آموزش هوش مصنوعی مولد برای مهندسان نرم‌افزار و توسعه‌دهندگان - آخرین آپدیت

دانلود Generative AI for Software Engineers & Developers

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

1000+ GenAI Prompts to Accelerate Your Software Engineering Journey

آشنایی با مبانی هوش مصنوعی مولد، از جمله مدل‌های ترانسفورمر و دیفیوژن و ارتباط آن‌ها با مهندسی نرم‌افزار.

دسترسی به بیش از 1000 نمونه پرامپت (دستورالعمل) تخصصی و تنظیم‌شده، برای تسریع در انجام وظایف مهندسی نرم‌افزار در زمینه‌های کدنویسی، تست، DevOps، معماری و امنیت.

تمایز واضح بین هوش مصنوعی پیش‌بینانه و هوش مصنوعی مولد در زمینه گردش کار توسعه نرم‌افزار.

بررسی موارد استفاده واقعی از GenAI برای تولید کد، رفع اشکال، مستندسازی، اتوماسیون DevOps و طراحی معماری.

تسلط بر تکنیک‌های مهندسی پرامپت: Zero-shot، Few-shot، Chain of Thought (CoT)، Tree of Thought (ToT) و قالب‌های پرامپت قابل استفاده مجدد.

ایجاد معماری‌های نرم‌افزاری سطح بالا، از جمله نمودارهای ER، نمودارهای توالی و انجام تحلیل‌های مقایسه‌ای معماری با استفاده از GenAI.

تولید خودکار پایگاه‌های کد چند فایلی، کلاس‌ها، ماژول‌ها و توابع در حالی که به اصول SOLID و DRY پایبند هستید.

انجام بازسازی کد، افزایش خوانایی، بهینه‌سازی عملکرد و افزودن مستندات حرفه‌ای با کمک هوش مصنوعی.

خودکارسازی تحلیل کد استاتیک، تشخیص باگ، شناسایی الگوهای ضد طراحی و بررسی درخواست‌های ادغام (pull request) از طریق پرامپت‌های هوش مصنوعی مولد.

یادگیری نحوه تولید تست‌های Unit، تست‌های Integration، تست‌های E2E، تست‌های API، تست‌های Fuzz و دستیابی به پوشش کد بهتر.

ساخت فایل‌های Dockerfile، مانیفست‌های Kubernetes، اسکریپت‌های Terraform و خودکارسازی خطوط لوله GitHub Actions/GitLab CI/CD با استفاده از GenAI.

طراحی سیستم‌های Infrastructure as Code (IaC) مقاوم و خودکارسازی تنظیمات نظارت با Prometheus و Grafana با استفاده از گردش کارهای مبتنی بر پرامپت.

تعریف و نظارت بر Service Level Objectives (SLOs) و Service Level Indicators (SLIs) برای حفظ برتری عملیاتی.

ایجاد runbookها (دستورالعمل‌های اجرایی) و playbookهای (نقشه‌های عملیاتی) بازیابی فاجعه (disaster recovery) خودکار، با هدایت هوش مصنوعی، برای افزایش عملکرد مهندسی قابلیت اطمینان.

پیاده‌سازی تولید کد امن، مدل‌سازی تهدید، تشخیص آسیب‌پذیری و خودکارسازی پیش‌نویس‌های انطباق SOC2، HIPAA، GDPR.

اعمال ابزارهای مبتنی بر هوش مصنوعی برای Static Application Security Testing (SAST) و Dynamic Application Security Testing (DAST).

پیش‌نیازها:

  • درک اولیه از مفاهیم توسعه نرم‌افزار
  • نیازی به تجربه قبلی در زمینه هوش مصنوعی یا یادگیری ماشین نیست
  • یک ذهن کنجکاو آماده برای کشف مهندسی پرامپت، APIهای هوش مصنوعی مولد و تکنیک‌های جدید کدنویسی با ابزارهای مبتنی بر هوش مصنوعی.
  • دسترسی به لپ‌تاپ یا کامپیوتر با اتصال به اینترنت

