آموزش هوش مصنوعی برای همه؛ سواد ضروری هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

مقدمه INTRODUCTION

• خوش‌آمدگویی: این دوره چیست و چرا اهمیت دارد Welcome: What This Course Is and Why It Matters

• این دوره برای چه کسانی است Who This Course Is For

• چگونه بیشترین بهره را از این دوره ببریم How to Get the Most Out of This Course

اهداف یادگیری LEARNING OBJECTIVES

• در پایان این دوره قادر به انجام چه کارهایی خواهید بود What You Will Be Able to Do By the End of This Course

• بدون پیش‌نیاز —فقط کنجکاوی شما کافی است No Prerequisites — Just Curiosity Required

ماژول‌های اصلی —مبانی سواد هوش مصنوعی CORE MODULES — AI LITERACY FOUNDATIONS

• ماژول ۱ —هوش مصنوعی واقعاً چیست (و چه چیزی نیست) Module 1 — What AI Actually Is (And What It Is Not)

• آزمون ماژول ۱ Module 1 Quiz

• ماژول ۲ —AI چگونه یاد می‌گیرد: توضیح ساده الگوها، داده‌ها و مدل‌ها Module 2 — How AI Learns: Patterns, Data, and Models Explained Simply

• آزمون ماژول ۲ Module 2 Quiz

• ماژول ۳ —محدودیت‌های واقعی AI: چه کارهایی نمی‌تواند انجام دهد (و چرا این موضوع مهم است) Module 3 — The Real Limits of AI: What It Cannot Do (And Why This Matters)

• آزمون ماژول ۳ Module 3 Quiz

• ماژول ۴ —همکاری انسان و AI: کار کردن با هوش مصنوعی، نه در مقابل آن Module 4 — Human-AI Collaboration: Working With AI, Not Against It

• آزمون ماژول ۴ Module 4 Quiz

• ماژول ۵ —استفاده مسئولانه از AI: اخلاق، سوگیری و اعتماد در محیط کار Module 5 — Responsible AI Use: Ethics, Bias, and Trust in the Workplace

• آزمون ماژول ۵ Module 5 Quiz

مثال‌های کاربردی WORKED EXAMPLES

• مثال ۱: استفاده از AI برای پیش‌نویس و بهبود ایمیل‌های کاری Example 1: Using AI to Draft and Improve a Work Email

• مثال ۲: استفاده از AI برای خلاصه‌سازی سریع گزارش‌های طولانی Example 2: Using AI to Summarise a Long Report in Seconds

• مثال ۳: تشخیص زمان‌هایی که خروجی AI اشتباه یا گمراه‌کننده است Example 3: Spotting When AI Output Is Wrong or Misleading

مطالعه موردی واقعی REAL-WORLD CASE STUDY

• مطالعه موردی: نحوه پیاده‌سازی AI در سطح شرکت GlobalServe Case Study: How GlobalServe Rolled Out AI Company-Wide

• درس‌های آموخته شده: چه چیزهایی موفق بود، چه چیزهایی شکست خورد و چرا Lessons Learned: What Worked, What Failed, and Why

منابع قابل دانلود DOWNLOADABLE RESOURCES

• منبع ۱ —راهنمای اسطوره‌ها در مقابل واقعیت‌های AI Resource 1 — AI Myths vs Facts Cheat Sheet

• منبع ۲ —چک‌لیست همکاری انسان و AI Resource 2 — Human-AI Collaboration Checklist

بخش محتوای تکمیلی ADDITIONAL CONTENT SECTION

• ۵ مورد از رایج‌ترین باورهای غلط کارکنان درباره AI در سال ۲۰۲۶ Top 5 AI Myths Employees Still Believe in 2026

• نکات حرفه‌ای: چگونه در محیط کار به‌طور موثر به AI دستور (Prompt) دهیم Pro Tips: How to Prompt AI Tools Effectively at Work

جمع‌بندی دوره COURSE CONCLUSION

• مرور کلی: ۵ نکته‌ای که هر کارمندی باید اکنون درباره AI بداند Recap: The 5 Things Every Employee Should Now Know About AI

• گام بعدی شما: دوره دوم —ضروریات هوش مصنوعی Your Next Step: Course 2 — AI Essentials

ارزیابی نهایی FINAL ASSESSMENT

• ارزیابی نهایی Final Assessment