هوش مصنوعی برای مدیران برنامه: مهارتهای کاربردی و خودکارسازی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- چگونگی به کارگیری ابزارهای مدرن هوش مصنوعی در گردش های کاری واقعی مدیریت برنامه با تأثیر قابل اندازهگیری
- ساخت طرحهای برنامه، استراتژیها و پایگاههای دانش با کمک هوش مصنوعی
- استفاده از هوش مصنوعی برای بهبود نیازمندیها، تعریف محدوده و همسویی ذینفعان
- برنامهریزی، تخمین و پیشبینی ریسک هوش مصنوعی محور
- به کارگیری هوش مصنوعی برای حاکمیت، گزارشدهی و شفافیت KPI
- خودکارسازی عملیات روتین مدیریت برنامه با ChatGPT
- یکپارچهسازی هوش مصنوعی با Slack ،Jira و سایر ابزارهای تحویل پروژه
- طراحی و استقرار دستیارهای هوشمند سفارشی برای تیمهای برنامه
- بهرهگیری از هوش مصنوعی برای ارتباطات، مستندسازی و پشتیبانی از تصمیمگیری
- استفاده از OpenAI API برای خودکارسازی پیشرفته و راهکارهای سفارشی
- به کارگیری هوش مصنوعی در معیارهای مهندسی، KPIهای کیفیت و بینشهای عملکردی
- ایجاد رباتهای هوش مصنوعی برای مدیریت دانش و سناریوهای پشتیبانی مشتری
- تنظیم دقیق و شخصیسازی مدلها برای تسک های خاص برنامه
- پروژههای عملی کاربردی که ChatGPT ،APIها و محیطهای واقعی برنامه را به هم متصل میکنند.
پیش نیازهای دوره
- درک اولیه از مفاهیم مدیریت پروژه و برنامه
- سواد عمومی کامپیوتر و توانایی کار با ابزارهای آنلاین
- بدون نیاز به تجربه کدنویسی برای ماژولهای اصلی
- اختیاری: آشنایی با Jira یا Slack اگر قصد دنبال کردن بخشهای یکپارچهسازی را دارید.
- اختیاری: دانش اولیه نرمافزار یا API برای ماژولهای خودکارسازی پیشرفته
توضیحات دوره
هوش مصنوعی در حال دگرگونی چگونگی برنامهریزی، حاکمیت و تحویل برنامههای مدرن است.
این دوره به مدیران برنامه دقیقاً نشان میدهد که چگونه از هوش مصنوعی برای بهبود تصمیمگیری، افزایش شفافیت، خودکارسازی گردش های کاری سنگین و ایجاد نتایج قویتر در ابتکارات پیچیده استفاده کنند. به جای تئوریهای انتزاعی، شما تکنیکهای عملی و قابل تکراری را خواهید آموخت که هوش مصنوعی را مستقیماً در مسئولیتهای روزانه مدیریت برنامه شما ادغام میکند.
این دوره طراحی شده است تا شما را در هر رشته اصلی مدیریت برنامه راهنمایی کند و نشان دهد که چگونه هوش مصنوعی برنامهریزی، ارتباطات، حاکمیت، گزارشدهی، اجرا، همکاری تیمی و مدیریت تغییر را تقویت میکند.
آنچه این دوره ارائه میدهد
شما یک درک کامل و جامع از چگونگی ارتقای مدیریت برنامه توسط هوش مصنوعی را از طریق یادگیری عملی و کاربردی توسعه خواهید داد.
برنامهریزی و اجرای برنامه تقویتشده با هوش مصنوعی
شما خواهید آموخت که چگونه:
- منشورهای برنامه، محدودهها و ساختارهای شکست کار (WBS) را با پشتیبانی هوش مصنوعی بسازید.
- تحلیل نیازمندیها را تسریع کنید و آنها را به طرحهای قابل اجرا تبدیل نمایید.
- از هوش مصنوعی برای تولید تخمینها، زمانبندیها و سناریوهای ریسک استفاده کنید.
- دقت برنامهریزی را با استفاده از بینشهای هوش مصنوعی محور و الگوهای داده بهبود بخشید.
ارتباطات و تعامل قویتر با ذینفعان
شما خواهید دید که چگونه هوش مصنوعی به شما کمک میکند:
- گزارشهای وضعیت صیقلیافته، مختصر و متناسب با مخاطب تهیه کنید.
- خلاصهها، اسلایدها، بریفهای جلسه و یادداشتهای پیگیری را در چند دقیقه تولید کنید.
- طرحهای ارتباطی متناسب با نیازهای مختلف ذینفعان ایجاد کنید.
- شفافیت و سازگاری را در تمام ارتباطات برنامه بهبود بخشید.
حاکمیت، مدیریت ریسک و عملکرد داده محور
شما قادر خواهید بود:
- از هوش مصنوعی برای شناسایی ریسکها، پیشبینی مسائل و آشکارسازی وابستگیهای پنهان استفاده کنید.
- پایپلاینهای نظارت بر KPI و معیار خودکار بسازید.
- گزارشهای حاکمیت و داشبوردهای برنامه را با بینشهای معنادار تولید کنید.
- همسویی بین تیمی را از طریق شفافیت به موقع و با پشتیبانی هوش مصنوعی تقویت کنید.
خودکارسازی عملیاتی واقعی با استفاده از هوش مصنوعی
این دوره فراتر از پرامپتها میرود. شما خواهید آموخت:
- چگونه عملیات تکراری برنامه را با Slack ،Jira و APIها خودکار کنید؟
- چگونه هوش مصنوعی میتواند تیکتها، مستندات و پیگیریها را به صورت خودکار تولید کند؟
- چگونه دستیارهای هوش مصنوعی سفارشی برای پشتیبانی از کار روزانه تیم خود ایجاد کنید؟
- چگونه سربار دستی را کاهش دهید در حالی که سرعت کلی تحویل را افزایش میدهید؟
هوش مصنوعی که همکاری تیمی و جریان دانش را بهبود میبخشد.
شما تمرین خواهید کرد که چگونه:
- رباتهای دانش هوش مصنوعی محور برای دسترسی سریع به اطلاعات برنامه بسازید.
- مستندات برنامه را سازماندهی کنید تا هوش مصنوعی بتواند به طور موثر از آنها استفاده کند.
- از تیمهای مهندسی با کد، کیفیت و بینشهای معیار هوش مصنوعی محور پشتیبانی کنید.
- همکاری بین ذینفعان فنی و غیر فنی را تقویت کنید.
کاربرد هوش مصنوعی در مدیریت تغییر
شما درک خواهید کرد که چگونه:
- ارزیابیهای تأثیر را با استفاده از هوش مصنوعی برای بررسی پیامدهای تغییر اجرا کنید.
- استراتژیهای ارتباطی هدفمند برای تغییرات پیش رو ایجاد کنید.
- طرحهای پذیرش و ارزیابیهای آمادگی ذینفعان را آماده کنید.
- مقاومت را با برنامهریزی سناریو و پیامرسانی با پشتیبانی هوش مصنوعی کاهش دهید.
استفاده اخلاقی و مسئولانه از هوش مصنوعی در محیطهای برنامه
شما دستورالعملهای ضروری برای موارد زیر را خواهید آموخت:
- مدیریت حریم خصوصی دادهها، شفافیت و استفاده مسئولانه از مدل
- اجتناب از سوگیری و اطمینان از انصاف در تصمیمگیریهای با پشتیبانی هوش مصنوعی
- ایجاد اعتماد با ذینفعان در حین معرفی هوش مصنوعی به گردش های کاری
- به کارگیری اصول اخلاقی در گزارشدهی، ارتباطات و حاکمیت
چرا این دوره متمایز است؟
این دوره برای مدیران برنامه، رهبران PMO، مدیران پروژه، مالکان محصول و رهبران تحویل که در دنیای واقعی مشغول به کار هستند، طراحی شده است. این دوره مطالعات موردی دنیای واقعی، تمرینهای عملی و بهترین شیوه های مورد استفاده در سازمانهای مدرنی که امروزه هوش مصنوعی را اتخاذ میکنند، ترکیب میکند.
شما دوره را با موارد زیر به پایان خواهید رساند:
- یک سیستم روشن و عملی برای ادغام هوش مصنوعی در تمام فعالیتهای اصلی برنامه
- گردش های کاری و تکنیکهای آماده استفاده که میتوانید بلافاصله به کار ببرید.
- درک عمیقی از چگونگی بهبود برنامهریزی، ارتباطات و تحویل توسط هوش مصنوعی
- اعتماد به نفس در ساخت فرآیندها و خودکارسازیهای توانمند شده با هوش مصنوعی
- مهارتهایی که شما را به عنوان یک مدیر برنامه مدرن و مبتنی بر هوش مصنوعی متمایز میکند.
اگر میخواهید با استفاده از قابلیتهای هوش مصنوعی، برنامهها را با سرعت، دقت و شفافیت استراتژیک بیشتری رهبری کنید، این دوره همه آنچه برای قدم گذاشتن به نسل بعدی مدیریت برنامه نیاز دارید را به شما میدهد.
این دوره برای چه کسانی مناسب است؟
- مدیران برنامهای که میخواهند هوش مصنوعی را در عملیات روزانه ادغام کنند.
- مدیران پروژهای که به دنبال ارتقای جعبه ابزار خود با قابلیتهای هوش مصنوعی هستند.
- متخصصان PMO که مسئول حاکمیت، گزارشدهی و دقت فرآیند هستند.
- مالکان محصول و رهبران فنی که محیطهای تحویل چند تیمی را مدیریت میکنند.
- تحلیلگران کسبوکار که به دنبال گردش های کاری سریعتر در نیازمندیها، برنامهریزی و مستندسازی هستند.
- هر کسی که به دنبال خودکارسازی تسک های مدیریت برنامه با استفاده از ChatGPT و APIها است.
هوش مصنوعی برای مدیران برنامه: مهارتهای کاربردی و خودکارسازی
-
طرح ارتباطات 04:10
-
Learn IT Bot – دستیار یادگیری هوش مصنوعی رایگان شما 17:50
-
مقدمهای بر وباپلیکیشن ChatGPT 22:36
-
آغاز پروژه، منشور پروژه و راهاندازی پایگاه دانش با ChatGPT: بخش 1 24:31
-
آغاز پروژه، منشور پروژه و راهاندازی پایگاه دانش با ChatGPT: بخش 2 20:49
-
مدیریت محدوده و مدیریت نیازمندیها با ChatGPT 33:44
-
فاز برنامهریزی و ساختار شکست کار (WBS) 15:40
-
تکنیکهای تخمین 18:44
-
چارچوب تخمین، مدیریت زمانبندی و مدیریت ریسک با ChatGPT، بخش 1 25:07
-
چارچوب تخمین، مدیریت زمانبندی و مدیریت ریسک با ChatGPT، بخش 2 22:15
-
چارچوب تخمین، مدیریت زمانبندی و مدیریت ریسک با ChatGPT، بخش 3 17:32
-
تقویت تحلیل کسبوکار با GPTها: WBS، یوزر استوری ها و تخمینها در چند دقیقه 33:55
-
مدیریت تسک شخصیسازی شده با هوش مصنوعی - برای تیمهای مولد و استفاده شخصی 38:40
-
Jira با چتبات هوش مصنوعی: تحلیل هوشمند و مدیریت پروژه 37:47
-
OpenAI: مفاهیم پایه 27:25
-
OpenAI API: ایجاد و مدیریت حساب شخصی 27:54
-
ChatGPT: Chat API 30:40
-
ارسال اولین درخواست به GPT API و تجزیه پاسخ 25:09
-
اولین وباپلیکیشن با ChatGPT 24:23
-
Function calling در ChatGPT 33:35
-
بهترین روشهای GPT 34:16
-
میزبانی وب در خانه: Port Forwarding 16:54
-
ایجاد اپلیکیشن Slack، پیکربندی Webhookهای ورودی و خروجی 24:58
-
اتصال GPT به Slack 27:20
-
مدیریت کانتکست در وباپلیکیشن برای ادغام با GPT 22:32
-
اولین پروژه در Jira Cloud 24:41
-
Jira API 21:19
-
یکپارچهسازی GPT + Slack + Jira: کار با منبع داده Jira 36:19
-
ایجاد تیکت در Jira و ارسال ایمیل از Slack از طریق رابط چت 22:28
-
مدیریت اسکرام و مدیریت ریسک با ربات سفارشی، Slack و GPT 11:43
-
Fine-tuning: مفاهیم کلیدی و مرور کلی فرآیند 30:51
-
آمادهسازی مجموعه داده آموزشی: اصول کلیدی، موارد استفاده و مثالها - بخش 1 19:24
-
آمادهسازی مجموعه داده آموزشی: اصول کلیدی، موارد استفاده و مثالها - بخش 2 17:59
-
ایجاد اولین مدل Fine-tune شده: بخش 1 27:06
-
ایجاد اولین مدل Fine-tune شده: بخش 2 26:54
-
چتبات برای پایگاه دانش و نحوه ساخت فرآیند تکرارپذیر Fine-tuning 12:54
-
متریک، KPI و OKR 23:25
-
مقدمهای بر متریکها و KPIهای تعالی مهندسی 04:52
-
متریکها و KPIهای توسعه: نسبت و شاخص بدهی فنی، پیچیدگی سایکلوماتیک 28:05
-
متریکها و KPIهای توسعه: متریکهای مرتبط با تست واحد - بخش 1 16:06
-
متریکها و KPIهای توسعه: متریکهای مرتبط با تست واحد - بخش 2 22:28
-
متریکها و KPIهای توسعه: کد تکراری و شاخص کد کامنتشده 24:25
-
متریکها و KPIهای توسعه: زمان چرخه بازخورد بازبینی کد و بازبینیها 22:23
-
متریکها و KPIهای توسعه: شاخص انطباق قوانین (RCI) و تخلفات 26:02
-
