توسعه اپلیکیشن اندروید با کمک هوش مصنوعی - Gen AI (Vibe Coding)
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ایجاد یک اپلیکیشن اندروید با کمک هوش مصنوعی
- یکپارچهسازی هوش مصنوعی به عنوان ویژگی در یک اپلیکیشن اندروید
- استفاده از IDE Cursor برای افزایش بهرهوری
- انتخاب هوش مصنوعی مناسب برای هر کار
- Vibe coding
پیش نیازهای دوره
- تجربه توسعه اندروید مفید است اما الزامی نیست: شما همه چیز را یاد خواهید گرفت که لازم است بدانید.
توضیحات دوره
توسعه اندروید با کمک هوش مصنوعی توسط Petros Efthymiou
یاد بگیرید چگونه بهترین ابزارهای هوش مصنوعی را برای ساخت اپلیکیشن اندروید native به سرعت به کار ببرید.
هوش مصنوعی در همه جا حضور دارد، خبرخوان شما پر از پستهای درباره ChatGPT ،Copilot، و اینکه توسعهدهندگان 10 برابر بازدهتر هستند.
اما وقتی زمان ساخت واقعی یک اپلیکیشن اندروید با استفاده از AI میرسد... شما به تنهایی هستید.
- کدام ابزارها باید استفاده کنید؟
- چگونه به طور مؤثر پرامپت بپرسید؟
- چگونه هوش مصنوعی را به دنبال معماری پاک برسانید؟
- آیا هوش مصنوعی میتواند Compose UI بنویسد؟ آیا باید؟
- آیا میتوانید به کد آن اعتماد کنید؟ چگونه آن را اشکالزدایی کنید؟
اکثر دورهها این موضوع را کاملاً نادیده میگیرند.
آنها توسعه اندروید را همانطور که پنج سال پیش میکردند آموزش میدهند، انگار که هوش مصنوعی وجود ندارد.
اما بازی تغییر کرده است.
این دوره نقشه راه شما برای ساخت اپلیکیشن اندروید با هوش مصنوعی به عنوان برنامهنویس دونفره، از روز اول، در شرایط واقعی است.
آنچه می سازید و یاد خواهید گرفت:
با هم، یک اپلیکیشن اندروید واقعی سطح تولیدی، با مجهز زیر، ساختیم:
- معماری پاک
- Jetpack Compose
- HILT برای تزریق وابستگی
- Coroutines & StateFlow برای مدیریت استیت ناهمزمان
- Retrofit برای شبکهسازی
اما اینجا پیچیدگی است:
ما فقط بهصورت دستی آن را نمیسازیم.
ما آن را با ابزارهای AI بهصورت همزمان میسازیم که روند توسعه شما را تسریع میکنند و به عنوان شریکهای هوشمند برنامهنویسی شما عمل میکنند.
شما یاد خواهید گرفت چگونه بهصورت حرفهای پرامپت دهید، از دامنههای رایج اجتناب کنید، و واقعاً با:
- Cursor
- GitHub Copilot
- Chat GPT
- Claude
- Gemini
و موارد دیگر
ما حتی این را پیش میبریم و generative AI را بهعنوان ویژگی درون اپلیکیشن خود یکپارچه میکنیم، زیرا آینده توسعه موبایل نه فقط ساخت اپلیکیشن با AI است، بلکه ساخت اپلیکیشنی است که از AI استفاده میکند.
چرا از مدرس یاد بگیرید؟
مدرس Petros Efthymiou، مهندس موبایل ارشد، نویسنده و مدرس با بیش از 11 سال تجربه واقعی در استارتاپها و شرکتهای چندملیتی است.
- مدرس بیش از 100K توسعهدهنده را از طریق Udemy، کتابهای فروش Amazon، و کارگاههای زنده آموزش داده است.
- سازنده “مسترکلاس Android TDD ”، دوره برتر Udemy
- نویسنده “Clean Mobile Architecture”، کتابی پرفروش که به هزاران توسعهدهنده کمک کرده است تا سطح بالاتری را به دست آورند
- در حال حاضر بهعنوان Mobile Trainer در Backbase فعالیت میکنم و آموزش میدهد: مهندسان داخلی R&D - تیمهای خدمات حرفهای - توسعهدهندگان شخص ثالث
در طول سه سال گذشته، او ابزارهای AI را در گردش کاری روزمره تعبیه کرده است، محصولات واقعی ساخته و کشف کرده چه چیزی واقعاً کار میکند— و چه چیزی نه
این دوره تمام آن تجربه را به یک مسیر یادگیری گام به گام، متمرکز بر تولید تبدیل میکند تا بتوانید سرعتتر، هوشمندانهتر و با اعتماد به نفس بیشتری با AI بسازید.
چرا این مهم است؟
زیرا شیوه نوشتن نرمافزار ما در حال تغییر اساسی است.
توسعهدهندگانی که میدانند چگونه با ابزارهای AI همکاری کنند سریعتر، هوشمندانهتر ساخته و فراتر از کسانی که نمیدانند میروند.
این در مورد جایگزینی توسعهدهندگان نیست. این در مورد تقویت آنهاست.
شما هنوز به تفکر معماری، مهارتهای طراحی و توانایی اشکالزدایی نیاز دارید، اما AI به شما کمک میکند:
- کد را سریعتر بنویسید بدون اینکه بهدنبال بهترین شیوه ها بروید.
- بارکد را برعهده بگذارید و بر مشکلات سخت تمرکز کنید.
- حالات خاص را زودتر بگیرید با پرسیدن بهتر
- از AI نه فقط برای کدنویسی، بلکه برای تفکر همراه شما استفاده کنید.
