آموزش دوره جامع مهندسی هوش مصنوعی فول استک (Full Stack AI Engineer) - آخرین آپدیت

سرفصل ها و درس ها

ماژول ۱: مبانی برنامه‌نویسی هوش مصنوعی Module 1: Foundations of AI Programming

• درس ۱: پایتون برای هوش مصنوعی و توسعه بک‌اند Lesson 1: Python-for-AI-and-Backend-Development

• درس ۲: جاوا اسکریپت و استانداردهای مدرن ES6 Lesson 2: JavaScript-and-Modern-ES6

• درس ۳: ساختارهای داده و الگوریتم‌ها Lesson 3: Data-Structures-and-Algorithms

• درس ۴: گیت (Git) و همکاری تیمی Lesson 4: Git-and-Collaboration

• درس ۵: مبانی API؛ زبان مشترک وب Lesson 5: API-Fundamentals-The-Language-of-the-Web

ماژول ۲: توسعه فرانت‌اند و بک‌اند Module 2: Frontend and Backend Development

• درس ۱: HTML، CSS و طراحی واکنش‌گرا Lesson 1: HTML-CSS-and-Responsive-Design

• درس ۲: فرانت‌اند با React و Next.js Lesson 2: Frontend-with-React-Nextjs

• درس ۳: بک‌اند با Node.js و Express Lesson 3: Backend-with-Nodejs-Express

• درس ۴: پایگاه‌های داده؛ مقایسه SQL و NoSQL Lesson 4: Databases-SQL-vs-NoSQL

• درس ۵: امنیت در دنیای دیجیتال Lesson 5: Securing-Your-Digital-World

ماژول ۳: مهندسی داده و بنیادهای هوش مصنوعی Module 3: Data Engineers and AI Foundations

• درس ۱: تبدیل داده‌های خام به داده‌های معنادار Lesson 1: From-Messy-to-Meaningful

• درس ۲: APIها و وب اسکرپینگ؛ درگاه دسترسی به داده Lesson 2: APIs-and-Web-Scraping-Your-Gateway

• درس ۳: مسیر تحول و پردازش داده‌ها Lesson 3: The-Data-Transformation-Journey

• درس ۴: ذخیره‌سازی داده‌ها؛ SQL، NoSQL و ظهور دیتابیس‌های برداری Lesson 4: Data-Storage-SQL-NoSQL-and-the-Rise-of-Vector

• درس ۵: مقدمه‌ای بر کلان‌داده‌ها (Big Data) Lesson 5: Intro-to-Big-Data

ماژول ۴: مفاهیم اصلی یادگیری ماشین (Machine Learning) Module 4: Core Machine Learning Concepts

• درس ۱: یادگیری نظارت شده (Supervised Learning) Lesson 1: Supervised-Learning

• درس ۲: یادگیری نظارت نشده (Unsupervised Learning) Lesson 2: Unsupervised-Learning

• درس ۳: ارزیابی مدل و معیارهای سنجش Lesson 3: Model-Evaluation-and-Metrics

• درس ۴: مهندسی ویژگی‌ها (Feature Engineering) Lesson 4: Feature-Engineering

• درس ۵: پروژه جامع و عملی با Scikit-learn Lesson 5: Scikit-learn-End-to-End-Project

ماژول ۵: مبانی یادگیری عمیق (Deep Learning) Module 5: Deep Learning Fundamentals

• درس ۱: مبانی شبکه‌های عصبی Lesson 1: Neural-Network-Fundamentals

• درس ۲: ساختار و عملکرد شبکه‌های عصبی Lesson 2: Neural-Networks

• درس ۳: ساختارهای داده و الگوریتم‌های پیشرفته Lesson 3: Data-Structures-and-Algorithms-The-Unseen

• درس ۴: یادگیری انتقالی (Transfer Learning) Lesson 4: Transfer-Learning

• درس ۵: کار عملی با PyTorch و TensorFlow Lesson 5: PyTorch-TensorFlow-Hands-on

ماژول ۶: هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM) Module 6: Generative AI & Large Language Models

• درس ۱: رمزگشایی از جادوی AI Lesson 1: Unlocking-the-Magic

• درس ۲: مهندسی پرامپت (Prompt Engineering) Lesson 2: Prompt-Engineering

• درس ۳: تولید تقویت‌شده با بازیابی (RAG) Lesson 3: Retrieval-Augmented-Generation-RAG

• درس ۴: مقایسه Fine-tuning و Embeddings Lesson 4: Fine-tuning-vs-Embeddings

• درس ۵: استفاده از APIهای هوش مصنوعی در اپلیکیشن‌ها Lesson 5: Using-AI-APIs-Powering-Your-Applications

ماژول ۷: مهندسی سیستم‌های AI و استقرار Module 7: AI Systems Engineering & Deployment

• درس ۱: ساخت APIهای هوش مصنوعی Lesson 1: Building-AI-APIs

• درس ۲: ارائه و مقیاس‌پذیری AI در ابعاد گسترده Lesson 2: Delivering-AI-at-Scale

• درس ۳: سرعت پردازش داده‌ها Lesson 3: The-Speed-of-Data

• درس ۴: بهره‌برداری از قدرت پردازش ناهمگام (Asynchronous) Lesson 4: Unlocking-Asynchronous-Power

• درس ۵: تحلیل و نظارت بر سیستم‌های داخلی Lesson 5: Seeing-Inside-Your-Systems