آموزش سیستم‌های هوش مصنوعی، اتوماسیون، CI/CD و گردش‌کارهای مهندسی داده - آخرین آپدیت

سرفصل ها و درس ها

به دوره خوش آمدید Welcome to the Course

• ویدیو خوش‌آمدگویی Welcome Video

زیرساخت هوش مصنوعی برای مهندسان داده AI Infrastructure for Data Engineers

• زیرساخت هوش مصنوعی از نگاه مهندس داده AI Infrastructure Through a Data Engineer Lens

• تناسب CPU، GPU و حجم کاری (Workload) CPU, GPU, and Workload Fit

• سرویس‌دهی، پایگاه‌ داده‌های برداری، ارکستراسیون و مانیتورینگ Serving, Vector Databases, Orchestration, and Monitoring

• الگوهای تصمیم‌گیری زیرساختی برای گردش‌کارهای خودکار Infrastructure Decision Patterns for Automated Workflows

مبانی Git، ساختار مخزن و CI/CD Git, Repository Structure, and CI/CD Foundations

• چرا ساختار مخزن برای مهندسی داده مبتنی بر هوش مصنوعی اهمیت دارد Why Repository Structure Matters for AI-Native Data Engineering

• مبانی Git برای کارهای مشارکتی در مهندسی داده Git Basics for Collaborative Data Engineering Work

• اجزای سازنده CI/CD: رانرها، جاب‌ها، مصنوعات و لاگ‌ها CI/CD Building Blocks: Runners, Jobs, Artifacts, and Logs

• طراحی اسکلت یک گردش‌کار مینیمال CI/CD Designing a Minimal CI/CD Workflow Skeleton

تولید SQL، کد و تست با کمک هوش مصنوعی AI-Assisted SQL, Code, and Test Generation

• چارچوب‌بندی تولید محتوا با کمک هوش مصنوعی در مهندسی داده Framing AI-Assisted Generation for Data Engineering

• از نیازمندی‌ها تا اولین پیش‌نویس SQL، کد و تست‌ها From Requirements to First-Draft SQL, Code, and Tests

• بازنویسی کدهای تولید شده توسط هوش مصنوعی برای خوانایی و قابلیت نگهداری Refactoring AI-Generated Code for Readability and Maintainability

• بازبینی انسانی، سیگنال‌های ریسک و معیارهای پذیرش ایمن Human Review, Risk Signals, and Safe Acceptance Criteria

اتوماسیون خط لوله و گردش‌کار تقویت شده با هوش مصنوعی AI-Augmented Pipeline and Workflow Automation

• از تسک‌ها تا DAGها: مفاهیم ارکستراسیون برای مهندسان داده From Tasks to DAGs: Orchestration Concepts for Data Engineers

• طراحی منطق گردش‌کار با کمک هوش مصنوعی Drafting Workflow Logic with AI Assistance

• اعتبارسنجی وابستگی‌ها، ترتیب اجرا و زمان‌بندی‌ها Validating Dependencies, Ordering, and Schedules

• مستندسازی رفتار خط لوله و مرزهای اتوماسیون ایمن Documenting Pipeline Behavior and Safe Automation Boundaries

متادیتا، مستندسازی و مصنوعات محصول داده Metadata, Documentation, and Data Product Artifacts

• چرا متادیتا برای محصولات داده مبتنی بر هوش مصنوعی مهم است Why Metadata Matters for AI-Native Data Products

• خلاصه‌های شماتیک و کارت‌های مجموعه داده (Dataset Cards) Schema Summaries and Dataset Cards

• استفاده مسئولانه از هوش مصنوعی برای پیش‌نویس مستندات Using AI to Draft Documentation Responsibly

• توصیفات Lineage و اعتبارسنجی متادیتا Lineage Descriptions and Metadata Validation

ماژول ۶: عنوان ماژول Module 6: Module Title

• از بررسی‌ها تا گیت‌ها: CI/CD چه مواردی را باید متوقف کند From Checks to Gates: What CI/CD Should Block

• گردش‌کارهای تأیید، شواهد بازبینی و هوش مصنوعی مسئولانه Approval Workflows, Review Evidence, and Responsible AI

• تبدیل مستندات و متادیتا به بررسی‌های اجرایی Turning Documentation and Metadata Into Enforceable Checks

• تحویل پروژه نهایی: بسته‌بندی، ردیابی و تحویل Final Project Delivery: Packaging, Traceability, and Handoff

خلاصه دوره Course Summary

• جمع‌بندی نهایی Wrap up

امتحان نهایی Final Exam