آموزش ساخت اپلیکیشن‌های فول‌استک مبتنی بر هوش مصنوعی - آخرین آپدیت

دانلود Build Full-Stack AI-Powered Apps

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: یاد بگیرید چگونه هوش مصنوعی را در اپلیکیشن‌های خود ادغام کنید - بدون نیاز به پیش‌زمینه در یادگیری ماشین (ML) درک مدل‌های زبانی بزرگ (LLMs) و نحوه عملکرد آن‌ها کار با توکن‌ها، پنجره‌های کانتکست و تنظیمات مدل نوشتن پرامپت‌های موثر با استفاده از تکنیک‌های اثبات شده مهندسی پرامپت ساخت یک چت‌بات از صفر با معماری تمیز و قابل نگهداری ایجاد یک سیستم خلاصه‌ساز نظرات برای کمک به تصمیم‌گیری سریع‌تر کاربران ادغام مدل‌های متن‌باز با استفاده از Hugging Face و Ollama اجرای مدل‌ها به صورت محلی روی سیستم شخصی به‌کارگیری بهترین متدها و اصول کدنویسی تمیز (Clean Code) استفاده از ابزارهای مدرن برای ساخت اپلیکیشن‌های فول‌استک AI (شامل Bun، Tailwind CSS، shadcn/ui، Prisma و موارد دیگر) پیش نیازها: تسلط بر JavaScript و TypeScript آشنایی با مفاهیم پایه React (کامپوننت‌ها، JSX، هوک‌ها) اختیاری: آشنایی با توسعه بک‌اند یا پایگاه داده

هوش مصنوعی همه جا هست —اما آیا شما واقعاً می‌توانید با آن چیزی بسازید؟

بسیاری از توسعه‌دهندگان با ChatGPT کار کرده‌اند یا شاید حتی کدهایی را که توسط AI تولید شده در پروژه‌هایشان کپی کرده‌اند. اما این با ساخت ویژگی‌های واقعی مبتنی بر AI که اپلیکیشن‌های شما را هوشمندتر، جذاب‌تر و ارزشمندتر کند، متفاوت است.

این دقیقاً همان چیزی است که در این دوره خواهید آموخت.

در دوره «ساخت اپلیکیشن‌های فول‌استک مبتنی بر هوش مصنوعی»، من شما را گام به گام با مفاهیم، ابزارهای مدرن و بهترین متدهایلازم برای ایجاد اپلیکیشن‌های آماده برای محیط عملیاتی (Production-ready) آشنا می‌کنم.

این دوره‌ای است که هر توسعه‌دهنده‌ای در حال حاضر به آن نیاز دارد.

آنچه خواهید آموخت:

  • درک مدل‌های زبانی بزرگ (LLMs) و نحوه عملکرد آن‌ها

  • کار با توکن‌ها، پنجره‌های کانتکست و تنظیمات مدل

  • نوشتن پرامپت‌های موثر با استفاده از تکنیک‌های مهندسی پرامپت

  • ساخت یک چت‌بات از صفر با معماری تمیز و استاندارد

  • ایجاد یک خلاصه‌ساز نظرات برای تسریع در تصمیم‌گیری کاربران

  • ادغام مدل‌های متن‌باز با Hugging Face و Ollama

  • اجرای مدل‌ها به صورت محلی بر روی ماشین خودتان

  • پیاده‌سازی اصول کدنویسی تمیز و Best Practiceها

  • استفاده از ابزارهای مدرن فول‌استک (Bun, Tailwind CSS, shadcn/ui, Prisma و غیره)


پروژه‌هایی که خواهید ساخت:

چت‌بات (Chatbot): ساخت یک چت‌بات که می‌تواند به سوالات درباره یک شهربازی خیالی پاسخ دهد —سوالاتی مانند «کدام وسایل برای کودکان زیر ۱۰ سال مناسب است؟»، «غذاهای گیاهی کجا پیدا کنم؟» یا «ساعات کاری پارک چیست؟». بازدیدکنندگان به جای جستجو در منوها، پاسخ‌های فوری می‌گیرند. شما گام به گام بک‌اند را می‌سازید، کدها را بر اساس معماری تمیز ساختاردهی می‌کنید و یک فرانت‌اند مدرن و جذاب خلق می‌کنید.

خلاصه‌ساز نظرات (Review Summarizer): امروزه بسیاری از اپلیکیشن‌ها امکان خلاصه‌سازی محتوا را برای تصمیم‌گیری سریع‌تر فراهم می‌کنند. در این پروژه، ابزاری می‌سازیم که نظرات مشتریان را به بینش‌های کوتاه و کاربردی تبدیل کند. تکنیک‌هایی که اینجا می‌آموزید در تمامی ویژگی‌های ادغام شده با AI قابل استفاده است.


