دوره آموزشی

دوبله زبان فارسی

بوت‌کمپ جامع برنامه‌نویسی پایتون و Generative AI

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

تسلط به اصول پایتون: با یادگیری متغیرها، انواع داده، حلقه‌ها و اصول اساسی کدنویسی، پایه‌ی محکمی در پایتون بسازید.
درک Generative AI: کشف کنید مدل‌های زبانی بزرگ مانند OpenAI و جمینی چگونه کار می‌کنند تا به اپلیکیشن‌های پیشرفته هوش مصنوعی قدرت بخشند.
ساخت اپلیکیشن‌های مبتنی بر هوش مصنوعی: ایجاد چت‌بات‌ها، ابزارها و گردش کارهایی که از هوش مصنوعی برای حل مسائل واقعی استفاده می‌کنند.
تسلط به مهندسی پرامپت: تکنیک‌های پیشرفته‌ای را برای نوشتن پرامپت‌های دقیق به منظور راهنمایی مدل‌های هوش مصنوعی برای ارائه خروجی‌های خلاقانه بیاموزید.
توسعه مهارت‌های هوش مصنوعی چندوجهی: یکپارچه‌سازی متن، تصاویر و ورودی‌های صوتی برای طراحی سیستم‌های هوش مصنوعی همه‌کاره و پویا
کار با LangChain: ساخت گردش کارهای پیشرفته هوش مصنوعی با زنجیره‌ها، حافظه و ابزارها برای افزایش عملکرد و کارایی
استفاده از پایگاه داده‌های برداری Pinecone: استفاده از تعبیه‌ها و جستجوی برداری برای ایجاد پایگاه‌های دانش و بازیابی اطلاعات به‌طور کارآمد
ساخت پروژه‌های واقعی هوش مصنوعی: مهارت‌های خود را در پروژه‌های عملی مانند تحلیل داده، ساخت ابزارهای تصمیم‌گیری و غیره به‌کار ببرید.
بررسی مفاهیم پیشرفته پایتون: تسلط به موضوعات پیشرفته مانند مدیریت فایل، مدیریت خطا، عبارات منظم و اشکال‌زدایی
کار با APIها: اتصال اپلیکیشن‌های پایتون به web APIها، مدیریت داده JSON و تعامل با پلتفرم‌هایی مانند OpenAI و گوگل
شروع کار با پانداس: یاد بگیرید چگونه داده را با کتابخانه قدرتمند پانداس در پایتون تحلیل، پاک‌سازی و دستکاری کنید.
استفاده از ساختارهای داده: حل مسائل پیچیده با لیست‌ها، دیکشنری‌ها، تاپل‌ها و مجموعه‌ها به طور کارآمد
خودکارسازی تسک‌ها با پایتون: با خودکارسازی پردازش فایل، مدیریت داده و تسک‌های تکراری، کار خود را تسهیل کنید.
درک برنامه‌نویسی شی‌گرا: کد قابل استفاده مجدد و ماژولار با کلاس‌ها، اشیاء و اصول برنامه‌نویسی شی‌گرا طراحی کنید.
یادگیری ابزارهای کلیدی هوش مصنوعی: بررسی پلتفرم‌هایی مانند OpenAI Playground ،Google AI Studio و Tavily برای توسعه هوش مصنوعی نوآورانه
آنلاک کردن وب اسکرپینگ و استخراج داده: واکشی، پردازش و تحلیل داده از وب با با کتابخانه‌های قدرتمند پایتون
ساخت اپلیکیشن‌های مقیاس‌پذیر پایتون: بهترین شیوه‌ها را برای ساختاردهی، ماژولار کردن و مقیاس‌بندی پروژه‌های پایتون برای استفاده واقعی بیاموزید.
گردش کار توسعه‌ی خود را بهینه‌سازی کنید: استفاده از ابزارهایی مانند PyCharm ،Jupyter Notebook و محیط‌های مجازی برای کدنویسی کارآمد

پیش‌نیازهای دوره

هیچ پیش‌زمینه فنی لازم نیست! چه یک توسعه‌دهنده، یک فرد خلاق یا فقط علاقمند به هوش مصنوعی باشید، این دوره تمام اصول را پوشش می‌دهد تا به شما کمک کند با اطمینان مهارت‌های مورد نیاز GenAI واقعی را بسازید.
شما باید قادر باشید با یک شماره تلفن معتبر برای OpenAI API ثبت‌نام کنید.
بسته به محل سکونت شما، ممکن است OpenAI به کارت اعتباری و شارژ حساب نیاز داشته باشد.

