هوش مصنوعی برای کدنویسی و توسعه نرمافزار: راهنمای کامل
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- راهاندازی یک فضای کاری کدنویسی با هوش مصنوعی قابل اعتماد در VS Code (شامل Python ،Node.js و Git) و اجرای بررسیهای صحتسنجی تا هر دمو به درستی کار کند.
- استفاده از ابزارهای کدنویسی هوش مصنوعی برای دیباگ باگهای واقعی، انجام اصلاحات ایمن و اثبات تغییرات با استفاده از تستهای خودکار.
- تبدیل یک مشخصات کوتاه به یک تغییر قابل انتشار با استفاده از کامیتهای کوچک، تفاوتهای واضح و خلاصهای آماده برای PR.
- ریفکتور ایمن کد با محافظت از رفتارهای عمومی به کمک تستهای قرارداد و چکلیستهای بررسی
- تولید مستندات کاربردی پروژه (دستورالعملهای اجرا، مراحل عیبیابی و مینی رانبوکها) که با کد مطابقت داشته باشند.
- استفاده هوشمندانه از محدودیتهای ابزار هوش مصنوعی از طریق دستهبندی prompt ها، استفاده مجدد از context و جلوگیری از تغییرات مکرر پرامپت
- ارتقا یا تبدیل ایمن کد (به عنوان مثال تغییرات جاوا یا وابستگیها) و اعتبارسنجی نتایج با تستها
- انتشار و استقرار صفر تا صد یک برنامه کوچک با بررسیهای smoke، یادداشتهای انتشار پایه و یک برنامه بازگشت
پیشنیازهای دوره
- تجربه برنامهنویسی پایه (راحتی در خواندن و ویرایش کد در Python یا JavaScript).
- یک کامپیوتر دارای سیستمعامل Windows ،macOS یا Linux با دسترسی به اینترنت
- نصب بودن Visual Studio Code
- نصب بودن Python (نسخه 3.10 یا بالاتر توصیه میشود) و توانایی اجرای python و pip از طریق ترمینال.
- نصب بودن Node.js (نسخه LTS توصیه میشود) و توانایی اجرای node و npm.
- نصب بودن Git (توانایی اجرای git از طریق ترمینال).
- یک حساب کاربری GitHub (برای Copilot و گردش های کاری مخزن).
- اختیاری اما مفید: ChatGPT Plus برای بخش OpenAI Codex (بقیه بخشهای دوره به آن نیاز ندارند).
توضیحات دوره
با استفاده از ابزارهای کدنویسی هوش مصنوعی در Visual Studio Code، نرمافزارهای واقعی را سریعتر و ایمنتر بسازید.
این دوره به صورت عملی و پروژهمحور است. هر درس یک سناریوی کاربردی است که در تیمهای واقعی مشاهده خواهید کرد: یک PR ناپایدار، یک ریفکتور پرخطر، یک مجموعه تست ناموفق، تعویض یک وابستگی، یک ویژگی کوچک از یک spec و یک گردش کاری کامل برای استقرار و اعتبارسنجی. شما یاد خواهید گرفت که چگونه از دستیاران مدرن هوش مصنوعی به عنوان یک شریک روزانه استفاده کنید، در حالی که استاندارد مهندسی را بالا نگه میدارید.
آنچه در این دوره انجام خواهید داد:
- دیباگ باگهای واقعی، انجام اصلاحات ایمن و اثبات آنها با تستها
- تبدیل spec های کوتاه به تغییرات قابل انتشار با کامیتهای تمیز و خلاصههای آماده برای PR
- ریفکتور با اطمینان کامل با استفاده از تستهای قرارداد و چکلیستهای بررسی
- تولید مستندات مفید و مینی رانبوکها که با کد مطابقت دارند
- یادگیری چگونگی کار در چارچوب محدودیتهای ابزار با دستهبندی prompt ها و حفظ محدودهی context
- تمرین گردش های کاری ایمن برای ویرایشها و اجرای فرمان (شما کنترل را در دست خواهید داشت)
ابزارهایی که یاد خواهید گرفت (در گردش های کاری واقعی):
- Visual Studio Code
- GitHub Copilot
- Cursor
- Google Antigravity
- Amazon Q Developer
- Windsurf
- OpenAI Codex (در VS Code)
آنچه دریافت میکنید:
- دموهای گامبهگام که میتوانید در ویرایشگر خود دنبال کنید
- فایلهای پروژه قابل دانلود برای تمرینها
- بستههای prompt برای دانشجویان که میتوانید برای تمرین مجدد همان گردش کاری از آنها استفاده کنید.
این دوره برای چه کسانی است؟
توسعهدهندگانی که از قبل میتوانند کد (Python یا JavaScript) را بخوانند و ویرایش کنند و به دنبال گردش های کاری کاربردی و تکرارپذیر به کمک هوش مصنوعی برای انتشار ویژگیها، رفع باگها، نوشتن تستها و بررسی PRها هستند.
پیشنیازها:
- VS Code
- Python (نسخه 3.10+ توصیه میشود)
- Node.js (نسخه LTS توصیه میشود)
- Git
- یک حساب کاربری GitHub
دسترسی به ChatGPT Plus اختیاری است و فقط برای بخش Codex مورد نیاز است.
در پایان، شما یک گردش کاری شفاف خواهید داشت که میتوانید از آن در محل کار خود برای ساخت، تغییر و تحویل کد با اطمینان بیشتر به کمک ابزارهای هوش مصنوعی استفاده کنید.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان نرمافزار که میخواهند از ابزارهای کدنویسی هوش مصنوعی در پروژههای واقعی (دیباگ، ریفکتور، تستها، مستندات و PRها) استفاده کنند.
