نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
مهارتهای خود را در زمینه هوش مصنوعی مسئولانه و گیتهاب کوپایلوت برای توسعه مدرن نرمافزار تقویت کنید. با مهندسی پرامپت، کدنویسی به کمک هوش مصنوعی، تست، اتوماسیون و گردشکارهای ایمن آشنا شوید. از طریق یک پروژه عملی ساخت ماشینحساب و تمرینهای افزایش بهرهوری برنامهنویسان، تجربه عملی کسب کنید.
توسعه به کمک هوش مصنوعی در حال تحول در ساخت نرمافزار است. این دوره اصول هوش مصنوعی مسئولانه را آموزش میدهد و نشان میدهد که چگونه گیتهاب کوپایلوت بهرهوری کدنویسی، اتوماسیون، دیباگ، تست و گردشکارها را بهبود میبخشد. شیوههای اخلاقی هوش مصنوعی، ملاحظات حریم خصوصی، حاکمیت و محدودیتهای هوش مصنوعی مولد در توسعه دنیای واقعی را بررسی کنید.
با مبانی هوش مصنوعی مسئولانه، شامل عدالت، شفافیت، اعتبارسنجی انسانی و کاهش ریسک شروع کنید. با ویژگیهای کوپایلوت، مدلهای اشتراک، مرزهای حریم خصوصی، ایندکسگذاری فضای کاری و تنظیمات در ویژوال استودیو کد آشنا شوید. به سمت مهندسی پرامپت، فایلهای پرامپت، مهارتهای عامل (Agent)، دستورالعملهای سفارشی و گردشکارهای کدنویسی به کمک هوش مصنوعی پیش بروید.
یادگیری عملی شامل استراتژیهای تست، دیباگ، کدنویسی ایمن، پشتیبانی از چرخه عمر توسعه نرمافزار (SDLC) و اندازهگیری بهرهوری است. مهارتهای خود را در یک پروژه عملی ماشینحساب با استفاده از گیتهاب کوپایلوت برای برنامهریزی، ساخت، استایلدهی، تست و مستندسازی یک برنامه کاربردی به کمک هوش مصنوعی به کار بگیرید.
این دوره برای توسعهدهندگان، مهندسان دواپس (DevOps) و مبتدیانی که در حال کاوش در کدنویسی به کمک هوش مصنوعی با گیتهاب کوپایلوت هستند، طراحی شده است. این دوره برای تیمهایی که هوش مصنوعی مسئولانه و شیوههای توسعه ایمن را پیادهسازی میکنند، مناسب است. دانش پایهای برنامهنویسی، آشنایی با ویژوال استودیو کد و مبانی توسعه نرمافزار توصیه میشود.
این دوره از یک رویکرد یادگیری عملی و مبتنی بر گردشکار با تمرکز بر بهرهوری توسعهدهنده در دنیای واقعی پیروی میکند. زبانآموزان از مبانی هوش مصنوعی مسئولانه به سمت گردشکارهای پیشرفته گیتهاب کوپایلوت، مهندسی پرامپت، تست و تکنیکهای اتوماسیون حرکت میکنند. دموهای عملی و یک پروژه کامل، مهارتهای پیادهسازی کاربردی را در طول دوره تقویت میکنند.
این دوره بر اساس GH-300 - راهنمای کامل آمادگی آزمون گیتهاب کوپایلوت، اثر آنتون وورونیوک و دمیتری واسیلیف است.
حق چاپ © ۲۰۲۶ آنتون وورونیوک
تمامی حقوق محفوظ است. هیچ بخشی از این دوره نباید بدون اجازه کتبی قبلی ناشر، به جز در موارد نقلقولهای کوتاه در مقالات انتقادی یا نقدها، تکثیر، در سیستم بازیابی ذخیره یا به هر شکلی منتقل شود.
پکت (Packt) یکی از پرکارترین ناشران محتوای فنی پیشرفته در جهان است. برای بیش از دو دهه، ماموریت ما انتخاب و انتشار دانش بهترین متخصصان فنی بوده است. ما بر دورههایی تمرکز میکنیم که به مشتریانمان کمک میکند تا کار خود را به بهترین شکل انجام دهند، با پوششی که طیف وسیعی از موضوعات فنی تثبیتشده و نوظهور را در بر میگیرد. اگر شما فرد یا سازمانی هستید که یادگیری از طریق انجام دادن را ترجیح میدهید، پکت بهترین گزینه برای شماست.
سرفصل ها و درس ها
مبانی هوش مصنوعی مسئولانه - دامنه ۱
Foundations of Responsible AI - Domain 1
-
مقدمه دوره و نقشه راه یادگیری
Course Introduction and Learning Roadmap
-
سادهسازی هوش مصنوعی مسئولانه: مقدمه دوره
Responsible AI Made Simple: Course Introduction
-
درک هوش مصنوعی مسئولانه
Understanding Responsible AI
-
درک ریسکها و چالشهای هوش مصنوعی
Understanding AI Risks and Challenges
-
محدودیتهای هوش مصنوعی مولد در عمل
The Limits of Generative AI in Practice
-
چرا خروجیهای هوش مصنوعی به اعتبارسنجی انسانی نیاز دارند
Why AI Outputs Need Human Validation
-
بهکارگیری اصول هوش مصنوعی مسئولانه
Applying Responsible AI Principles
-
شناسایی خروجیهای مضر هوش مصنوعی
Recognizing Harmful AI Outcomes
-
به حداقل رساندن آسیب از طریق شیوههای هوش مصنوعی مسئولانه
Minimizing Harm Through Responsible AI Practices
-
استفاده مسئولانه و اخلاقی از هوش مصنوعی
Responsible and Ethical AI Use
درک طرحها و ویژگیهای گیتهاب کوپایلوت - دامنه ۲
Understanding GitHub Copilot Plans and Features - Domain 2
-
شروع استفاده از مایکروسافت کوپایلوت با اعتماد به نفس
Start Using Microsoft Copilot with Confidence
-
بررسی اجمالی و قابلیتهای گیتهاب کوپایلوت
GitHub Copilot Overview and Capabilities
-
درک گزینههای پرداخت گیتهاب کوپایلوت
Understanding GitHub Copilot Payment Options
-
آنچه توسعهدهندگان باید درباره حریم خصوصی کوپایلوت بدانند
What Developers Should Know About Copilot Privacy
-
پیکربندی گیتهاب کوپایلوت در ویژوال استودیو کد
Configuring GitHub Copilot in Visual Studio Code
-
افزایش بهرهوری با گیتهاب کوپایلوت در VS Code
Getting Productive with GitHub Copilot in VS Code
-
بهبود گردشکار با تکمیل کد
Improving Your Workflow with Code Completions
-
افزایش سرعت کدنویسی با چت درونخطی (Inline Chat)
Boosting Coding Workflow with Inline Chat
-
افزایش بهرهوری با اقدامات هوشمند (Smart Actions)
Boosting Productivity with Smart Actions
-
پشتیبانی از کدنویسی با گیتهاب کوپایلوت چت
Coding Support with GitHub Copilot Chat
-
دریافت کمک کدنویسی با حالت Ask
Getting Coding Help with Ask Mode
-
ویرایش عملی کد با کوپایلوت
Practical Code Editing with Copilot
-
اتوماسیون عملی وظایف با حالت Agent
Practical Task Automation with Agent Mode
-
پشتیبانی بهتر از کدنویسی از طریق محتوای چت
Better Coding Support Through Chat Context
-
درک ایندکسگذاری فضای کاری در کوپایلوت
Making Sense of Workspace Indexing in Copilot
-
استفاده از gitignore برای مدیریت فایلهای نادیده گرفته شده توسط کوپایلوت
Using .gitignore to Manage Copilot Ignored Files
پشت صحنه: گیتهاب کوپایلوت چگونه کار میکند - دامنه ۳
Behind the Scenes: How GitHub Copilot Works - Domain 3
-
مقدمه: درک نحوه عملکرد کوپایلوت
Introduction: You Can Understand How Copilot Works
-
چرخه عمر خط لوله داده پیشنهادهای کد گیتهاب کوپایلوت در IDE
Data Pipeline Lifecycle of GitHub Copilot Code Suggestions in the IDE
-
گیتهاب کوپایلوت چگونه با دادهها برخورد میکند
How GitHub Copilot Handles Data
-
محدودیتهای گیتهاب کوپایلوت (و به طور کلی مدلهای زبانی بزرگ)
Limitations of GitHub Copilot (and LLMs in General)
چگونه پرامپتهای بهتری برای کوپایلوت بنویسیم - دامنه ۴
How to Write Better Prompts for Copilot - Domain 4
-
مقدمه: یادگیری پرامپتهای قدرتمند
Introduction: You Can Learn Powerful Prompts
-
مهندسی پرامپت چیست؟
What Is Prompt Engineering?
-
محتوای پرامپت چگونه تعیین میشود
How the Context for the Prompt Is Determined
-
گزینههای زبان برای پرامپتنویسی در گیتهاب کوپایلوت
Language Options for Prompting GitHub Copilot
-
بخشهای مختلف یک پرامپت
Different Parts of a Prompt
-
نقش پرامپتنویسی
Role of Prompting
-
تفاوت بین Zero-shot و Few-shot در پرامپتنویسی
Difference Between Zero-shot & Few-shot Prompting
-
تاریخچه چت چگونه در گیتهاب کوپایلوت استفاده میشود
How Chat History Is Used with GitHub Copilot
-
بهترین روشهای ساخت پرامپت هنگام استفاده از گیتهاب کوپایلوت
Prompt Crafting Best Practices When Using GitHub Copilot
-
اصول مهندسی پرامپت، روشهای آموزش و بهترین شیوهها
Prompt Engineering Principles, Training Methods, Best Practices
-
جریان پردازش پرامپت
Prompt Process Flow
-
درک فایلهای پرامپت برای وظایف تکراری
Understand Prompt Files for Repeated Tasks
-
ایجاد فایلهای پرامپت اختصاصی خود
Create Your Own Prompt Files
-
بررسی اجمالی فایلهای پرامپت محبوب در جامعه کاربران
Overview of Community Popular Prompt Files
-
درک مهارتهای عامل (Agent) در گیتهاب کوپایلوت
Understand Agent Skills in GitHub Copilot
-
بررسی اجمالی مهارتهای محبوب عامل در جامعه کاربران
Overview of Popular Agent Skills from the Community
توسعهدهندگان چگونه از هوش مصنوعی در کار روزانه استفاده میکنند - دامنه ۵
How Developers Use AI in Daily Work - Domain 5
-
مقدمه: مشاهده کمکهای هوش مصنوعی به شما
Introduction: You'll See Where AI Helps You
-
مقدمه: چرا باید از گیتهاب کوپایلوت استفاده کنید
Introduction: Why You Should Use GitHub Copilot
-
موارد استفاده محبوب گیتهاب کوپایلوت برای توسعهدهندگان
Popular Use Cases of GitHub Copilot for Developers
-
یادگیری زبانها و فریمورکهای برنامهنویسی جدید
Learning New Programming Languages and Frameworks
-
ترجمه زبان
Language Translation
-
تغییر محتوا (Context Switching)
Context Switching
-
نوشتن مستندات
Writing Documentation
-
پاسخهای شخصیسازی شده و آگاه از محتوا
Personalized Context-Aware Responses
-
تولید دادههای نمونه
Generating Sample Data
-
مدرنسازی برنامههای قدیمی (Legacy)
Modernizing Legacy Applications
-
دیباگ کد
Debugging Code
-
علوم داده
Data Science
-
ریفکتور کردن کد
Code Refactoring
-
گیتهاب کوپایلوت چگونه در مدیریت SDLC کمک میکند
How GitHub Copilot Can Help with SDLC Management
-
محدودیتهای استفاده از گیتهاب کوپایلوت
Limitations of Using GitHub Copilot
-
نحوه استفاده از API بهرهوری برای مشاهده تاثیر کوپایلوت
How to Use the Productivity API to See Copilot Impact
نوشتن تستهای بهتر با کوپایلوت - دامنه ۶
Writing Better Tests with Copilot - Domain 6
-
مقدمه: احساس اعتماد به نفس در تستها
Introduction: You Can Feel Confident with Tests
-
نحوه افزودن تستهای واحد، تستهای یکپارچهسازی و سایر انواع تست
How to Add Unit Tests, Integration Tests, and Other Test Types
-
نحوه شناسایی موارد مرزی (Edge Cases) و پیشنهاد تست
How to Identify Edge Cases and Suggest Tests
-
نسخههای مختلف (SKUs) و ملاحظات حریم خصوصی
Different SKUs and Privacy Considerations
-
پیکربندی پیشنهاد کد در سطح سازمان
Code Suggestion Configuration at Organization Level
-
توضیح دستورالعملهای سفارشی در کوپایلوت
Custom Instructions in Copilot Explained
-
ایجاد دستورالعملهای سفارشی خود
Create Your Own Custom Instructions
-
بررسی اجمالی دستورالعملهای سفارشی محبوب در جامعه کاربران
Overview of Community Popular Custom Instructions
حریم خصوصی دادهها و مرزهای محتوایی گیتهاب کوپایلوت - دامنه ۷
GitHub Copilot Data Privacy and Context Boundaries - Domain 7
-
مقدمه: تبدیل شدن به یک توسعهدهنده قابل اعتماد در هوش مصنوعی
Introduction: You Can Be a Trusted AI Developer
-
افزایش کیفیت کد از طریق تست
Enhance Code Quality Through Testing
-
بهرهگیری از کوپایلوت برای امنیت و کارایی
Leverage Copilot for Security and Performance
-
شناسایی موارد استثنای محتوا
Identify Content Exclusions
-
اقدامات حفاظتی (Safeguards)
Safeguards
-
عیبیابی
Troubleshooting
از پرامپت تا ساخت ماشینحساب با گیتهاب کوپایلوت
From Prompt to Calculator with GitHub Copilot
-
مقدمه: ساخت پروژه با کوپایلوت
Introduction: You Can Build This with Copilot
-
مقدمهای بر اولین پروژه کوپایلوت شما
Introduction to Your First Copilot Project
-
بررسی اجمالی برنامه — آنچه خواهیم ساخت
App Overview — See What We'll Build
-
رویکردهای محبوب برای ساخت برنامه با کوپایلوت
Popular Approaches to Build App with Copilot
-
ایجاد برنامه توسعه برای کوپایلوت
Create Development Plan for Copilot
-
ساخت برنامه ماشینحساب بر اساس طرح
Build the Calculator App from the Plan
-
استایلدهی به ماشینحساب برای ظاهری مدرن
Style the Calculator for a Modern Look
-
افزودن محدودیتهای ورودی و قالببندی اعداد
Add Input Limits and Thousands Formatting
-
جایگزینی منطق سفارشی با یک کتابخانه قالببندی
Replace Custom Logic with a Formatting Library
-
نوشتن و اجرای تستهای واحد با کوپایلوت
Write and Run Unit Tests with Copilot
-
تولید مستندات پروژه با هوش مصنوعی
Generate Project Documentation with AI
نکات پایانی و گامهای عملی بعدی
Final Thoughts and Practical Next Steps
-
خلاصه دوره و نکات کلیدی
Course Summary and Key Takeaways
نمایش نظرات