توضیحات دوره

آیا به یادگیری پایتون علاقمندید، اما نمی‌دانید از کجا شروع کنید؟ آیا Generative AI شما را سر درگم کرده است و نمی‌دانید چگونه در جریان ظهور روزانه ابزارهای جدید هوش مصنوعی باشید؟

آیا نگران این هستید که از قافله عقب افتاده‌اید و مهارت‌هایی مانند مهندسی پرامپت و یکپارچه‌سازی APIها ضروری شده‌اند؟

آیا در تلاش برای یادگیری کتابخانه‌های پیچیده مانند OpenAI، جمینی و LangChain بدون یک مسیر مشخص هستید؟

نگذارید پیچیدگی GenAI مانع شما شود، این بوت‌کمپ جامع برنامه‌نویسی پایتون و Generative AI شما را به مهارت‌های عملی برای ساخت، نوآوری و جلوتر بودن از رقبا تجهیز می‌کند.

تصور کنید از موانع کدنویسی رها شوید و وارد دنیای Generative AI شوید، جایی که مهارت‌های پایتون به ابزارهایی تبدیل می‌شوند که کارهای دشوار را برای شما انجام می‌دهند.

با راهنمایی عمیق این دوره، شما به مهندسی پرامپت مسلط خواهید شد و تخصص لازم برای یکپارچه‌سازی APIهای برتر مانند OpenAI و جمینی به طور یکنواخت را کسب خواهید کرد.

بعد از پایان دوره، شما اپلیکیشن‌های واقعی خواهید ساخت که مجموعه مهارت شما را غیرقابل جایگزین می‌کنند و به شما برتری رقابتی در هر زمینه مبتنی بر تکنولوژی می‌دهد!

اگر این دوره را نگذرانید، ممکن است شانس ساخت مهارت‌های هوش مصنوعی مورد تقاضا که آینده تکنولوژی را شکل می‌دهند را از دست بدهید.

با داشتن ابزارهای پایتون و GenAI، قدرت ساخت راه‌حل‌های هوشمند و مبتنی بر هوش مصنوعی را کسب کنید که شما را به جلو می‌اندازد!

اگر همه چیز بیش از حد فنی باشد، چطور؟

نگران نباشید! این دوره طراحی شده است تا مفاهیم GenAI را به‌صورت گام‌به‌گام و به شیوه‌ای واضح و قابل فهم تجزیه کند. ما اطمینان حاصل خواهیم کرد که هر مفهوم، از مهندسی پرامپت تا یکپارچه‌سازی APIها قابل فهم باشد و به شما احساس توانمندی دهد.

اگر بسیار پرمشغله باشیم، چطور؟

ما درک می‌کنیم، این دوره با در نظر گرفتن انعطاف‌پذیری طراحی شده است. با درس‌های مختصر و مورد تقاضا، شما قادر خواهید بود با سرعت خودتان یاد بگیرید و آن را در روز خود بدون هیچ استرسی جای دهید.

ساخت راه حل‌های هوشمند و کارآمد با پایتون برای GenAI را شروع کنید و سطح جدیدی از بهره‌وری را تجربه کنید!