دوره "هوش مصنوعی مولد برای مهندسان و توسعه‌دهندگان نرم‌افزار" برای توانمندسازی توسعه‌دهندگان مدرن با مهارت‌های لازم برای ادغام ابزارهای هوش مصنوعی پیشرفته در چرخه عمر توسعه نرم‌افزار طراحی شده است. این دوره با یک پایه محکم شروع می‌شود و ابتدا هوش مصنوعی مولد را با استفاده از مثال‌های دنیای واقعی توضیح می‌دهد و سپس به بررسی نحوه عملکرد GenAI می‌پردازد و مدل‌های Transformer و Diffusion را پوشش می‌دهد. فراگیران به وضوح هوش مصنوعی پیش‌بینانه را از هوش مصنوعی مولد در زمینه‌های نرم‌افزاری متمایز خواهند کرد و درک خواهند کرد که چگونه GenAI وظایفی مانند تولید کد، رفع اشکال، مستندسازی، اتوماسیون DevOps و طراحی معماری را متحول می‌کند. مثال‌های عملی شامل کار با GPT-4، Claude 3، Codex، Gemini 1.5 و CodeLlama است.

یک بررسی عمیق از معماری LLMها، شبکه‌های Transformer و Self-Attention را در کنار مفاهیمی مانند tokenization، context windows و محدودیت‌های مدل توضیح می‌دهد. فراگیران fine-tuning را با in-context learning مقایسه خواهند کرد و LLMهای کد تخصصی مانند Codex، StarCoder، CodeGen و AlphaCode را مطالعه خواهند کرد. جلسات عملی، دسترسی به APIهای مدل را از طریق OpenAI، Hugging Face و Anthropic معرفی می‌کنند. این دوره همچنین تخصص در مهندسی پرامپت را ایجاد می‌کند و اصول موثر، zero-shot، one-shot، few-shot prompting، تکنیک‌های Chain of Thought (CoT) و Tree of Thought (ToT) و ایجاد قالب‌های پرامپت قابل استفاده مجدد را پوشش می‌دهد.

با حرکت به سمت طراحی کاربردی، فراگیران الگوهای معماری پیشنهادی هوش مصنوعی را بررسی می‌کنند، نمودارهای ER، نمودارهای توالی را ایجاد می‌کنند، تجزیه و تحلیل‌های مقایسه‌ای معماری را انجام می‌دهند و پشته‌های فناوری را ارزیابی می‌کنند. ماژول‌های کدنویسی عملی، تولید کد چند فایلی، ایجاد کلاس/ماژول/تابع، بازسازی کد با استفاده از اصول SOLID/DRY، افزودن مستندات و بررسی PRهای مبتنی بر GenAI را آموزش می‌دهند. بخش‌های بعدی بر تحلیل استاتیک، تشخیص باگ، تست واحد/ادغام، تولید Dockerfile/مانیفست Kubernetes، اسکریپت‌نویسی IaC و راه‌اندازی مانیتورینگ با استفاده از Prometheus و Grafana تمرکز دارند.

امنیت از طریق تولید کد امن، پرامپت‌های مدل‌سازی تهدید، اتوماسیون انطباق (SOC2، HIPAA، GDPR) و هوش مصنوعی در SAST/DAST ادغام شده است. در نهایت، فراگیران به بیش از 1000 پرامپت تنظیم‌شده دسترسی پیدا می‌کنند که به‌طور خاص برای افزایش بهره‌وری مهندسی نرم‌افزار با هوش مصنوعی مولد طراحی شده‌اند.


سرفصل ها و درس ها

Introduction

  • هوش مصنوعی مولد چیست؟ What is Generative AI?

  • نحوه عملکرد هوش مصنوعی مولد: مدل‌های ترنسفورمر، مدل‌های انتشار How Generative AI works: Transformer models, Diffusion models

  • تفاوت بین هوش مصنوعی پیش‌بینانه در مقابل هوش مصنوعی مولد در توسعه نرم‌افزار Difference between predictive AI vs generative AI in software development

  • موارد استفاده: تولید کد، رفع اشکال، مستندسازی، DevOps، معماری Use cases: code generation, bug fixing, documentation, DevOps, architecture

  • مثال‌ها: GPT-4، Claude 3، Codex، Gemini 1.5، CodeLlama Examples: GPT-4, Claude 3, Codex, Gemini 1.5, CodeLlama

غواصی عمیق در مدل‌های زبانی بزرگ (LLM) برای مهندسی نرم‌افزار Deep Dive into Large Language Models (LLMs) for Software Engineering

  • معماری LLMها: شبکه‌های ترنسفورمر، مکانیسم توجه خودکار Architecture of LLMs: Transformer Networks, Self-Attention Mechanism

  • توکن‌سازی، پنجره‌ی زمینه و محدودیت‌ها Tokenization, context window, and limitations

