیترویت ، میشیگان ، ایالات متحده آمریکا است.

Stemplicity School Online Stemplicity School Online

علوم، فناوری، مهندسی و ریاضی ساده شده است