آنچه از طریق این دوره جامع بدست خواهید آورد:

تسلط به کتابخانه‌های کلیدی GenAI و مبانی پایتون: با الزامات پایتون، ابزارهای GenAI و APIهایی مانند OpenAI ،Gemini API و Claude API شروع کنید و پایه‌ای قوی برای پروژه‌های عملی هوش مصنوعی بسازید.
ساخت اپلیکیشن‌های واقعی هوش مصنوعی: از LangChain و ابزارهای پیشرفته GenAI برای ایجاد پروژه‌های عملی، از چت‌بات‌های هوشمند تا موتورهای توصیه شخصی‌سازی‌شده استفاده کنید.
یکپارچه‌سازی یکنواخت APIهای کلیدی GenAI: از قدرت OpenAI API ،LangChain و جمینی برای خودکارسازی گردش کارها، شخصی‌سازی تجربیات کاربری و بهبود محتوا استفاده کنید.
افزایش تعامل با ابزارهای مبتنی بر هوش مصنوعی: تولید تصویر، تعبیه‌ها و راه‌حل‌های جستجوی سفارشی برای ساخت اپلیکیشن‌های پویا که توجه را جلب کرده و تعامل را هدایت می‌کنند را بررسی کنید.
ایجاد راه‌حل‌های منحصر به فرد مبتنی بر هوش مصنوعی: اپلیکیشن‌های متناسبی را طراحی کنید که مشکلات واقعی را حل کرده و جعبه ابزار GenAI شما را از مهندسی پرامپت تا جستجوی مبتنی بر تعبیه‌ها گسترش می‌دهند.

این دوره بیشتر از صرفاً یادگیری مبانی است!

این دوره شما را از یک مبتدی به یک حرفه‌ای واقعی تبدیل کند!

در پایان، شما مهارت‌های GenAI لازم برای قدرت بخشی به پروژه‌های خود با LangChain ،OpenAI API و مهندسی پرامپت پیشرفته را کسب خواهید کرد و ایده‌های خود را به اپلیکیشن‌های واقعی و مبتنی بر هوش مصنوعی به آسانی و با اعتماد به نفس تبدیل خواهید کرد.

مهارت‌های پایتون را به تخصص GenAI تبدیل کنید، همین حالا در این دوره شرکت کنید تا اپلیکیشن‌های هوشمند و مبتنی بر هوش مصنوعی بسازید که شما را متمایز می‌کنند!

این دوره برای چه کسانی مناسب است؟

توسعه‌دهندگان فرانت‌اند: یاد بگیرید چگونه APIهای GenAI را با رابط‌های کاربری یکپارچه‌سازی کنید و اپلیکیشن‌های خود را با ویژگی‌های مبتنی بر هوش مصنوعی مانند چت‌بات‌ها، توصیه‌ها و تولید محتوای پویا ارتقا دهید.
توسعه‌دهندگان بک‌اند: کشف کنید چگونه می‌توانید از پایتون و کتابخانه‌های GenAI برای ساخت راه‌حل‌های مقیاس‌پذیر مبتنی بر هوش مصنوعی، خودکارسازی گردش کارها و مدیریت پایپ‌لاین‌ها به‌طور مؤثر استفاده کنید.
توسعه‌دهندگان فول‌استک: به کل استک با ترکیب ابزارهای هوش مصنوعی مبتنی بر پایتون با فریم‌ورک‌هایی برای ساخت اپلیکیشن‌های هوشمند و end-to-end مسلط شوید.
دانشمندان و تحلیل‌گران داده: جعبه ابزار پایتون خود را گسترش دهید تا شامل مدیریت داده مبتنی بر GenAI، تعبیه‌های پیشرفته و پردازش زبان طبیعی برای استخراج بینش‌های هوشمندتر شود.
متخصصان هوش مصنوعی و یادگیری ماشین: درک خود را از کتابخانه‌های GenAI مانند LangChain ،OpenAI و جمینی عمیق‌تر کرده و آن‌ها را با مدل‌ها یا گردش کارهای موجود خود یکپارچه‌سازی کنید.
توسعه‌دهندگان بازی: از ابزارهای GenAI برای داستان‌سرایی پویا، تولید محتوای رویه‌ای و ویژگی‌های تعاملی مبتنی بر هوش مصنوعی در بازی‌ها استفاده کنید.
توسعه‌دهندگان وب: ویژگی‌های توصیه، شخصی‌سازی و جستجوی مبتنی بر GenAI را با یکپارچه‌سازی پایگاه داده‌های برداری و پایتون به وب‌سایت‌ها و اپلیکیشن‌ها اضافه کنید.
توسعه‌دهندگان اپلیکیشن موبایل: قابلیت‌های هوش مصنوعی، مانند تبدیل متن به گفتار، تولید تصویر و هوش مصنوعی مکالمه‌ای را به اپلیکیشن‌های موبایل با APIهای GenAI یکپارچه‌سازی کنید.

بوت‌کمپ جامع برنامه‌نویسی پایتون و Generative AI

فصل 1: شروع کار با پایتون و Generative AI

به بوت‌کمپ برنامه‌نویسی پایتون و Generative AI خوش آمدید 02:52

فصل 2: راه‌اندازی محیط پایتون

انواع نصب‌های پایتون 03:02
چگونه کد پایتون را در Colab (محیط توسعه یکپارچه ابری) اجرا کنیم؟ 04:15
چگونه پایتون را در ویندوز نصب کنیم؟ 03:58
راه‌اندازی PyCharm در ویندوز 03:35
چگونه کد پایتون را در PyCharm بنویسیم و اجرا کنیم؟ 05:22
آزمون راه‌اندازی محیط برنامه‌نویسی None

فصل 3: مبانی پایتون

متغیرهای پایتون 06:34
کنوانسیون نامگذاری (PEP 8) 09:30
آزمون متغیرها None
کامنت ها در پایتون 05:53
آزمون کامنت‌ها None
انواع داده داخلی پایتون 06:18
نوع‌دهی پویا در مقابل استاتیک 04:47
اعداد و عملگرهای ریاضی 05:17
آزمون انواع، اعداد و عملگرهای ریاضی None
عملگرهای کلیدی پایتون: مقایسه، تخصیص و هویت 07:03
آزمون عملگرهای تخصیص، مقایسه و هویت None

فصل 4: ساختارهای داده ضروری پایتون

مبانی رشته 08:58
دریافت ورودی کاربر و تبدیل نوع 06:36
عملیات‌های اصلی رشته: ایندکس‌گذاری، اسلایس و Concatenate کردن 10:49
متدهای رایج رشته - بخش 1 06:25
متدهای رایج رشته - بخش 2 05:37
رشته‌های فرمت شده: استفاده از F-stringها برای خروجی تمیز 04:33
F-stringها با = برای اشکال‌زدایی 04:27
مبانی لیست 09:19
عملیات‌های لیست: Concatenate کردن و اسلایس 07:01
عملیات‌های لیست: Iteration 07:54
متدهای ضروری لیست - بخش 1 08:02
متدهای ضروری لیست - بخش 2 04:23
List Comprehensions: ایجاد و اصلاح لیست‌ها به‌طور کارآمد 08:54
مبانی تاپل 07:55
عملیات‌های تاپل: ایندکس‌گذاری و Unpack کردن 05:39
مبانی مجموعه 06:04
عملیات‌های رایج مجموعه 04:15
مبانی دیکشنری 09:17
عملیات‌های دیکشنری: دسترسی، بروزرسانی، ()get() ،.keys. و ()values. 11:26
عملگرهای ادغام و بروزرسانی دیکشنری 05:00
Dictionary Comprehensions 06:24
تصویر کلی را ببینید 01:42

فصل 5: کنترل جریان برنامه و حلقه‌ها

دستورات شرطی و تو رفتگی 10:09
متغیرهای بولی 06:06
عملگرهای منطقی: or ،not و and 05:32
ارزیابی اتصال کوتاه (Short-circuit) 03:44
حلقه‌های For 06:45
محدوده‌ها 03:55
حلقه‌های While 04:37
تکنیک‌های هوشمند حلقه‌زنی: continue و pass 07:08
تکنیک‌های هوشمند حلقه‌زنی: break 09:45
کد خود را اشکال‌زدایی کنید 06:52

فصل 6: توابع و عبارات لامبدا

آشنایی با توابع و docstringها 07:50
دستور return 05:36
آرگومان‌های تابع: موقعیتی و کلمه کلیدی 05:50
آرگومان‌های پیش‌فرض 03:49
پارامترهای Positional-Only در پایتون 06:15
آرگومان‌های با طول متغیر: args* 03:56
آرگومان‌های با طول متغیر: kwargs** 02:31
Pack و Unpack کردن دیکشنری 06:58
اسکوپ متغیر و فضاهای نام 05:49
اسکوپ‌های عمومی در مقابل محلی و دام‌های رایج 04:29
عبارات لامبدا 09:13

فصل 7: کار با فایل‌ها و داده

خواندن فایل‌های متنی در پایتون 05:29
کار با مسیرهای مطلق و نسبی فایل 11:01
خواندن فایل‌ها: tell ،seek و Cursorها 06:36
دستور with 03:28
خواندن فایل‌ها در یک لیست 05:53
نوشتن فایل‌های متنی در پایتون 07:08
پروژه: پردازش فایل 06:21
خواندن فایل‌های CSV در پایتون 06:42
پروژه: یافتن کاربرد مدل Peak 06:04
نوشتن فایل‌های CSV در پایتون 06:12
مدیریت JSON برای داده ساختار یافته 06:05
تحلیل JSON از پاسخ‌های API 06:12
پروژه: ایجاد یک درخواست به OpenAI 09:04

فصل 8: عبارات منظم برای پردازش متن

مقدمه‌ای بر عبارات منظم (Regex) 05:12
استفاده از انکرها و گروه‌بندی 07:08
تطبیق Non-Greedy 04:18
جانشینی‌ها و پاک‌سازی داده با re.sub 05:50
پردازش فایل‌ها و تقسیم رشته‌ها 06:20

فصل 9: خطاها، مدیریت استثنا و اشکال‌زدایی

آشنایی با مدیریت استثنا 05:44
تسلط به مدیریت استثنا: Try...Except...Else...Finally 09:51
استثناهای داخلی و بهترین شیوه‌ها 09:37
پروژه: بررسی اتصالات شبکه 09:08

فصل 10: اصول برنامه‌نویسی شی‌گرا (OOP)

آشنایی با برنامه‌نویسی شی‌گرا (OOP) 05:45
نمایش OOP: لاک‌پشت 12:48
تعریف کلاس‌ها و اشیاء 03:30
متد __init__ 07:45
متد __del__ 02:19
Attributeهای نمونه و Attributeهای کلاس 06:06
متدهای جادویی 09:09
پروژه: ایجاد یک کلاس کاربردی برای GenAI 09:01
TypedDict - بخش 1 06:24
TypedDict - بخش 2 04:23

فصل 11: نقاط عطف مهم

نقاط عطف مهم: تبریک! 03:52

فصل 12: ماژول‌های پایتون

درک ماژول‌های پایتون 06:15
ماژول OS 07:55
تکنیک‌های پیشرفته ایمپورت و بهترین شیوه‌ها 04:10
استفاده از __name__ == '__main__' برای کد ماژولار و قابل استفاده مجدد 06:23
تسلط به مدیریت پکیج پایتون با pip 08:33

فصل 13: Google Colab ،Jupyter Notebook و محیط‌های مجازی

راه‌اندازی Jupyter Notebook و محیط‌های مجازی با venv 10:14
استفاده از محیط‌های مجازی در PyCharm و ویژوال استودیو کد 05:34

