آموزش ساخت با هوش مصنوعی: توسعه دستیار بررسی کد (Code Review) - آخرین آپدیت

دانلود Build with AI: Developing a Code Review Assistant

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

در این دوره، پیچیدگی‌های برنامه‌نویسی پایتون را با تأکید بر تسلط بر ساختارهای داده بررسی کنید و با یادگیری نحوه نوشتن کدهای تمیزتر، بهینه‌تر و سازمان‌یافته‌تر، مزیتی رقابتی کسب کنید. این دوره به شما کمک می‌کند تا با استفاده از قابلیت‌های قدرتمند پایتون، داده‌ها را به‌طور موثر تحلیل و مدیریت کنید و برای توسعه‌دهندگان نرم‌افزار، دانشمندان داده و علاقه‌مندان به تکنولوژی که مشتاق ارتقای مهارت‌های کدنویسی و دانش برنامه‌نویسی خود هستند، ایده‌آل است.

مفاهیم کلیدی مانند لیست‌ها، دیکشنری‌ها و مجموعه‌ها را بیاموزید و متوجه شوید که چگونه این ابزارها می‌توانند کارایی کد شما را افزایش دهند. در بهینه‌سازی الگوریتم‌ها برای بهبود توانایی‌های حل مسئله تعمق کنید و بهترین روش‌ها برای سازماندهی و مدیریت داده‌ها در سیستم‌های پیچیده را کشف نمایید. با این دوره بیاموزید که چگونه با سرعت و دقت بیشتر، چالش‌های کدنویسی را با اعتمادبه‌نفس پشت سر بگذارید و به سرمایه‌ای ارزشمند برای هر تیم توسعه تبدیل شوید.


سرفصل ها و درس ها

مبانی و معماری 1. Foundations and Architecture

  • معماری سیستم: الگوهای رویداد-محور برای تحلیل PR System architecture: Event-driven patterns for PR analysis

  • خلاصه ماژول و الگوهای کلیدی معماری Module summary and key architectural patterns

  • یکپارچه‌سازی LLM: بهینه‌سازی توکن‌ها و مدیریت پنجره متن (Context Window) LLM integration: Token optimization and context window management

  • گیت‌هاب اکشنز: ارکستراسیون گردش کار و پیکربندی YAML GitHub Actions: Workflow orchestration and YAML configuration

  • معرفی دوره و اهداف یادگیری Course introduction and learning objectives

  • بررسی خودکار کد: کاهش تأخیر و بار شناختی Automated code review: Reducing latency and cognitive load

استراتژی و ابزارها 2. Strategy and Tooling

  • رویکرد استراتژیک به سیستم‌های بررسی خودکار Strategic approach to automated review systems

  • معماری PMAT: طراحی پارسر و تحلیل AST PMAT architecture: Parser design and AST analysis

  • تحلیل مقایسه‌ای: پیاده‌سازی‌های موجود در GitHub Action Comparative analysis: Existing GitHub Action implementations

  • خلاصه ماژول و معیارهای انتخاب ابزار Module summary and tool selection criteria

  • مهندسی پرامپت: کنترل دما (Temperature) و قطعیت پاسخ Prompt engineering: Temperature control and response determinism

  • قانون‌مند کردن استانداردهای بررسی: قوانین Linting و تحلیل معنایی Codifying review standards: Linting rules and semantic analysis

پیاده‌سازی 3. Implementation

  • استراتژی پیاده‌سازی و گردش کار توسعه Implementation strategy and development workflow

  • خلاصه ماژول و بنچمارک‌های عملکرد Module summary and performance benchmarks

  • تست محلی: Act runner و شبیه‌سازی محیط Local testing: Act runner and environment simulation

  • ساخت اکشن: پیاده‌سازی با TypeScript و بسته‌بندی Docker Building the action: TypeScript implementation and Docker packaging

  • توسعه مبتنی بر مستندات: تعریف قرارداد API Documentation-driven development: API contract definition

  • توسعه محیط تست: شبیه‌سازی پاسخ‌های API گیت‌هاب Test harness development: Mocking GitHub API responses

استقرار و محیط عملیاتی 4. Deployment and Production

  • قابلیت‌های پیشرفته: تحلیل تفاوت‌های افزایشی (Incremental Diff) و استراتژی‌های کشینگ Advanced features: Incremental diff analysis and caching strategies

  • ثبت GitHub Action: مجوزها و مرزهای امنیتی GitHub Action registration: Permissions and security boundaries

  • چالش‌های عملیاتی: کاهش توهمات AI و محدودیت نرخ درخواست (Rate Limiting) Production challenges: Hallucination mitigation and rate limiting

  • ملاحظات استقرار در محیط عملیاتی Production deployment considerations

  • یکپارچه‌سازی PR: مدیریت وب‌هوک و رشته‌بندی کامنت‌ها PR integration: Webhook handling and comment threading

  • خلاصه ماژول و معیارهای محیط عملیاتی Module summary and production metrics

انتشار و توزیع 5. Publishing and Distribution

  • استراتژی توزیع و الزامات مارکت‌پلیس Distribution strategy and marketplace requirements

  • مستندات فنی: متادیتای اکشن و مثال‌های کاربردی Technical documentation: Action metadata and usage examples

  • انتشار در مارکت‌پلیس: نسخه‌بندی و انتشار معنایی (Semantic Release) Marketplace publication: Versioning and semantic release

  • جمع‌بندی دوره و بهبودهای آینده Course conclusion and future enhancements

نمایش نظرات

آموزش ساخت با هوش مصنوعی: توسعه دستیار بررسی کد (Code Review)
جزییات دوره
1h 35m
28
(آخرین آپدیت)
1,447
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pragmatic AI Labs Pragmatic AI Labs

آزمایشگاه‌های هوش مصنوعی عمل‌گرا یک آموزش‌دهنده فناوری است.

آزمایشگاه‌های هوش مصنوعی عملی همه را، صرف‌نظر از ابزار یا پیش‌زمینه، به دانشی برای تغییر خود و ارتقای جوامع خود مجهز می‌کند. آزمایشگاه‌های هوش مصنوعی عملگرا تلاش می‌کنند تا آموزش را دموکراتیک کرده و زندگی را از طریق فناوری خلاقانه و اخلاقی تقویت کنند. با مدرسان برجسته از دانشگاه‌های برتر با تجربه صنعت در دنیای واقعی، برنامه‌های آن بر ارائه مهارت‌های در دسترس و پیشرفته تمرکز دارد که منجر به تحقق مشاغل و در عین حال اجتناب از آسیب و بهبود رفاه انسان می‌شود.

Alfredo Deza Alfredo Deza

آلفردو دزا نویسنده، المپیکی و استاد کمکی در دانشگاه دوک است.

آلفردو نزدیک به دو دهه تجربه DevOps و مهندسی نرم افزار دارد و چندین کتاب درباره DevOps و Python از جمله Python for DevOps<نوشته است./i> و MLOهای عملی. زمینه های تخصص او عبارتند از Azure و رایانش ابری، DevOps، MLOps، Python، Databricks، و اتوماسیون با CI/CD.

آلفردو در حال حاضر به عنوان یک مدافع اصلی ابر در مایکروسافت کار می کند و در Marietta، جورجیا زندگی می کند.