×
ribbon

بوت‌کمپ جامع هوش مصنوعی مولد و برنامه‌نویسی Python

مدرس:Udemy

Andrei Dumitrescu

آموزش پایتون و تولید هوش مصنوعی برای آینده

جدید
زیرنویس
14دانشجو
24ساعت
سرفصل‌ها
مقدماتی تا پیشرفته سطح دوره
بروزرسانیشهریور ۱۴۰۵
محتوای دوره
سرفصل‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

یادگیری برنامه‌نویسی پایتون برای کاربردهای عملی

یادگیری اصول و روش‌های تولید هوش مصنوعی (Generative AI)

کار با LangChain برای ساخت جریان‌های پردازش مبتنی بر مدل‌های زبانی

آشنایی و استفاده از LangGraph

این دوره شامل:

24 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

1 فصل223 جلسه24 ساعت ویدیو
بوتکمپ کامل برنامهنویسی پایتون و هوش مولد (آوریل ۲۰۲۵)
  احراز هویت در اوپنایآی با استفاده از dotenv در پایتون
08:20
  دستورات شرطی و تورفتگی کد
10:09
  شروع کار با کتابخانههای requests و httpx در پایتون
08:48
  تبریک بهخاطر رسیدن به یک نقطه عطف مهم!
03:52
  مقدمهای بر برنامهنویسی شیءگرا
05:45
  مقدمهای بر بردارهای تعبیهشده متنی اوپنایآی
03:16
  مقدمهای بر مدیریت خطاها (استثناها) در پایتون
05:44
  مقدمهای بر توابع و رشتههای مستندساز در کد (docstrings)
07:50
  مقدمهای بر مهندسی پرامپت
02:40
  مقدمهای بر عبارات منظم (Regex)
05:12
  نمایش عملی لنگچِین
05:05
  مفاهیم و مؤلفههای اصلی لنگگراف
05:40
  معرفی پروژه
06:06
  متغیرها در پایتون
06:34
  یادداشت کوتاه
02:05
  خواندن فایلهای متنی در پایتون
05:29
  مرور کلی بخش
03:15
  راهاندازی جییوپیتر نوتبوک و محیطهای مجازی با venv (محیط مجازی پایتون)
10:14
  راهاندازی کیت توسعه پایتون (SDK) و احراز هویت برای رابط برنامهنویسی جیمنی (Gemini API)
09:50
  مبانی رشتهها در پایتون
08:58
  انواع روشهای نصب پایتون
03:02
  درک ماژولهای پایتون
06:15
  خوشآمدید به بوتکمپ برنامهنویسی پایتون و هوش مولد
02:52
  ساخت یک چتبات
05:28
  نقطه پایانی تکمیل پاسخهای چت
06:57
  مبانی مدلهای زبانی بزرگ و هوش مولد
08:30
  تولید بردارهای تعبیهشده ساده
05:53
  تولید متن از پرامپتهای متنی
04:14
  دریافت ورودی کاربر و تبدیل نوع دادهها
06:36
  مدیریت خطاهای پروتکل HTTP
04:38
  نحوه اجرای کد پایتون در کولَب (محیط توسعه ابری)
04:16
  مقدمهای بر لنگچِین
05:09
  بارگذاری اسناد PDF سفارشی (خصوصی) شما
07:26
  تسلط بر مدیریت استثناها با بلوکهای try…except…else…finally
09:51
  قواعد نامگذاری و سبک کدنویسی بر اساس PEP 8
09:30
  نمایش برنامهنویسی شیءگرا با ماژول Turtle
12:48
  تاکتیک شماره ۱: قرار دادن واضح دستورالعملها با استفاده از جداسازها
03:55
  تصویر کلی
03:34
  ماژول اواس برای کار با سیستمعامل
07:55
  دستور ریترن برای بازگرداندن مقدار از تابع
05:36
  استفاده از انکرها و گروهبندی در عبارات منظم
07:08
  کار با جوپیتر نوتبوک
09:26
  کار با مسیرهای فایل مطلق و نسبی
11:01
  تکنیکهای پیشرفتهٔ واردسازی و بهترین شیوهها
04:10
  متغیرهای بولی (Boolean)
06:06
  استثناهای توکار و بهترین شیوهها
09:37
  تعریف کلاسها و اشیاء در برنامهنویسی
03:30
  ایجاد امبدینگ برای مجموعهداده جهت جستجوی شباهت
04:50
  استخراج داده از آرکایو با کتابخانه پانداس
12:35
  نحوه نصب پایتون روی ویندوز
03:58
  بارگذاری انواع فرمتهای سند
05:11
  مدیریت احراز هویت HTTP و هدرها (رابطبرنامهنویسی اوپنایآی)
10:02
  عبارات بازهای در عبارات منظم (کلاسهای کاراکتر)
09:24
  خواندن فایلها: متدهای tell و seek و مدیریت مکاننما
06:36
  پخش جریانی پاسخهای جمینی
02:58
  تاکتیک شماره ۲: ارائه دستورالعملهای دقیق دربارهٔ زمینه، نتیجه یا طول
07:09
  پیام توسعهدهنده
04:29
  توکنها، پنجرهٔ زمینه و هزینهٔ پردازش
05:25
  استفاده از محیطهای مجازی در پایچارم و ویاسکد
05:35
  بصریسازی گراف
02:15
  کار با مدلهای اوپنایآی
08:43
  کش کردن پاسخهای مدلهای زبانی بزرگ
04:58
  نوشتن کامنتها در پایتون
05:54
  عملیات پایهای روی رشتهها: اندیسگذاری، برش، الحاق
10:49
  دانلود مقالات پژوهشی
04:52
  برآورد هزینهٔ امبدینگ با کتابخانه تیکتوکن
05:11
  کاوش در رابطهای برنامهنویسی مدلهای زبانی بزرگ و هوش مصنوعی بهعنوان سرویس
09:21
  آرگومانهای تابع: موقعیتی و کلیدی
05:51
  تولید متن از تصاویر
05:50
  عملگرهای منطقی: and (و)، or (یا)، not (نقیض)
05:32
  تطابق غیرحریصانه در عبارات منظم
04:18
  بارگذارندههای سرویسهای عمومی و خصوصی
04:25
  اجرای چتبات
01:33
  راهاندازی محیط: جوپیتر نوتبوک و پانداس
03:54
  پخش جریانی پاسخهای رابطبرنامهنویسی (API)
04:30
  تاکتیک شماره ۳: استفاده از ساختار نقش-وظیفه-قالب (RTF)
08:09
  متد __init__؛ سازندهٔ کلاس
07:45
  دستور with برای مدیریت زمینه و منابع
03:28
  استفاده از if __name__ == '__main__' برای کدنویسی مدولار و قابلاستفادهٔ مجدد
06:23
  راهبردهای تکهتکهسازی و تقسیمبندی اسناد
06:37
  آرگومانهای پیشفرض
03:49
  پارامترهای تولید در رابط برنامهنویسی جمینی که کنترل میکنند مدل چگونه پاسخ تولید میکند
06:10
  مقدمهای بر سریها و دیتافریمهای کتابخانه پانداس
06:08
  پخش جریانی مدلهای بزرگ زبانی
02:56
  تسلط بر مدیریت بستههای پایتون با پِیپ
08:33
  محیطهای آزمایشی اوپنایآی، گوگل ایآی استودیو و ورکبنچ انثروپیک
06:05
  انجام جستجوهای معنایی
07:03
  آمادهسازی بارگذاری داده، تقسیمبندی و گسترشدهی دادهها
09:54
  بررسی اتصالات شبکه پروژه
09:08
  خواندن محتویات فایلها و ذخیره در یک فهرست
05:53
  راهاندازی پایچِرم روی ویندوز
03:35
  روش ارزیابی قطعشونده در عبارات منطقی (Short-circuit evaluation)
03:45
  جایگزینیها و پاکسازی داده با تابع re.sub
05:50
  استراتژی شماره ۴ — استفاده از پرامپتنویسی چندنمونهای
08:11
  تاویلی ایآی
08:29
  متد del برای حذف عناصر
02:19
  استفاده از تصاویر محلی رمزگذاریشده بهصورت بیس۶۴ بهعنوان ورودی
06:44
  ساخت پایگاه دانش با روش RAG (تولید تقویتشده با بازیابی) و تعبیههای برداری
05:36
  چالشها و محدودیتهای مدلهای بزرگ زبانی
09:01
  متدهای رایج برای رشتهها — بخش اول
06:25
  تقویت چتبات با ابزارها
08:20
  تشریح پارامترهای تولید در رابط برنامهنویسی جمینی
10:13
  وارد کردن و خروجی گرفتن از دادهها؛ کار با فایلهای سیاسوی
06:38
  مقدمهای بر ذخیرهسازهای برداری و احراز هویت برای پاینکون
08:59
  پارامترهای صرفاً موقعیتی در پایتون
06:15
  پردازش فایلها و تقسیم رشتهها
06:20
  قالبهای پرامپت
05:35
  ساختارهای دادهٔ توکار در پایتون
07:38
  استراتژی شماره ۵: مشخصکردن مراحل لازم برای انجام یک کار
05:31
  استفاده از تصاویر آنلاین بهعنوان ورودی
02:03
  افزودن حافظه به چتبات
07:06
  ساختن مکالمات چت
07:53
  پارامترهای API تکمیل چت — دما و مقدار بذر (Seed)
06:07
  قالبهای پرامپت چت
05:53
  متدهای رایج برای رشتهها — بخش دوم
05:37
  ایجاد یک ایندکس در پاینکون
07:09
  نوعدهی پویا در برابر نوعدهی ایستا
04:48
  صادرات داده به فرمتهای مختلف: اکسل، جیسون، اسکیوال و یامل
07:45
  حلقههای تکرار (دستور for)
06:45
  نحوه نوشتن و اجرای کد پایتون در پایچرم
05:23
  ویژگیهای نمونه و ویژگیهای کلاس
06:06
  تاکتیک شماره ۶: به مدلها زمان برای تفکر بدهید
02:13
  وضعیت هوش مصنوعی امروز و آینده — جنبههای مثبت و منفی
10:04
  آرگومانهای با طول متغیر (args): پارامترهای تابع با تعداد دلخواه
03:56
  کار با ایندکسهای پاینکون
09:40
  نوشتن فایلهای متنی در پایتون
07:08
  ۰۲ ۰۶: اعداد و عملگرهای ریاضی
05:17
  پارامترهای API تکمیل گفتگو: top_p (آستانه نمونهبرداری)، max_tokens (حداکثر توکنها)، frequency_penalty (جریمه تکرار)
10:58
  بارگذاری پایگاه دانش و استقرار در پاینکون
05:03
  متدهای جادویی (متدهای ویژهٔ پایتون)
09:09
  ویرایش دادهها: افزودن و حذف ستونها و سطرها
06:03
  اعداد و عملگرهای ریاضی
05:17
  تاکتیکها و اصول دیگر برای بهبود پرومپتینگ
05:52
  پروژه: ساخت یک عامل گفتوگویی با استفاده از جمینی
07:17
  بازهها (دستور range در پایتون)
03:55
  درک زنجیرهها (Chains)
07:47
  آرگومانهای با طول متغیر کلیدواژهای (kwargs): پارامترهای کلیدواژهای با تعداد دلخواه
02:31
  کار با بردارها
08:43
  دسترسی به دادهها در پانداس با df.iloc و df.loc
05:42
  هوش مصنوعی که تفکر میکند: بررسی مدلهای استدلال اوپنایآی (o1 و o3)
07:56
  پرهیز از هالوسینیشنها: تکنیکهایی برای محافظت از خروجیها
02:58
  ساخت ابزارهای سفارشی
05:13
  قالببندی رشتهها با f-استرینگ برای خروجی مرتب
04:34
  نصب SDK پایتون و احراز هویت در جمینی
04:27
  فضاهای نام (namespaces) در پاینکون
06:43
  پروژه: پردازش فایلها
06:21
  دستورات سیستمی
05:36
  بهترین شیوهها برای پرومپتدهی به مدلهای استدلالی
05:25
  بستهبندی و بازکردن دیکشنریها در پایتون
06:59
  بردارسازی (ایمبدینگ) و بارگذاری در پایگاه داده برداری (پاینکون)
14:03
  f-استرینگ با علامت = برای اشکالزدایی
04:27
  پیادهسازی ابزار واکشی آرکایو (ArXiv)
07:54
  یکپارچهسازی جمینی با لنگچِین
05:59
  اپراتورهای کلیدی پایتون: مقایسهای، انتساب و هویتی
07:03
  پروژه: ایجاد یک کلاس کاربردی برای هوش مصنوعی تولیدی
09:01
  نمونهگیری و پیشنمایش دادهها با df.sample() و df.head()
06:14
  خلاصهای از مهندسی پرامپت
02:06
  API فایل: پرامپتدهی با فایلهای رسانهای
06:09
  حلقههای تکرار while در پایتون
04:37
  پرسیدن و دریافت پاسخها
11:51
  فیلترگذاری دادهها، ماسکها و تابع pandas.Series.between()
07:14
  خواندن فایلهای CSV در پایتون
06:42
  توکنها در رابط برنامهنویسی جیمنی (Gemini API)
06:44
  رونویسی صوتی با ویسپر (Whisper)
05:47
  TypedDict (ساختار نوعدار دیکشنری) — بخش اول
06:24
  فعالسازی جستجوی وب با Google SerpAPI
03:27
  استفاده از پرامپت سیستمی و فعالسازی پخش جریانی
06:28
  دامنهی متغیرها و فضاهای نام
05:49
  ساخت ابزارهای Google SerpAPI
04:25
  دامنههای سراسری در برابر محلی و اشتباهات رایج
04:29
  هوش مصنوعی چندمدالیته با تصاویر بهعنوان ورودی
14:11
  پروژه: یافتن اوج استفاده از مدل
06:05
  تکنیکهای هوشمند حلقهزنی: کلیدواژههای continue و pass
07:08
  مرتبسازی دادهها و آشنایی با روشهای مرتبسازی در پانداس
07:11
  رابط فایل (File API) و پرامپتسازی با صوت
04:11
  ترجمههای خودکار با ویسپر (Whisper)
03:11
  TypedDict (ساختار نوعدار دیکشنری) — بخش دوم
04:23
  استفاده از Chroma بهعنوان پایگاه داده برداری
11:09
  افزودن حافظه به سیستم RAG (تاریخچه چت)
09:25
  طراحی ابزارهای سیستم RAG (تولید افزودهشده با بازیابی)
06:13
  مدیریت دادههای گمشده یا ناقص
04:43
  ابزارهای LangChain: DuckDuckGo و ویکیپدیا
11:07
  مبانی لیستها در پایتون
09:19
  تکنیکهای هوشمند حلقهزنی: کلیدواژهٔ break
09:45
  رابط برنامهنویسی تبدیل متن به گفتار (TTS)
07:07
  نوشتن فایلهای CSV در پایتون
06:12
  تجمیعها و گروهبندی دادهها
04:52
  ایجاد یک عامل ReAct برای استدلال و عمل
13:31
  تولید تصاویر اصیل با استفاده از DALL·E 3
10:47
  پیادهسازی ابزار تولید پاسخ نهایی
02:17
  عبارات لامبدا (Lambda)
09:13
  عملیات روی لیستها: الحاق و برش
07:01
  استفاده از پرامپت سفارشی
08:09
  مقداردهی اولیه مدل زبانی بزرگ اوراکل (Oracle LLM)
11:03
  پروژه: تحلیل دادههای ترافیک وبسایت
04:32
  آزمایش عامل ReAct
04:49
  رفع اشکال کد شما
06:52
  کار با جیسون برای دادههای ساختیافته
06:05
  تکرار عملیات روی فهرستها
07:54
  آزمایش اکوسیستم
03:22
  دستکاری دادههای سریزمانی در پانداس
07:00
  ایجاد خطلوله تصمیمگیری
08:33
  روشهای ضروری فهرستها — بخش ۱
08:02
  تجزیه و استخراج جیسون از پاسخهای ایپیآی
06:12
  تعریف حالت عامل
03:26
  روشهای ضروری فهرستها — بخش ۲
04:23
  تعریف گراف برای تصمیمگیری
06:35
  پروژه: ارسال درخواست به اوپنایآی
09:05
  تولید گزارشها
04:25
  درکهای فهرستی: ایجاد و تغییر بهینه فهرستها
08:54
  تهیه گزارش پژوهشی نهایی
05:16
  جمعبندی نهایی
06:21
  مبانی تاپلها
07:55
  عملیات روی تاپلها: اندیسگذاری و بازگشایی عناصر
05:40
  مبانی مجموعهها
06:04
  عملیات متداول روی مجموعهها
04:15
  مبانی دیکشنریها
09:17
  عملیات روی دیکشنریها: دسترسی و بهروزرسانی، متدهای .get()، .keys() و .values()
08:16
  حذف آیتمها از دیکشنری
03:25
  عملیات روی مجموعهها و پیمایش دیکشنریها
03:27
  عملگرهای ادغام و بهروزرسانی دیکشنریها
05:00
  درکهای دیکشنری
06:24
  دیدن تصویر بزرگتر
01:42

توضیحات دوره

کسب مهارت‌های جدید برای آینده: پایتون، تولید هوش مصنوعی، LangChain، LangGraph، RAG (تولید با تقویت بازیابی)، مهندسی پرامپت، و کار با OpenAI و Gemini.

دیدگاه کاربران

5

بر اساس امتیاز 1 دانشجو

1
2
3
4
5

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
2دوره
303دانشجو
16نظر و امتیاز
آیا آماده‌اید فناوری‌های نوین را مثل پایتون، هوش مصنوعی و مدل‌های زبانی بزرگ (LLMها)، لینوکس و هک اخلاقی به‌صورت عملی فرا بگیرید؟ جهان با سرعتی فزاینده در حال تغییر است و انقلاب دیجیتال صنایع را دگرگون می‌کند؛ کسانی که خود را وفق دهند آینده را خواهند برد و کسانی که نکنند خطر عقب‌ماندن را دارند. با تقریباً دو دهه تجربه به‌عنوان مهندس شبکه و نرم‌افزار، من از نزدیک شاهد تحول‌های ناشی از اتوماسیون، هوش مصنوعی و امنیت سایبری در فضای فناوری جهانی بوده‌ام. اکنون قصد دارم شما را مجهز به مهارت‌های تحول‌گرا و با تأثیر بالا کنم تا در دنیای سریع‌التغییر امروز به یک نیروی متخصص مورد تقاضا تبدیل شوید. ⚡ چرا از من بیاموزید؟ ⚡ آموزش هدایت‌شده توسط کارشناس و اثبات‌شده در صنعت — آموزش از کسی با تجربه عملی در پایتون، هوش مصنوعی و LLMها (مدل‌های زبانی بزرگ)، لینوکس و هک اخلاقی. مهارت‌های آماده بازار کار و مبتنی بر دنیای واقعی — کسب دانش عملی از طریق دوره‌های آنلاین پویا، آزمایشگاه‌های تعاملی، مستندات دقیق و مطالعه‌های موردی واقعی. همیشه یک گام جلو باشید — تسلط بر مهارت‌هایی که محرک اتوماسیون مبتنی بر هوش مصنوعی، رایانش ابری، امنیت سایبری و جریان‌های کاری مدرن DevOps هستند. یادگیری جذاب و ساختاریافته — رویکرد جامع آموزشی من تضمین می‌کند که موضوعات پیچیده به بخش‌های روشن و کاربردی تقسیم می‌شوند تا فوراً قابل اجرا باشند. مهارت‌هایی که آینده را می‌سازند را فرابگیرید! برنامه‌نویسی پایتون — زبان هوش مصنوعی و اتوماسیون. هوش مصنوعی و مدل‌های زبانی بزرگ (LLMها) — آینده سیستم‌های هوشمند. مدیریت لینوکس — ستون فقرات زیرساخت‌های مدرن. هک اخلاقی و امنیت سایبری — دفاع در برابر تهدیدات نسل بعد. میراثی از آموزش و نوآوری — آموزش در خانواده من ریشه دارد؛ این یک سنت چهارنسلی است. به‌عنوان بنیان‌گذار آکادمی کریستال مایند، یک آکادمی شناخته‌شده سیسکو و مرکز آموزش حرفه‌ای، دوره‌هایی طراحی کرده‌ام که صدها هزار دانش‌آموز در سراسر جهان را برای موفقیت در مشاغل مبتنی بر فناوری توانمند ساخته‌اند. فراتر از کدنویسی — وقتی دوره نسازم، انرژی‌ام را با ورزش، مطالعه و گذراندن اوقات با خانواده صرف می‌کنم. این تعادل دیدگاهی تازه و پرانرژی به آموزش من می‌بخشد و اطمینان می‌دهد که دوره‌هایم نه تنها آموزنده، بلکه واقعاً تحول‌آفرین هستند. دنیا در حال تغییر است — جا نمانید. همین امروز ثبت‌نام کنید و با مهارت‌های مهم، شغل خود را آینده‌پذیر کنید!
poster

بوت‌کمپ جامع هوش مصنوعی مولد و برنامه‌نویسی Python

14دانشجو

دوره‌های مشابه