متریکها و KPIهای توسعه: پوشش تست یکپارچگی و پوشش تست End-to-End 24:10
-
متریکها و KPIهای بیلد: زمان بیلد، زمان تایید بیلد و اجرای پایپلاین 23:34
-
متریکها و KPIهای بیلد: بیلدهای سبز و بیلدهای شکسته 26:33
-
متریکها و KPIهای انتشار: زمان چرخه و کاندیداهای انتشار 21:32
-
متریکها و KPIهای انتشار: متریکهای کاندیداهای انتشار 21:46
-
متریکها و KPIهای مدیریت نقص: تعداد نقصهای باز و نشت نقص 32:31
-
متریکها و KPIهای مدیریت نقص: نقصها بر اساس شدت/اولویت/محیط/علت ریشهای 29:43
-
متریکها و KPIهای مدیریت نقص: تراکم نقص، مسدودکنندههای حلنشده و سایر موارد 28:36
-
متریکها و KPIهای مدیریت نقص: شاخص بدهی کیفیت، پیشبینی رفع باگ 28:44
-
بازگشایی نقص، رد نقص، نرخ تغییر نقصهای باز، کارایی حذف 20:46
-
زمان رفع نقص، سن نقص، نسبت تشخیص به رفع 21:42
-
پوشش اجرای تست، هزینه کیفیت و پوشش طراحی تست 32:06
-
متریکها و KPIهای تست: زمان رگرسیون، نرخ مسائل تایید شده، نرخ قبولی 19:01
-
درصد مسائل محصول، اتوماسیون، سیستم و فرکانس اجرا 26:58
-
زمان اجرا، نسبت موفقیت تست و درصد نتایج تحلیل شده 22:07
-
اثربخشی رگرسیون، درصد تستهای خودکار و صرفهجویی خودکار 19:48
-
مقدمه: استفاده از ChatGPT برای خدمات مشتری پیشرفته و موفقیت در فروش 19:32
-
درک ChatGPT در خدمات مشتری 22:48
-
پیادهسازیهای موفق ChatGPT در خدمات مشتری: مطالعات موردی - بخش 1 10:37
-
پیادهسازیهای موفق ChatGPT در خدمات مشتری: مطالعات موردی - بخش 2 09:22
-
بهبود تعاملات مشتری با ChatGPT 23:54
-
تمرین استفاده از ChatGPT برای تعاملات مختلف مشتری 25:51
-
بهینهسازی تجربه مشتری با ChatGPT - بخش 1 13:22
-
بهینهسازی تجربه مشتری با ChatGPT - بخش 2 13:14
-
Chatbase: کاملترین بررسی 29:43
-
Chatbase: ساخت چتبات در 5 دقیقه بدون کدنویسی 30:22
-
چتبات برای اپلیکیشن بانکداری آنلاین Revolut از طریق ChatGPT و Slack 15:00
-
مقدمهای بر برنامهنویسی مفرط (XP) - بخش 1 14:28
-
مقدمهای بر برنامهنویسی مفرط (XP) - بخش 2 19:40
-
برنامهنویسی دونفره - بخش 1 18:13
-
برنامهنویسی دونفره - بخش 2 18:23
-
بازی برنامهریزی - بخش 1 18:23
-
بازی برنامهریزی - بخش 2 23:00
-
توسعه مبتنی بر تست (TDD) 23:55
-
BDD و ATTD 15:54
-
TDD، BDD و ATTD - تمرین 13:51
-
تیم کامل - بخش 1 16:07
-
تیم کامل - بخش 2 15:54
-
ادغام مداوم (CI) - بخش 1 21:02
-
ادغام مداوم (CI) - بخش 2 29:31
-
بازآرایی یا بهبود طراحی - بخش 1 24:30
-
بازآرایی یا بهبود طراحی - بخش 2 27:52
-
انتشارهای کوچک - بخش 1 16:32
-
انتشارهای کوچک - بخش 2 17:57
-
استانداردهای کدنویسی - بخش 1 13:13
-
استانداردهای کدنویسی - بخش 2 14:19
-
مالکیت جمعی کد - بخش 1 15:12
-
مالکیت جمعی کد - بخش 2 20:26
-
طراحی ساده - بخش 1 18:06
-
طراحی ساده - بخش 2 20:49
-
استعاره سیستم 28:27
-
سرعت پایدار - بخش 1 20:21
-
سرعت پایدار - بخش 2 16:44
-
بررسی ابزارهای تست API و نصب Postman 14:19
-
تست API با Postman 23:13
-
درس هدیه 02:51
مشخصات آموزش
هوش مصنوعی برای مدیران برنامه: مهارتهای کاربردی و خودکارسازی
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:100
- مدت زمان :37:01:52
- حجم :17.89GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy