آموزش هوش مصنوعی برای Vibe Coding - آخرین آپدیت

ماژول ۱: مقدمه‌ای بر Vibe Coding و ابزارهای هوش مصنوعی Module 1: Introduction to Vibe Coding & AI Tools

• مقدمه دوره Course Introduction

• پادکست ماژول ۱: مقدمه‌ای بر Vibe Coding و ابزارهای هوش مصنوعی Podcast Module 1: Introduction to Vibe Coding & AI Tools

• ۱.۱ تعریف Vibe Coding و نحوه عملکرد آن 1.1 Vibe Coding: Definition and Working

• ۱.۲ نحوه استفاده از کدهای تولید شده و Vibe Coding برای نمونه‌سازی سریع در استارتاپ‌ها 1.2 How to Use the Generated Code and Vibe Coding for Rapid Prototyping in a Start-Up

• ۱.۳ تکامل هوش مصنوعی در توسعه نرم‌افزار – مقایسه Low Code، No Code و Vibe Coding 1.3 Evolution of AI in Software Development – Low Code vs No Code vs Vibe Coding

• ۱.۴ بررسی کلی ابزارهای رایج کدنویسی AI بر اساس کاربرد 1.4 Overview of Common AI Coding Tools by Functionality

• ۱.۵ چرخه حیات توسعه نرم‌افزار (SDLC) برای محصولات Vibe Coding 1.5 SDLC for a Vibe Coding Product

• ۱.۶ مطالعات موردی – اپلیکیشن‌های Vibe Coding قدرت گرفته از AI 1.6 Case Studies – AI-Powered Vibe Coding Applications

ماژول ۲: اصول و بهترین روش‌های پرامپت‌نویسی برای کد Module 2: Prompting for Code - Basics & Best Practices     

• پادکست ماژول ۲: اصول و بهترین روش‌های پرامپت‌نویسی برای کد Podcast Module 2: Prompting for Code - Basics & Best Practices 

• ۲.۱ اجزای کلیدی و اهمیت یک پرامپت خوب 2.1 Key Components and Importance of a Good Prompt

• ۲.۲ شناخت انواع پرامپت – دستوری، توصیفی و تکرارشونده 2.2 Understanding Prompt Types – Instructive, Descriptive, and Iterative

• ۲.۳ شناخت الگوهای پرامپت‌نویسی – Zero Shot، Few Shot و زنجیره افکار (Chain of Thought) 2.3 Understanding Prompting Patterns – Zero-Shot, Few-Shot, and Chain-of-Thought

• ۲.۴ موارد کاربرد عملی اصلاح و بهینه‌سازی پرامپت 2.4 Practical Use-Cases of Prompt Refinement and Optimization

• ۲.۵ تمرین (تکلیف) برای یادگیری شخصی 2.5 Assignment (Task) for Self-learning

ماژول ۳: عیب‌یابی و تست با استفاده از هوش مصنوعی Module 3: Debugging & Testing via AI

• پادکست ماژول ۳: عیب‌یابی و تست با استفاده از هوش مصنوعی Podcast Module 3: Debugging & Testing via AI

• ۳.۱ بررسی و اصلاح کدهای تولید شده توسط AI – مفاهیم، توصیف و بحث 3.1 Reviewing and Refining AI-Generated Code – Concepts, Description, and Discussion

• ۳.۲ مفاهیم، مثال‌ها و بحث در مورد رفع باگ و پوشش تست (Test Coverage) 3.2 Concepts, Examples, and Discussion on Bug Fixing and Test Coverage

• ۳.۳ مفاهیم، مثال‌ها و بحث در مورد استفاده از تست‌های واحد (Unit Testing) تولید شده توسط AI 3.3 Concepts, Examples, and Discussion on Using AI-Generated Unit Testing

• ۳.۴ شناسایی توهمات (Hallucinations) و کدهای ناامن در خروجی‌های AI 3.4 Detecting Hallucinations and Unsafe Code in AI-Generated Code

• ۳.۵ فعالیت‌های عیب‌یابی: یافتن و رفع باگ‌ها در کدهای تولید شده توسط AI 3.5 Debugging Activities: Finding and Fixing Bugs in AI-Generated Code

ماژول ۴: ساخت یک اپلیکیشن فول‌استک ساده با پرامپت‌ها Module 4: Building a Simple Full-Stack App with Prompts

• پادکست ماژول ۴: ساخت یک اپلیکیشن فول‌استک ساده با پرامپت‌ها Podcast Module 4: Building a Simple Full-Stack App with Prompts

• ۴.۱ درک و ساخت یک اپلیکیشن فول‌استک: مفاهیم و توصیفات 4.1 Understanding and Building a Full-Stack Application: Concepts and Description

• ۴.۲ استفاده از IDEها و تولیدکننده‌های کد برای ساختاردهی (Scaffolding) کد: مفاهیم و توصیفات 4.2 Using IDEs and Code Generators to Scaffold Code: Concepts and Description

• ۴.۳ اتصال اجزا با استفاده از زبان طبیعی: مفاهیم، مثال و توضیح 4.3 Connecting Components Using Natural Language: Concepts, Example and Explanation

• ۴.۴ استقرار، تست و پیاده‌سازی MVP در محیط شبیه‌سازی شده – مفاهیم، توصیف و اجرای کد 4.4 Deploying, Testing, and Deploying the MVP in a Simulated Environment – Concepts, Description, and Code Implementation

• ۴.۵ تمرین و تکلیف (یادگیری شخصی): ساخت سیستم مدیریت وظایف و فرم تماس هوشمند با استفاده از پرامپت‌ها 4.5 Assignment and Task (Self-Learning): Building a Task Management System and AI-Powered Contact Form Using Prompts

ماژول ۵: اخلاق کدنویسی، امنیت و محدودیت‌های هوش مصنوعی Module 5: Code Ethics, Security, and AI Limits

• پادکست ماژول ۵: اخلاق کدنویسی، امنیت و محدودیت‌های هوش مصنوعی Podcast Module 5: Code Ethics, Security, and AI Limits

• ۵.۱ درک محدودیت‌ها و سوگیری‌های هوش مصنوعی – مفاهیم و بحث 5.1 Understanding AI Limitations and Biases – Concepts and Discussion

• ۵.۲ تزریق پرامپت (Prompt Injection) و استراتژی‌های مقابله: مفاهیم و توصیف 5.2 Prompt Injection and Mitigation Strategies: Concepts and Description

• ۵.۳ حریم خصوصی داده‌ها و کدنویسی امن – مفاهیم، روش‌ها و پیاده‌سازی غیرفنی 5.3 Data Privacy and Secure Coding – Concepts, Practices, and Non-Technical Implementation

• ۵.۴ استفاده مسئولانه و استقرار اخلاقی هوش مصنوعی در محیط عملیاتی 5.4 Responsible Use and Ethical Deployment of AI in Production

ماژول ۶: پروژه نهایی – اپلیکیشن مبتنی بر پرامپت Module 6: Capstone Project – Prompt-Driven App

• پادکست ماژول ۶: پروژه نهایی – اپلیکیشن مبتنی بر پرامپت Podcast Module 6: Capstone Project – Prompt-Driven App

• ۶.۱ به‌کارگیری مهارت‌های آموخته شده در یک پروژه واقعی: درک مفاهیم و استفاده از پرامپت برای ساختاردهی کد 6.1 Applying Learned Skills in a Real-World Project: Understanding Concepts and Using Prompts to Scaffold Code

• ۶.۲ همکاری و تکرار با استفاده از ابزارهای AI: درک همکاری با AI و مثال‌های عملی از توسعه تکرارشونده 6.2 Collaborate and Iterate Using AI Tools: Understanding AI Collaboration and Practical Examples of Iterative Development

• ۶.۳ نمایش توسعه End-to-End با استفاده از پرامپت‌ها: ساخت یک اپلیکیشن کامل لیست انجام کار (To-Do List) هوشمند 6.3 Demonstrating End-to-End Development Using Prompts: Building a Complete AI-Powered To-Do List Application

• ۶.۴ مورد کاربردی پروژه نهایی: اپلیکیشن To-Do List قدرت گرفته از AI 6.4 Capstone Project Use Case: AI-Powered To-Do List Application

• ۶.۵ مورد کاربردی پروژه نهایی: اپلیکیشن دسکتاپ یادداشت‌برداری هوشمند 6.5 Capstone Project Use Case: AI-Powered Note-Taking Desktop App

• ۶.۶ پروژه‌های نهایی: ساخت اپلیکیشن‌های وب بهره‌وری مبتنی بر AI 6.6 Capstone Projects: Building AI-Powered Productivity Web Applications

• ۶.۷ بررسی مورد کاربردی 6.7 Use Case

• جمع‌بندی دوره Course Summary