فصل 14: کتابخانه‌های ضروری پایتون برای GenAI: درخواست‌ها و پانداس

شروع کار با کتابخانه‌های httpx و درخواست‌ها در پایتون 08:48
مدیریت خطاهای HTTP 04:38
مدیریت احراز هویت HTTP و هدرها (OpenAI API) 10:02
راه‌اندازی محیط: Jupyter Notebook و پانداس 03:54
آشنایی با پانداس: سری‌ها و دیتافریم‌ها 06:08
ایمپورت و اکسپورت داده: کار با فایل‌های CSV 06:38
اکسپورت داده به فرمت‌های مختلف: اکسل، JSON ،YAML و اس کیوال 07:45
اصلاح داده: افزودن و دراپ کردن ستون‌ها و ردیف‌ها 06:03
دسترسی به داده: با []df.iloc و []df.loc 05:41
نمونه‌برداری و پیش‌نمایش داده: با ()df.sample و ()df.head 06:14
فیلترینگ داده: ماسک‌ها و ()pandas.Series.between 07:14
مرتب‌سازی داده: درک متدهای مرتب‌سازی پانداس 07:11
مدیریت داده گمشده 04:43
تجمیع‌ها و گروه‌بندی داده 04:52
پروژه: تحلیل داده ترافیک وب سایت 04:32
دستکاری داده سری زمانی در پانداس 07:00

فصل 15: آشنایی با مدل‌های زبانی بزرگ، APIها و کتابخانه‌های GenAI

مرور بخش 03:15
اصول مدل‌های زبانی بزرگ و GenAI 08:30
توکن‌ها، Context Windows و هزینه 05:25
بررسی APIهای مدل زبانی بزرگ: هوش مصنوعی به عنوان یک سرویس 09:21
OpenAI Playground ،Google AI Studio و Anthropic Workbench 06:05
چالش‌ها و محدودیت‌های مدل‌های زبانی بزرگ 09:01
وضعیت هوش مصنوعی: حال و آینده - خوبی‌ها و بدی‌ها 10:04

فصل 16: بررسی OpenAI API با پایتون

احراز هویت در OpenAI با Python Dotenv 08:20
اندپوینت تکمیل چت 06:57
پیام توسعه‌دهنده 04:29
استریمینگ پاسخ‌های API 04:30
استفاده از تصاویر Base64 محلی به عنوان ورودی 06:44
استفاده از تصاویر آنلاین به عنوان ورودی 02:03
پارامترهای Chat Completions API: دما و Seed 06:06
پارامترهای Chat Completions API: بررسی top_p ،max_tokens و جریمه فرکانس 10:58
ترنسکریپشن‌ها با Whisper 05:46
ترجمه‌ها با Whisper 03:11
Text-to-Speech (TTS) API 07:06
تولید تصاویر اصلی با DALL-E 3 10:47

فصل 17: مهندسی پرامپت برای GenAI

مقدمه‌ای بر مهندسی پرامپت 02:40
تاکتیک 1: قراردهی دستورالعمل‌ها به وضوح با Delimiterها 03:54
تاکتیک 2: ارائه دستورالعمل‌های دقیق برای زمینه، خروجی یا طول 07:09
تاکتیک 3: استفاده از ساختار RTF (نقش-تسک-فرمت) 08:09
تاکتیک 4: استفاده از پرامپت‌نویسی Few-Shot 08:11
تاکتیک 5: مشخص کردن مراحل مورد نیاز برای تکمیل یک تسک 05:30
تاکتیک 6: به مدل‌ها برای فکر کردن زمان بدهید 02:13
تاکتیک‌ها و اصول دیگر برای پرامپت‌نویسی بهتر 05:52
اجتناب از توهم‌ها: تکنیک‌هایی برای محافظت از خروجی‌ها 02:58
خلاصه‌ای از مهندسی پرامپت 02:06

فصل 18: بررسی جمینی گوگل

راه‌اندازی SDK پایتون و احراز هویت برای Gemini API 09:50
تولید متن از پرامپت‌های متنی 04:14
استریمینگ پاسخ‌های جمینی 02:58
تولید متن از تصاویر 05:50
پارامترهای تولید Gemini API: کنترل اینکه مدل چگونه پاسخ‌ها را تولید می‌کند 06:10
توضیح پارامترهای تولید Gemini API 10:12
ساخت مکالمات چت 07:53
پروژه: ساخت یک عامل مکالمه‌ای با جمینی 07:17
دستورالعمل‌های سیستم 05:42
File API: پرامپت‌نویسی با فایل‌های رسانه 06:09
توکن‌ها در Gemini API 06:44
File API: پرامپت‌نویسی با صدا 04:19