سرفصل ها و درس ها

شروع به کار Getting Started

  • 1-مقدمه 1- Introduction

  • 2-پیش‌نیازها 2- Prerequisites

  • 3-آنچه خواهید آموخت 3- What You'll Learn

  • 4-راه‌اندازی محیط توسعه 4- Setting Up Your Development Environment

  • 5-سورس کد 5- Source Code

آشنایی با مدل‌های هوش مصنوعی Introduction to AI Models

  • 1-مقدمه 1- Introduction

  • 2-ظهور مهندسی هوش مصنوعی 2- Rise of AI Engineering

  • 3-مدل‌های زبانی بزرگ (LLMs) چیستند؟ 3- What are Large Language Models

  • 4-با مدل‌های زبانی چه کارهایی می‌توان کرد؟ 4- What Can You Do With Language Models

  • 5-درک توکن‌ها و پنجره کانتکست 5- Understanding Tokens and Context Window

  • 6-شمارش توکن‌ها 6 - Counting Tokens

  • 7-انتخاب مدل مناسب 7- Choosing the Right Model

  • 8-درک تنظیمات مدل 8- Understanding Model Settings

  • 9-فراخوانی مدل‌ها 9- Calling Models

  • 10-خلاصه 10- Summary

راه‌اندازی یک پروژه فول‌استک مدرن Setting Up a Modern Full-Stack Project

  • 1-مقدمه 1- Introduction

  • 2-راه‌اندازی Bun 2- Setting Up Bun

  • 3-ایجاد ساختار پروژه 3- Creating the Project Structure

  • 4-ساخت بک‌اند 4- Creating the Backend

  • 5-مدیریت کلید API OpenAI 5- Managing OpenAI API Key

  • 6-ساخت فرانت‌اند 6- Creating the Frontend

  • 7-اتصال فرانت‌اند به بک‌اند 7- Connecting the Frontend and Backend

  • 8-اجرای همزمان هر دو اپلیکیشن 8- Running Both Apps Together

  • 9-راه‌اندازی TailwindCSS 9- Setting Up TailwindCSS

  • 10-راه‌اندازی Shadcn 10- Setting Up Shadcn

  • 11-فرمت کردن کد با Prettier 11- Formatting Code with Prettier

  • 12-اتوماسیون بررسی‌های Pre-commit با Husky 12- Automating Pre-Commit Checks with Husky

  • 13-خلاصه 13- Summary

پروژه: ساخت یک چت‌بات Project: Building a ChatBot

  • 1-مقدمه 1- Introduction

  • 2-ساخت بک‌اند 2- Building the Backend

  • 2.1-ساخت API چت 2.1- Building the Chat API

  • 2.2-تست API 2.2- Testing the API

  • 2.3-مدیریت وضعیت گفتگو 2.3- Managing Conversation State

  • 2.4-اعتبارسنجی ورودی‌ها 2.4- Input Validation

  • 2.5-مدیریت خطاها 2.5- Error Handling

  • 3-بازنویسی (Refactor) API چت 3- Refactoring the Chat API

  • 3.1-جدا سازی Repository گفتگو 3.1- Extracting Conversation Repository

  • 3.2-جدا سازی سرویس چت 3.2- Extracting Chat Service

  • 3.3-جدا سازی کنترلر چت 3.3- Extracting Chat Controller

  • 3.4-جدا سازی مسیرها (Routes) 3.4- Extracting Routes

  • 4-ساخت فرانت‌اند 4- Building the Frontend

  • 4.1-ساخت کامپوننت چت‌بات 4.1- Building the ChatBot Component

  • 4.2-مدیریت ارسال فرم 4.2- Handling Form Submission

  • 4.3-فراخوانی بک‌اند 4.3- Calling the Backend

  • 4.4-رندر کردن پیام‌ها 4.4- Rendering the Messages

  • 4.5-استایل‌دهی به پیام‌ها 4.5- Styling Messages

  • 4.6-رندر کردن متن‌های Markdown 4.6- Rendering Markdown Text

  • 4.7-افزودن نشانگر در حال تایپ 4.7- Adding a Typing Indicator

  • 4.8-اسکرول خودکار به آخرین پیام 4.8- Auto-Scrolling to the Latest Message

  • 4.9-بهبود رفتار کپی کردن 4.9- Improving Copy Behaviour

  • 4.10-بهبود ظاهر و تجربه کاربری 4.10- Improving the Look and Feel

  • 4.11-مدیریت خطاها 4.11- Handling Errors

  • 5-بازنویسی‌ها 5- Refactorings

  • 5.1-جدا سازی کامپوننت TypingIndicator 5.1- Extracting TypingIndicator Component

  • 5.2-جدا سازی کامپوننت ChatMessages 5.2- Extracting ChatMessages Component

  • 5.3-جدا سازی کامپوننت ChatInput 5.3- Extracting ChatInput Component

  • 5.4-مرور کلی 5.4 - Recap

  • 6-خلاصه 6- Summary

مهندسی پرامپت Prompt Engineering

  • 1-مهندسی پرامپت چیست؟ 1- What is Prompt Engineering?

  • 2-کالبدشناسی یک پرامپت خوب 2- Anatomy of a Good Prompt

  • 3-ارائه کانتکست (زمینه) 3- Providing Context

  • 4-کنترل فرمت خروجی 4- Controlling the Output Format

  • 5-ارائه مثال‌ها 5- Providing Examples

  • 6-مدیریت خطاها و موارد خاص 6- Handling Errors and Edge Cases

  • 7-کاهش توهمات (Hallucinations) 7- Reducing Hallucinations

  • 8-بهبود و اصلاح پرامپت‌ها 8- Refining Prompts

  • 9-بهبود پاسخ‌های چت‌بات 9- Improving Chatbot Responses

  • 10-افزودن افکت‌های صوتی 10- Adding Sound Effects

  • 11-تمرینات 11- Exercises

  • 12-خلاصه 12- Summary

پروژه: ساخت خلاصه‌ساز نظرات Project: Building a Review Summarizer

  • 1-مقدمه 1- Introduction

  • 2-راه‌اندازی پایگاه داده 2- Setting Up the Database

  • 2.1-راه‌اندازی MySQL 2.1- Setting Up MySQL

  • 2.2-راه‌اندازی Prisma 2.2- Setting Up Prisma

  • 2.3-تعریف شمای Prisma 2.3- Defining the Prisma Schema

  • 2.4-اجرای Migrationها 2.4- Running Migrations

  • 2.5-بهبود شمای Prisma 2.5- Refining the Prisma Schema

  • 2.6-پر کردن پایگاه داده با داده‌های واقعی 2.6- Populating the Database with Realistic Data

  • 3-ساخت بک‌اند 3- Building the Backend

  • 3.1-ساخت API برای دریافت نظرات 3.1- Creating the API to Fetch Reviews

  • 3.2-بازنویسی: جداسازی مسئولیت‌ها 3.2- Refactoring- Separation of Concerns

  • 3.3-ساخت API برای خلاصه‌سازی نظرات 3.3- Creating an API for Summarizing Reviews

  • 3.4-تولید خلاصه‌ها 3.4- Generating Summaries

  • 3.5-بازنویسی: جدا سازی منطق LLM 3.5- Refactoring- Extracting the LLM Logic

  • 3.6-بازنویسی: جدا سازی پرامپت 3.6- Refactoring- Extracting the Prompt

  • 3.7-ذخیره خلاصه 3.7- Storing the Summary

  • 3.8-مدیریت تولید مجدد خلاصه 3.8- Handling Regeneration

  • 3.9-مدیریت موارد خاص 3.9- Handling Edge Cases

  • 3.10-دریافت خلاصه 3.10- Fetching the Summary

  • 4-ساخت فرانت‌اند 4- Building the Frontend

  • 4.1-نمایش نظرات 4.1- Displaying Reviews

  • 4.2-نمایش امتیازات ستاره‌ای 4.2- Displaying Star Ratings

  • 4.3-نمایش Skeletonهای لودینگ 4.3- Displaying Loading Skeletons

  • 4.4-مدیریت خطاها 4.4- Handling Errors

  • 4.5-معرفی TanStack Query 4.5- Introducing TanStack Query

  • 4.6-نمایش خلاصه 4.6- Displaying the Summary

  • 4.7-اجرای تولید خلاصه 4.7- Triggering Summary Generation

  • 4.8-نمایش Skeletonهای لودینگ 4.8- Displaying Loading Skeletons

  • 4.9-مدیریت خطاها 4.9- Handling Errors

  • 4.10-بازنویسی با Mutations 4.10- Refactoring with Mutations

  • 4.11-بازنویسی برای خوانایی بیشتر 4.11- Refactoring for Readability

  • 4.12-جدا سازی لایه API 4.12- Extracting the API Layer

ساخت با مدل‌های متن‌باز Building with Open-Source Models

  • 1-مقدمه 1- Introduction

  • 2-چرا از مدل‌های متن‌باز استفاده کنیم؟ 2- Why Use Open-Source Models

  • 3-یافتن مدل‌های متن‌باز 3- Finding Open-Source Models

  • 4-فراخوانی مدل‌های Hugging Face 4- Calling Hugging Face Models

  • 5-انتخاب مدل مناسب برای هر وظیفه 5- Choosing the Right Model For the Job

  • 6-اجرای مدل‌ها به صورت محلی 6- Running Models Locally

  • 7-استفاده از مدل‌های Hugging Face با Ollama 7- Using Hugging Face Models with Ollama

  • 8-فراخوانی مدل‌های Ollama 8- Calling Ollama Models

جمع‌بندی دوره Course Wrap Up

  • 1-جمع‌بندی نهایی دوره 1- Course Wrap Up

نمایش نظرات

آموزش ساخت اپلیکیشن‌های فول‌استک مبتنی بر هوش مصنوعی
جزییات دوره
7 hours
111
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,056
4.7 از 5
دارد
دارد
دارد
Mosh Hamedani
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mosh Hamedani Mosh Hamedani

مهندس نرم افزار پرشور و نویسنده پرفروش