- مهندسان سطح جونیور تا میدل که میخواهند یک گردش کاری تکرارپذیر برای انتشار با اطمینان تغییرات داشته باشند.
- مهندسان ارشد و مدیران مهندسی که به دنبال تکنیکهای کاربردی برای بررسی کد، بررسی ریسک و یادداشتهای انتشار با استفاده از ابزارهای هوش مصنوعی هستند.
- توسعهدهندگانی که از قبل مقداری Python یا JavaScript مینویسند و خواهان تمرینهای عملی و مبتنی بر دمو در VS Code و IDE های مدرن هستند.
- یادگیرندگانی که ترجیح میدهند با پروژههای کوچک، تستها و prompt های گامبهگام یاد بگیرند و علاقهای به درسهای تئوری سنگین ندارند.
- این دوره برای مبتدیان مطلقی که هرگز قبلاً کدنویسی نکردهاند مناسب نیست. شما باید قادر به خواندن و ویرایش کد باشید.
- این دوره برای افرادی که به دنبال محتوای آموزشی عمیق یادگیری ماشین یا LLM هستند مناسب نیست. این دوره درباره استفاده از ابزارهای هوش مصنوعی برای ساخت و نگهداری نرمافزار است.
هوش مصنوعی برای کدنویسی و توسعه نرمافزار: راهنمای کامل
-
خوشآمدگویی: نقشه دوره، بودجه و عادات ایمن کدنویسی با هوش مصنوعی 02:12
-
راهاندازی ابزار و بررسیهای صحتسنجی: VS Code ،Python ،Node.js ،Git 09:37
-
اسپرینت دیباگ Copilot: نجات کدهای قدیمی در یک API پایتون 42:35
-
از Spec تا PR: تحویل یک ویژگی با کامیتهای تمیز 33:22
-
استراتژی تست مبتنی بر ریسک: تستهای Unit + Property برای حالتهای لبه 38:24
-
ریفکتور ایمن: حفظ پایداری قراردادهای عمومی با تستهای قرارداد 01:04:03
-
مستندات منطبق با واقعیت: Docstring ها، یادداشتهای معماری، مینی رانبوک 12:38
-
محدودیتهای رایگان Copilot: کدنویسی با کنترل هزینه بدون توقف در انتشار 16:01
-
تغییر نام سراسری در Cursor با حفاظهای ایمنی (کد، تستها، مستندات) 33:03
-
ساخت یک CLI اعتبارسنجی قرارداد داده (JSON Schema + تستها) 17:59
-
اصلاح عملکرد جراحیگونه: یافتن مسیر کند + بنچمارک گرفتن از بهبود 19:11
-
پاکسازی ریسک وابستگی: جایگزینی یک کتابخانه پرخطر به روش ایمن 16:53
-
بررسی Diff در سطح Staff: خلاصه، ریسکها، پیادهسازی و برنامه بازگشت 30:36
-
حالتهای چت Cursor + انتخابگر مدل: پرسش، برنامهریزی، دیباگ، عامل 37:30
-
گردش کاری Cursor Agent: از Spec تا تغییر قابل انتشار 26:23
-
تحویل چند-عاملی در یک مخزن: ویژگی + تستها + مستندات 41:26
-
تریاژ باگ در Mission Control: بازتولید موازی، علت ریشهای، اصلاح ایمن 28:34
-
مجوزهای ایمن ترمینال: انجام کار بدون خودمختاری پرخطر 29:34
-
کدنویسی به کمک مرورگر با لیست سفید: فقط مستندات تایید شده 37:09
-
بررسی کد مبتنی بر Artifact: نیازمندیها، تستها، حالتهای لبه، ایمنی 25:29
-
ویژگی UI + تکمیل خودکار + تست مرورگر در Antigravity 44:30
-
افزونه Amazon Q در VS Code: راهاندازی + چرخه "پرسش، پیادهسازی، اعتبارسنجی" 38:51
-
هندلر محلی بدون سرور: تابع سبک Lambda + تستها + لاگها 20:32
-
درک پایگاه کد تحت فشار زمانی: ریسکها + برنامه اصلاح 26:44
-
تحول خرد در ارتقای جاوا + اعتبارسنجی تست 15:41
-
اتوماسیون آگاه از سهمیه: استفاده حرفهای از 50 درخواست 21:08
-
از ایده تا UI در حال کار: پیشنمایشها، فیلترها، State و اعتبارسنجی 39:00
-
سازنده یادداشتهای انتشار: تجزیه تاریخچه Git به یادداشتهای تمیز 33:31
-
چالش یک-استقرار-در-روز: انتشار صفر تا صد با تستهای Smoke 35:02
-
اتوماسیون رانبوک: چکلیست حوادث + اسکریپت عیبیابی از لاگها 29:52
-
نصب OpenAI Codex در VS Code: ورود، کنترلها و ایمنی 31:21
-
نجات Webhook PR: اصلاح کد ناپایدار، افزودن تستها و انتشار یک پچ ایمن 31:13
-
خلاصه پروژه نهایی: انتشار یک کیت شروع پایداری (پروژه تمرینی) 01:50
مشخصات آموزش
هوش مصنوعی برای کدنویسی و توسعه نرمافزار: راهنمای کامل
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:33
- مدت زمان :15:31:54
- حجم :10.02GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy