لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش برنامهنویسی با حس و حال (Vibe Coding) با استفاده از GitHub Copilot
- آخرین آپدیت
دانلود Vibe Coding with GitHub Copilot
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره برنامهنویسان، مهندسان و متخصصان فنی را با مهارتهای عملی مورد نیاز برای طراحی، مدیریت و پیادهسازی جریانهای کاری توسعه نرمافزار به کمک هوش مصنوعی، با استفاده از اصول ساختاریافته Vibe Coding مجهز میکند. این دوره که برای محیطهای مهندسی مدرن با اولویت هوش مصنوعی (AI-first) طراحی شده است، بر یادگیری عملی از طریق مهندسی پرامپت (Prompt Engineering)، استراتژیهای مدیریت زمینه (Context Management) و استفاده از GitHub Copilot تمرکز دارد تا به فراگیران کمک کند سیستمهای قابل اعتماد و آماده تولید را به صورت کارآمد و مسئولانه بسازند.
شما با کاوش در مبانی Vibe Coding و توسعه به کمک هوش مصنوعی شروع خواهید کرد و درک خواهید کرد که سیستمهای هوش مصنوعی چگونه دستورات را تفسیر و کد تولید میکنند. این بخش شامل درک طراحی پرامپت ساختاریافته، اهمیت نقشها و محدودیتها، و چگونگی تبدیل خروجیهای متغیر به نتایج مهندسی قابل پیشبینی از طریق تعامل منضبط با هوش مصنوعی است. همچنین یاد خواهید گرفت که چگونه هوش مصنوعی در جریانهای کاری مدرن، به جای جایگزینی تخصص انسانی، آن را تقویت میکند.
با تکیه بر این پایه، دوره به معرفی مهندسی زمینه (Context Engineering) و تکنیکهای پیشرفته پرامپتنویسی میپردازد. شما یاد خواهید گرفت که چگونه زمینه هوش مصنوعی را در پروژههای چند فایلی مدیریت کنید، ویژگیهای پیچیده را به وظایف ساختاریافته چند مرحلهای تقسیم کنید و استراتژیهای پرامپتنویسی مرحلهبندی شده را برای بهبود قابلیت اطمینان به کار ببرید. از طریق تمرینهای عملی، الگوهای پرامپت قابل استفاده مجدد و استراتژیهای جریان کاری را توسعه خواهید داد که فراتر از قطعهکدهای کوچک، تا توسعه ویژگیهای کامل مقیاسپذیر هستند.
در ادامه، برنامه آموزشی بر ادغام GitHub Copilot در محیطهای مهندسی حرفهای تمرکز میکند. شما تجربه عملی در استفاده از Copilot برای تولید کد، دیباگ کردن، بازنویسی (Refactoring)، مستندسازی و ایجاد تستها کسب خواهید کرد. این دوره نشان میدهد که چگونه ابزارهای هوش مصنوعی را در جریانهای کاری اسپرینت، بررسی کد (Code Review) و فرآیندهای توسعه مشارکتی، ضمن حفظ استانداردهای بالا برای قابلیت نگهداری و امنیت، ادغام کنید.
سپس برنامه بر تضمین کیفیت، حاکمیت و استفاده مسئولانه از هوش مصنوعی تأکید میکند. شما یاد خواهید گرفت که چگونه کدهای تولید شده توسط هوش مصنوعی را با استفاده از رویکردهای تست ساختاریافته تأیید کنید، بهترین شیوههای امنیتی را اعمال کنید و مکانیسمهای نظارت انسانی را پیادهسازی کنید. این دوره اهمیت ایجاد تعادل بین سرعت و قابلیت اطمینان را تقویت میکند تا اطمینان حاصل شود که توسعه به کمک هوش مصنوعی، مقیاسپذیر و همسو با استانداردهای مهندسی حرفهای باقی میماند.
در نهایت، دوره با یک تجربه جامع پروژه پایانی (Capstone) به اوج خود میرسد که در آن یک جریان کاری توسعه ساختاریافته به کمک هوش مصنوعی را برای یک اپلیکیشن واقعی طراحی و پیادهسازی میکنید. شما مهندسی پرامپت، مدیریت زمینه، ادغام Copilot و استراتژیهای اعتبارسنجی را در یک پروژه کامل که بازتابدهنده شیوههای مدرن مهندسی نرمافزار با اولویت هوش مصنوعی است، به کار خواهید گرفت.
در پایان این دوره، شما قادر خواهید بود:
- اصول مهندسی پرامپت ساختاریافته را برای تولید کدهای قابل اعتماد با کمک هوش مصنوعی به کار ببرید.
- جریانهای کاری آگاه از زمینه (Context-aware) برای وظایف توسعه پیچیده و چند فایلی طراحی کنید.
- GitHub Copilot را به طور مؤثر در محیطهای توسعه حرفهای ادغام کنید.
- کدهای تولید شده توسط هوش مصنوعی را از نظر کیفیت و امنیت تأیید، تست و بازبینی کنید.
- جریانهای کاری توسعه مقیاسپذیر و قابل استفاده مجدد با کمک هوش مصنوعی بسازید.
- شیوههای حاکمیت مسئولانه هوش مصنوعی را در مهندسی نرمافزار پیادهسازی کنید.
- پروژههای توسعه اپلیکیشن کامل را با کمک هوش مصنوعی طراحی و اجرا کنید.
این دوره برای افراد زیر طراحی شده است:
- توسعهدهندگان نرمافزار که در حال انتقال به جریانهای کاری مبتنی بر هوش مصنوعی هستند.
- مدیران تیمهای مهندسی که به دنبال مدرنسازی روشهای توسعه هستند.
- دانشجویان علوم کامپیوتر که برای محیطهای مبتنی بر هوش مصنوعی آماده میشوند.
- معماران فنی که استراتژیهای ادغام هوش مصنوعی را ارزیابی میکنند.
- توسعهدهندگانی که به دنبال بهبود بهرهوری با استفاده از GitHub Copilot هستند.
- هر کسی که علاقهمند به تسلط بر توسعه نرمافزار ساختاریافته به کمک هوش مصنوعی است.
به ما بپیوندید تا مهارتهای عملی مهندسی پرامپت، مدیریت زمینه و طراحی جریان کاری هوش مصنوعی را که برای ساخت اپلیکیشنهای قابل اعتماد، مقیاسپذیر و آماده تولید در عصر توسعه نرمافزار مبتنی بر هوش مصنوعی لازم است، کسب کنید.
سرفصل ها و درس ها
مبانی Vibe Coding و مهندسی پرامپت
Vibe Coding and Prompt Engineering Fundamentals
معرفی تخصص
Specialization Introduction
معرفی دوره
Course Introduction
Vibe Coding: مقدمهای بر توسعه نرمافزار با اولویت هوش مصنوعی
Vibe Coding: An Introduction to AI-First Software Development
مبانی مهندسی پرامپت و تعامل با هوش مصنوعی
Foundations of Prompt Engineering and AI Interaction
تمرین عملی: کاوش در تولید کد توسط هوش مصنوعی برای اولین بار
Hands-On: Exploring AI Code Generation for the First Time
طراحی پرامپت ساختاریافته برای خروجیهای قابل اعتماد هوش مصنوعی
Structured Prompt Design for Reliable AI Outputs
الگوهای رایج پرامپت برای تولید کد
Common Prompt Patterns for Code Generation
تمرین عملی: نوشتن اولین پرامپتهای مؤثر خودتان
Hands-On: Writing Your First Effective Prompts
تمرین عملی: استفاده از قالبهای پرامپت برای توابع و کلاسها
Hands-On: Using Prompt Templates for Functions and Classes
تمرین عملی: ساخت کتابخانه الگوهای پرامپت خودتان
Hands-On: Building Your Prompt Pattern Library
مهندسی زمینه و پرامپتنویسی پیشرفته
Context Engineering and Advanced Prompting
مهندسی زمینه چیست؟
What is Context Engineering?
تمرین عملی: ساخت زمینه مؤثر با پنجرهها و معماری اطلاعات
Hands-On: Building Effective Context with Windows and Information Architecture
تمرین عملی: توسعه مبتنی بر کامنت با استفاده از زمینه
Hands-On: Comment-Driven Development with Context
تمرین عملی: مدیریت زمینه در میان فایلها و پروژهها
Hands-On: Managing Context Across Files and Projects
استراتژیهای پرامپتنویسی تکرار شونده و اصلاحی
Iterative Prompting and Refinement Strategies
بهینهسازی زمینه برای حداکثر کیفیت کد
Optimizing Context for Maximum Code Quality
تمرین عملی: پرامپتنویسی چند مرحلهای برای وظایف پیچیده
Hands-On: Multi-Step Prompting for Complex Tasks
تمرین عملی: پرامپتنویسی زنجیره تفکر (Chain of Thought) برای منطق بهتر
Hands-On: Chain-of-Thought Prompting for Better Logic
ویژگیها و جریانهای کاری GitHub Copilot
GitHub Copilot Features and Workflows
معماری و قابلیتهای GitHub Copilot
GitHub Copilot Architecture and Capabilities
تمرین عملی: نصب و پیکربندی GitHub Copilot
Hands-On: Installing and Configuring GitHub Copilot
تمرین عملی: پیشنهادات درونخطی و تکمیل خودکار با Tab
Hands-On: Inline Suggestions and Tab Completion
Copilot Chat: رابطهای گفتگویی برای توسعه کد
Copilot Chat: Conversational Interfaces for Code Development
تمرین عملی: استفاده از چت برای توضیح کد و مستندسازی
Hands-On: Using Chat for Code Explanations and Documentation
تمرین عملی: دیباگ کردن و بازنویسی با Copilot Chat
Hands-On: Debugging and Refactoring with Copilot Chat
تضمین کیفیت در کدهای تولید شده توسط هوش مصنوعی
Ensuring Quality in AI-Generated Code
تمرین عملی: تست و تأیید کدهای تولید شده توسط هوش مصنوعی
Hands-On: Testing and Validating AI-Generated Code
تمرین عملی: بهترین شیوههای امنیتی با Copilot
Hands-On: Security Best Practices with Copilot
توسعه پیشرفته با Copilot و پروژههای دنیای واقعی
Advanced Copilot Development and Real-World Projects
تمرین عملی: تولید کد چند فایلی و بازنویسی (Refactoring)
Hands-On: Multi-File Code Generation and Refactoring
تمرین عملی: استفاده از Copilot برای مستندسازی و کامنتها
Hands-On: Copilot for Documentation and Comments
تمرین عملی: ساخت یک اپلیکیشن وب کامل با Copilot
Hands-On: Building a Complete Web Application with Copilot
تمرین عملی: برنامهریزی و معماری پروژه پایانی
Hands-On: Planning and Architecting Your Capstone Project
تمرین عملی: ساخت اپلیکیشن پروژه پایانی
Hands-On: Building Your Capstone Application
تمرین عملی: تست، مستندسازی و استقرار در محیط عملیاتی
Hands-On: Testing, Documentation, and Production Deployment
نمایش نظرات