آموزش جامع Amazon Q Developer برای مبتدیان - عملی و پروژه محور [ویدیو] - آخرین آپدیت

دانلود Amazon Q Developer for the absolute beginners - Hands-on [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک معرفی جامع و عمیق از Amazon Q است که به طور خاص برای مبتدیانی طراحی شده که مشتاق ورود به دنیای توسعه با هوش مصنوعی هستند. شما با بررسی اکوسیستم Amazon Q شروع خواهید کرد، تفاوت‌های بین نسخه‌های تجاری (Business) و توسعه‌دهنده (Developer) را درک کرده و با کاربردهای واقعی آن آشنا می‌شوید. مسیر یادگیری با آماده‌سازی محیط، شامل نصب Amazon Q CLI روی اوبونتو و یکپارچه‌سازی آن با VS Code آغاز می‌شود. در مرحله بعد، این دوره شما را در ساخت، استقرار و ارتقای برنامه‌های پایتون با استفاده از Amazon Q راهنمایی می‌کند. از طریق دموهای عملی، یاد می‌گیرید که چگونه از Amazon Q Chat بهره ببرید، CLI را برای موارد استفاده واقعی به کار گیرید و برنامه‌ها را با ویژگی‌های مبتنی بر هوش مصنوعی بهبود بخشید. پس از درک مفاهیم پایه، نقش Amazon Q در DevOps، از جمله زیرساخت به عنوان کد (IaC) با استفاده از Terraform و Ansible برای اتوماسیون فرآیند استقرار را بررسی خواهید کرد. bخش‌های نهایی بر روی بهترین روش‌ها، از جمله مهندسی پرامپت (Prompt Engineering) موثر و استفاده مسئولانه از هوش مصنوعی متمرکز است. شما یاد می‌گیرید که چگونه پرامپت‌های خود را برای تولید کدهای باکیفیت بهینه کرده و توهمات (Hallucinations) در خروجی‌های هوش مصنوعی را کاهش دهید. در پایان دوره، مهارت‌های لازم برای توسعه و استقرار برنامه‌های پایتون، نوشتن تست‌های واحد (Unit Tests) و تضمین استفاده مسئولانه از AI را کسب خواهید کرد. آنچه در این دوره می‌آموزید: - درک اکوسیستم Amazon Q و سطوح دسترسی توسعه‌دهنده - نصب و پیکربندی Amazon Q CLI در اوبونتو و VS Code - ساخت و استقرار برنامه‌های پایتون با استفاده از Amazon Q - ادغام ویژگی‌های هوش مصنوعی در برنامه‌ها - پیاده‌سازی اصول DevOps برای زیرساخت به عنوان کد (IaC) - ایجاد پرامپت‌های مسئولانه برای به حداقل رساندن خطاها در کدنویسی این دوره برای مبتدیانی است که هیچ تجربه قبلی در Amazon Q یا توسعه AI ندارند. این آموزش برای توسعه‌دهندگان، دانشمندان داده و مهندسان آینده AI که می‌خواهند از Amazon Q برای ساخت اپلیکیشن استفاده کنند، ایده‌آل است. اگرچه دانش پایه برنامه‌نویسی (به ویژه پایتون) مفید است، اما الزامی نیست. چه در دنیای AI تازه‌وارد باشید و چه به دنبال گسترش مهارت‌های خود، این دوره شما را با دانش بنیادی برای شروع، کاربرد در سناریوهای واقعی و افزایش بهره‌وری با ابزارهای پیشرفته تجهیز می‌کند. ویژگی‌های دوره: * یادگیری عملی با مثال‌های واقعی از برنامه‌های پایتون * آموزش جامع آماده‌سازی محیط برای اوبونتو و VS Code * آموزش‌های گام‌به‌گام ساخت و استقرار اپلیکیشن‌های پایتون

سرفصل ها و درس ها

معرفی دوره Course Introduction

  • مقدمه Introduction

آشنایی با Amazon Q Developer Introduction to Amazon Q Developer

  • درک اکوسیستم هوش مصنوعی Understanding the AI Ecosystem

  • Amazon Q چیست؟ What is Amazon Q

  • تفاوت Amazon Q Business و Amazon Q Developer Amazon Q Business vs Amazon Q Developer

  • مروری بر قابلیت‌های Amazon Q Overview of Amazon Q Offerings

  • سطوح دسترسی Amazon Q Developer Amazon Q Developer Tiers

  • شروع کار با Amazon Q Developer Getting Started with Amazon Q Developer

  • موارد استفاده در دنیای واقعی و ویژگی‌های کلیدی Real-World Use Cases & Key Features

  • چگونه Amazon Q بهره‌وری را افزایش می‌دهد How Amazon Q Improves Productivity

آماده‌سازی محیط و نصب Environment Setup and Installation

  • دمو: پیش‌نیازها و مستندات Amazon Q Demonstration - Prerequisites & Amazon Q Documentation

  • دمو: نصب Amazon Q CLI روی اوبونتو (لینوکس) Demonstration - Installing Amazon Q CLI on Ubuntu (Linux)

  • دمو: نصب پلاگین Amazon Q در VS Code Demonstration - Installing Amazon Q Plugin in VS Code

  • دمو: شروع کار با Amazon Q Chat و قابلیت‌های آن Demonstration - Getting Started with Amazon Q Chat and its Features

استفاده از Amazon Q Developer برای پایتون (محیط لینوکس) Amazon Q Developer for Python (Linux Environment)

  • دمو: ساخت یک برنامه پایتون با استفاده از Q CLI Demonstration - Building a Python Application Using Q CLI

  • دمو: استقرار برنامه پایتون Demonstration - Deploying a Python Application

  • دمو: ارتقای برنامه با استفاده از Amazon Q Demonstration - Enhancing the Application with Amazon Q

استفاده از Amazon Q Developer برای پایتون (با VS Code) Amazon Q Developer for Python (with VS Code)

  • دمو: توسعه برنامه پایتون با استفاده از Amazon Q Chat Demonstration - Developing a Python Application Using Amazon Q Chat

  • دمو: افزودن ویژگی‌های جدید به برنامه پایتون Demonstration - Adding Features to Python Application

  • دمو: تولید مستندات Demonstration - Generating Documentation

کار با Amazon Q Developer روی کدهای موجود Amazon Q Developer with Existing Code

  • دمو: استفاده از Amazon Q برای درک و بهبود ویژگی‌های برنامه Demonstration - Using Amazon Q to Understand and Enhance Application Features

  • دمو: نوشتن تست‌های واحد (Unit Tests) Demonstration - Writing Unit Tests

  • دمو: نوشتن مستندات فنی Demonstration - Writing Documentation

استفاده از Amazon Q Developer برای DevOps (IaC) Amazon Q Developer for DevOps (IaC)

  • دمو: آماده‌سازی پیش‌نیازها (AWS CLI, Terraform و Ansible CLI) Demonstration - Setup Prerequisites (AWS CLI, Terraform, and Ansible CLI)

  • دمو: استقرار زیرساخت با استفاده از Terraform Demonstration - Deploying Infrastructure using Terraform

  • دمو: ایجاد و استقرار Ansible Playbooks Demonstration - Creating and Deploying Ansible Playbooks

  • دمو: نوشتن مستندات زیرساختی Demonstration - Writing Documentation

بهترین روش‌ها و مهندسی پرامپت برای توسعه‌دهندگان Best Practices & Prompt Engineering for Developers

  • نوشتن پرامپت‌های موثر برای تولید کد Writing Effective Prompts for Code Generation

  • استفاده مسئولانه از هوش مصنوعی در توسعه Responsible AI Usage in Development

  • کاهش توهمات و تایید صحت خروجی Reducing Hallucinations & Verifying Output

جمع‌بندی Conclusion

  • جمع‌بندی نهایی Conclusion

نمایش نظرات

آموزش جامع Amazon Q Developer برای مبتدیان - عملی و پروژه محور [ویدیو]
جزییات دوره
4h 7m
30
Packtpub Packtpub
(آخرین آپدیت)
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

Yogesh Raheja, Thinknyx Technologies Yogesh Raheja, Thinknyx Technologies

Thinknyx® Technologies یک برند شناخته شده است که خدمات مشاوره و پیاده سازی فناوری اطلاعات را ارائه می دهد، آموزش های جامع فناوری اطلاعات و مهارت های نرم ارائه می دهد و راه حل های استعدادیابی (استخدام) را برای سازمان های مختلف در سراسر جهان ارائه می دهد. با بیش از یک دهه تجربه اصلی در صنعت، آنها با موفقیت به مشتریان خود در برنامه ریزی استراتژیک و اجرای بی عیب و نقص راه حل های پیرامون ابتکارات فناوری اطلاعات و غیر IT کمک کرده اند. یوگش راهجا بنیانگذار و یک معمار ارشد راه حل در Thinknyx Technologies و مدرس دوره های ویدیویی است. یوگش مشاور قابل اعتماد سازمان‌های متعددی بوده است و با تخصص خود آنها را در سفر DevOps، زیرساخت‌های کد، کانتینری‌سازی، محاسبات ابری، راه‌حل‌های اتوماسیون و هوش مصنوعی/ML/هوش مصنوعی مولد راهنمایی می‌کند. او همچنین چندین کتاب منتشر شده در سطح جهانی (مانند "DevOps موثر با AWS"، "Automation with SaltStack"، "Automation with Puppet 5" و "Automation with Ansible") منتشر شده توسط Packt، Wiley و OrangeAVA را تالیف کرده است.