  • تنظیم دقیق در مقابل یادگیری درون متنی Fine-tuning vs In-context Learning

  • LLMهای کد تخصصی: Codex، StarCoder، CodeGen، AlphaCode Specialized Code LLMs: Codex, StarCoder, CodeGen, AlphaCode

  • معرفی APIهای مدل (OpenAI، Hugging Face، Anthropic) Introduction to model APIs (OpenAI, Hugging Face, Anthropic)

تسلط بر مهندسی Prompt برای توسعه نرم‌افزار Mastering Prompt Engineering for Software Development

  • اصول طراحی Prompt مؤثر Principles of Effective Prompt Design

  • Prompting صفر شات، یک شات، چند شات Zero-shot, One-shot, Few-shot prompting

  • Chain of Thought (CoT) و Tree of Thought (ToT) prompt Chain of Thought (CoT) and Tree of Thought (ToT) prompting

  • ایجاد الگوهای Prompt قابل استفاده مجدد Creating reusable prompt templates

  • الگوهای پیشنهاد خودکار، قطعه کد یا معماری‌های میکروسرویس Auto-suggesting patterns, snippets, or microservices architectures

معماری و طراحی نرم‌افزار مبتنی بر هوش مصنوعی AI-Powered Software Architecture and Design

  • تولید معماری سطح بالا از Promptها High-level architecture generation from prompts

  • میکروسرویس‌ها در مقابل Monolithic: توصیه‌های طراحی هوش مصنوعی Microservices vs Monolithic: AI design recommendations

  • تولید نمودارهای ER، نمودارهای توالی، نمودارهای کامپوننت Generating ER diagrams, sequence diagrams, component diagrams

  • تجزیه و تحلیل مقایسه‌ای معماری توسط GenAI Architectural trade-off analysis by GenAI

  • Promptهای ارزیابی Stack فناوری Technology Stack evaluation prompts

تولید کد، بازسازی و بهبود Code Generation, Refactoring, and Enhancement

  • تولید کد چند فایلی و ساختارهای پوشه Multi-file code generation and folder structures

  • تولید خودکار کلاس‌ها، ماژول‌ها، توابع Auto-generation of classes, modules, functions

  • بازسازی کد: بهبود خوانایی، عملکرد و قابلیت نگهداری Code refactoring: improving readability, performance, and maintainability

  • پایبندی به اصول SOLID، اصول DRY Adhering to SOLID principles, DRY principles

  • افزودن نظرات و مستندات با GenAI Adding comments and documentation with GenAI

بررسی خودکار کد و تحلیل ایستا با استفاده از GenAI Automated Code Review and Static Analysis Using GenAI

  • Prompt کردن GenAI برای بررسی PRها (درخواست‌های Pull) Prompting GenAI to review PRs (Pull Requests)

  • تحلیل کد استاتیک با GenAI (امنیت، عملکرد، قابلیت نگهداری) Static Code Analysis with GenAI (security, performance, maintainability)

  • تشخیص باگ، تشخیص الگوهای ضد Bug detection, anti-pattern recognition

  • پیشنهاد خودکار بهبود و بازسازی Auto-suggesting improvements and refactorings

تست نرم‌افزار تولید شده توسط هوش مصنوعی AI-Generated Software Testing

  • تولید تست‌های واحد، تست‌های یکپارچگی و تست‌های E2E Generating Unit Tests, Integration Tests, and E2E Tests

  • نوشتن موارد تست از امضاهای تابع Writing test cases from function signatures

  • ایجاد تست‌های API (مثال: مجموعه‌های Postman از طریق هوش مصنوعی) Creating API tests (example: Postman collections via AI)

  • ایجاد تست‌های فاز (fuzz tests) و تست‌های مرزی با استفاده از هوش مصنوعی Building fuzz tests and boundary tests using AI

  • تجزیه و تحلیل پوشش کد با تست‌های تولید شده توسط GenAI Code coverage analysis with GenAI-generated tests

DevOps و اتوماسیون زیرساخت با هوش مصنوعی مولد DevOps and Infrastructure Automation with Generative AI

  • تولید Dockerfileها، مانیفست‌های Kubernetes، اسکریپت‌های Terraform Generating Dockerfiles, Kubernetes manifests, Terraform scripts

  • خودکارسازی GitHub Actions، خطوط لوله CI/CD گیت‌لب Automating GitHub Actions, GitLab CI/CD pipelines

  • Promptهای زیرساخت به عنوان کد (IaC) Infrastructure as Code (IaC) prompts

  • تنظیم مانیتورینگ: داشبوردهای Prometheus، Grafana با استفاده از Prompt Monitoring setup: Prometheus, Grafana dashboards using prompts

قابلیت اطمینان سیستم، قابلیت مشاهده و مدیریت حوادث با GenAI System Reliability, Observability, and Incident Management with GenAI

  • تولید Service Level Objectives (SLOs) و Service Level Indicators (SLIs) Generating Service Level Objectives (SLOs) and Service Level Indicators (SLIs)

  • طراحی داشبوردهای Observability Designing Observability dashboards

  • ایجاد کتابچه‌های راهنما (Runbook) خودکار برای حوادث Creating automated runbooks for incidents

  • شبیه‌سازی حالت‌های خرابی و تولید راهنماهای بازیابی فاجعه Simulating failure modes and generating disaster recovery guides

توسعه نرم‌افزار ایمن و انطباق با استفاده از GenAI Secure Software Development and Compliance Using GenAI

  • روش‌های تولید کد ایمن Secure Code Generation practices

  • مدل‌سازی تهدید و تشخیص آسیب‌پذیری با Prompt Threat modeling and vulnerability detection with prompts

  • اتوماسیون انطباق: پیش‌نویس اسناد SOC2، HIPAA، GDPR Compliance automation: SOC2, HIPAA, GDPR document drafts

  • هوش مصنوعی در تست امنیت برنامه‌های کاربردی ایستا (SAST) و امنیت برنامه‌های کاربردی پویا AI in Static Application Security Testing (SAST) and Dynamic Application Securit

1000+ Prompts - هوش مصنوعی مولد برای مهندسان و توسعه‌دهندگان نرم‌افزار 1000+ Prompts - Generative AI for Software Engineers and Developers

  • توسعه Backend با APIهای REST Backend Development with REST APIs

  • توسعه Frontend با React، Vue، Angular Frontend Development with React, Vue, Angular

  • طراحی پایگاه داده و بهینه‌سازی کوئری Database Design and Query Optimization

  • برنامه‌ریزی معماری میکروسرویس‌ها Microservices Architecture Planning

  • سیستم‌های احراز هویت (OAuth، JWT، SSO) Authentication Systems (OAuth, JWT, SSO)

  • مدل‌های مجوزدهی (RBAC، ABAC) Authorization Models (RBAC, ABAC)

  • اتوماسیون خط لوله DevOps (GitHub Actions، GitLab CI/CD) DevOps Pipeline Automation (GitHub Actions, GitLab CI/CD)

  • کانتینری‌سازی و بهترین روش‌های Docker Containerization and Docker Best Practices

  • زیرساخت به عنوان کد (Terraform، Pulumi) Infrastructure as Code (Terraform, Pulumi)

  • توسعه برنامه کاربردی بدون سرور (AWS Lambda، Azure Functions) Serverless Application Development (AWS Lambda, Azure Functions)

  • طراحی زیرساخت ابری (AWS، Azure، GCP) Cloud Infrastructure Design (AWS, Azure, GCP)

  • بهترین روش‌های امنیتی برای برنامه‌های وب Security Best Practices for Web Applications

  • تست امنیت برنامه‌های کاربردی ایستا (SAST) Static Application Security Testing (SAST)

  • تست امنیت برنامه‌های کاربردی پویا (DAST) Dynamic Application Security Testing (DAST)

  • اتوماسیون تست نفوذ (تست OWASP) Penetration Testing Automation (OWASP Testing)

  • توسعه و تقویت API ایمن Secure API Development and Hardening

  • مانیتورینگ و قابلیت مشاهده (Prometheus، Grafana) Monitoring and Observability (Prometheus, Grafana)

  • فریمورک‌های لاگ‌گیری و تحلیل لاگ (ELK Stack، Loki) Logging Frameworks and Log Analysis (ELK Stack, Loki)

  • برنامه‌ریزی بازیابی فاجعه و دسترسی بالا Disaster Recovery and High Availability Planning

  • اتوماسیون پاسخ به حادثه (Runbook، هشدارها) Incident Response Automation (Runbooks, Alerts)

  • تکنیک‌های بهینه‌سازی عملکرد Performance Optimization Techniques

  • استراتژی‌های کش (Redis، ادغام CDN) Caching Strategies (Redis, CDN Integrations)

  • اتوماسیون تست (Unit, Integration, E2E Tests) Testing Automation (Unit, Integration, E2E Tests)

  • تولید مورد تست و تحلیل پوشش Test Case Generation and Coverage Analysis

  • توسعه موبایل کراس پلتفرم (Flutter، React Native) Cross-Platform Mobile Development (Flutter, React Native)

  • الگوهای طراحی نرم‌افزار (Factory، Singleton، Adapter) Software Design Patterns (Factory, Singleton, Adapter)

  • اصول کد تمیز و بازسازی Clean Code Principles and Refactoring

  • استراتژی‌های مدرن‌سازی سیستم‌های قدیمی Legacy System Modernization Strategies

  • مدیریت API Gateway (Kong، AWS API Gateway) API Gateway Management (Kong, AWS API Gateway)

  • معماری مبتنی بر رویداد و سیستم‌های پیام‌رسانی (Kafka، RabbitMQ) Event-Driven Architecture and Messaging Systems (Kafka, RabbitMQ)

  • انطباق با حریم خصوصی داده‌ها (GDPR، HIPAA، SOC2) Data Privacy Compliance (GDPR, HIPAA, SOC2)

  • بهترین روش‌های کنترل نسخه (استراتژی‌های Git Branching) Version Control Best Practices (Git Branching Strategies)

  • سیستم‌های Feature Flag و مدیریت انتشار Feature Flag and Release Management Systems

  • معماری برنامه کاربردی چند مستاجری Multi-Tenant Application Architecture

  • استقرار هوش مصنوعی و یادگیری ماشین Artificial Intelligence and Machine Learning Deployment

  • CI/CD برای خطوط لوله یادگیری ماشینی (MLOps) CI/CD for Machine Learning Pipelines (MLOps)

  • زیرساخت خود ترمیم (اسکریپت‌های خودکار) Self-Healing Infrastructure (Auto-Remediation Scripts)

  • OpenTelemetry برای ردیابی توزیع‌شده و متریک‌ها OpenTelemetry for Distributed Tracing and Metrics

  • طراحی پایگاه داده گراف (Neo4j، کوئری‌های Cypher) Graph Database Design (Neo4j, Cypher Queries)

  • مهندسی Prompt برای تولید کد Prompt Engineering for Code Generation

  • مهندسی Prompt برای بررسی کد و تحلیل استاتیک Prompt Engineering for Code Review and Static Analysis

  • استقرار و مدیریت چند ابری Multi-Cloud Deployment and Management

  • پیاده‌سازی مدل امنیتی Zero Trust Zero Trust Security Model Implementation

  • تست بار API و تست استرس (Locust، k6) API Load Testing and Stress Testing (Locust, k6)

  • امنیت کانتینر (اسکن، سخت‌سازی، امضا) Container Security (Scanning, Hardening, Signing)

  • طراحی مبتنی بر دامنه (DDD) برای برنامه‌های سازمانی Domain-Driven Design (DDD) for Enterprise Applications

  • بهترین روش‌های Kubernetes برای استقرار برنامه Kubernetes Best Practices for Application Deployment

  • مانیتورینگ بودجه خطا و اهداف سطح سرویس (SLOs) Monitoring Error Budgets and Service Level Objectives (SLOs)

  • ساخت پورتال‌های توسعه‌دهندگان و پلتفرم‌های توسعه‌دهنده داخلی (IDP) Building Developer Portals and Internal Developer Platforms (IDPs)

  • مهندسی عملکرد و تکنیک‌های بهینه‌سازی سیستم Performance Engineering and System Optimization Techniques

نمایش نظرات

آموزش هوش مصنوعی مولد برای مهندسان نرم‌افزار و توسعه‌دهندگان
جزییات دوره
2 hours
96
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,840
4.1 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Edcorner Learning Edcorner Learning

دوره های آموزش آنلاین Edcorner گزینه های آموزشی متمرکز بر مشتری را در قالب های مختلف و روش های تحویل ارائه می دهد ، و به افراد و سازمان ها آموزش با کیفیت بالا ارائه می دهد که می تواند متناسب با سبک های یادگیری فردی و نیازهای خاص باشد ، مانند آموزش آنلاین ، آموزش سفارشی ، آموزش خود گام ، محل آموزش. مدرسان ما از سراسر حوزه دارای مهارت و تخصص بالایی هستند. Edcorner آموزش مهارت های زیر را ارائه می دهد: 1. HR و HR Analytics ، روز کاری HCM. 2. برنامه نویسی - C ، C ++ ، C Sharp ، JAVA ، JS ، Angular ، Python ، HTML CSS. PHP ، Flutter ، vb.net ، .net ، Unity و موارد دیگر. 3. امنیت سایبری. 4. بلاکچین. 5. SAP