به زودی، توسعه با کمک هوش مصنوعی بهطور طبیعی خواهد شد.
هرچه زودتر آن را تسلط پیدا کنید، هر چه جلوتر خواهید بود، هر دو از نظر فنی و حرفهای.
این دوره برای رسیدن شما به آنجا اینجاست.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان اندروید
- افرادی که به توسعه اندروید علاقهمندند.
- توسعهدهندگانی که به توسعه با کمک AI علاقهمندند.
- توسعهدهندگانی که به Vibe coding علاقهمندند.
- افرادی که میخواهند محصول موبایل بسازند.
توسعه اپلیکیشن اندروید با کمک هوش مصنوعی - Gen AI (Vibe Coding)
-
معرفی 02:00
-
ساختار دوره 03:11
-
افزایش بهرهوری AI 01:19
-
نمایش قدرت AI 02:21
-
معرفی بخش 00:23
-
هوش مصنوعی چیست؟ 01:19
-
Generative AI 01:35
-
چگونه LLM ها کار میکنند؟ 03:26
-
قابلیتها و محدودیتهای AI 01:18
-
چه زمانی به AI اعتماد کنیم و چه زمانی نه؟ 03:59
-
ابزارهای AI 05:24
-
نصب ابزار 03:05
-
معرفی بخش 00:32
-
چگونه با AI مؤثر باشیم؟ 02:17
-
انواع پرامپت 02:15
-
چارچوب پرامپت RTF 02:39
-
چارچوب پرامپت C.O.D.E 02:30
-
اشکالزدایی و اصلاح پرامپت 02:13
-
پرامپت های باید و نباید 02:05
-
پرامپت های رایج کدنویسی 03:34
-
بهبود پرامپت ها 04:45
-
معرفی بخش 00:24
-
مرور پروژه Cursor 05:15
-
قوانین Cursor 05:09
-
راهاندازی پروژه 03:53
-
چگونه تصمیمات معماری اتخاذ کنیم؟ 04:24
-
پرامپت معماری 05:24
-
پرامپت معماری (ادامه) 03:33
-
معماری اپلیکیشن 08:31
-
لایه دامنه 07:22
-
خلاصه معماری 05:37
-
پرامپت معماری 04:30
-
پرامپت معماری (ادامه) 03:53
-
پرامپت بستهبندی 03:37
-
پرامپت پشته فنی 03:06
-
پرامپت پشته فنی (ادامه) 05:51
-
ارتباط پس از آزمایش 02:38
-
مرور API Backend 04:58
-
پرامپت لایه داده 04:30
-
پاکسازی لایه داده 05:27
-
انتخاب هوش مصنوعی مناسب برای اشکالزدایی 07:00
-
پرامپت لایه ارائه 02:36
-
پیادهسازی لایه ارائه 07:07
-
مشاوره در مورد کتابخانههای شخص ثالث 03:56
-
پرامپت صفحه مقالات 04:00
-
پیادهسازی صفحه مقالات 07:07
-
عیبیابی ویژگی مقالات 06:44
-
بهبود مدیریت خطا 05:18
-
افزودن منطق ارائه پیچیده 06:16
-
ریفکتور کردن پرامپت با AI 04:42
-
ریفکتور کردن با نتیجه AI 04:19
-
معرفی بخش 00:31
-
انواع زمینه 03:35
-
چه زمانی زمینه را تغییر دهیم؟ 01:48
-
آیا نیاز به تغییر زمینه داریم؟ 02:19
-
پرامپت خلاصه استیت فعلی 04:24
-
جمعآوری زمینه مهم جلسه 05:34
-
قوانین پروژه Cursor 04:51
-
بهینهسازی توکن 04:16
-
تفکیک منطقی قوانین 05:21
-
تفکیک قوانین به لایهها 04:38
-
درج خودکار زمینه 06:33
-
پرامپت ناوبری پایین 03:25
-
پیادهسازی ناوبری پایین 05:14
-
پرامپت ویژگی منابع 03:43
-
پیادهسازی ویژگی منابع 04:13
-
پیادهسازی ویژگی منابع (ادامه) 04:09
-
رفع مشکلات و تست ویژگی منابع 06:48
-
بروزرسانی قوانین بر اساس یادگیریهای جلسه 03:51
-
معرفی بخش 00:32
-
الزامات ویژگی هوش مصنوعی 01:47
-
مراحل یکپارچهسازی مدل GPT 06:17
-
کلید API GPT 04:53
-
معماری هوش مصنوعی 04:05
-
چگونه یکپارچهسازی GPT را پیادهسازی کنیم؟ 06:27
-
پیادهسازی لایه داده ویژگی هوش مصنوعی 04:59
-
پیادهسازی مخزن 06:35
-
ساخت چندین نمونه Retrofit 04:31
-
پرامپت لایههای UI و ارائه 06:27
-
پیادهسازی لایههای UI و ارائه 06:31
-
تست ویژگی هوش مصنوعی 02:48
-
آزمون مدلهای تولیدی دیگر 03:51
-
افزودن لودر به FAB 04:00
-
پرامپت ویژگی احراز هویت 02:42
-
پیادهسازی صفحههای احراز هویت 07:26
-
فاین تیونینگ صفحههای احراز هویت 05:31
-
تبریک میگوییم 01:15
-
دوره اضافه 00:47
مشخصات آموزش
توسعه اپلیکیشن اندروید با کمک هوش مصنوعی - Gen AI (Vibe Coding)
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:88
- مدت زمان :05:55:59
- حجم :2.66GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy