آموزش تمرین محور
آپدیت های دوره ای
قیمت اصلی ۶.۹۰۰.۰۰۰ تومان بود.۲.۴۰۰.۰۰۰ تومانقیمت فعلی ۲.۴۰۰.۰۰۰ تومان است.
دوره آموزشی هوش مدرن
بیشتر آدمها یا اصلاً شروع نکردن چون فکر میکنن هوش مصنوعی یه تخصص فنیه، یا فقط بلدن یه سؤال بپرسن و یه جواب بگیرن — بدون اینکه بدونن چطور از یه چت ساده به یه ابزار واقعی توی کسبوکارشون برسن.
این دقیقاً همون اتفاقیه که یه زمانی برای کامپیوتر افتاد. فکر میکردیم باید برنامهنویس بشیم تا ازش استفاده کنیم؛ بعد معلوم شد نه، فقط باید بلد باشیم باهاش کار کنیم. این دوره از همونجا شروع میشه — از فهمیدن اینکه هوش مصنوعی واقعاً چطور فکر میکنه — و میرسه به جایی که دقیقاً بدونی کجای کسبوکار خودت جاش خالیه. هر چی یاد میگیری، همون روز قابل استفادهست، نه یه اطلاعات تئوری که بعداً یادت بره.
قرار نیست متخصص هوش مصنوعی بشی. منطق پشت این ابزار رو یاد میگیری، نه اسم و رسم یه ابزار خاص رو — چون این بازار ماهانه عوض میشه و هر چی امروز مد باشه، ششماه دیگه یه چیز دیگهست.
- ۹ فصل، از پایه تا سیستمسازی — هر فصل رو فصل قبل میسازه، بدون پرش
- یه مسیر کامل، نه یه تیکه — بهجای دهها دورهی پراکنده که هرکدوم یه گوشهی ماجرا رو میگن
- تمرین عملی هر فصل — رو کار واقعی خودت پیاده میکنی، نه مثال فرضی
- همیشه بهروز — منطق یاد میگیری، نه یه ابزار که فردا عوض میشه
- از تجربهی واقعی — هرچی گفته میشه از کاری میاد که هر روز رو محتوا و کسبوکار خودمون پیاده میکنیم
سرفصل های دوره
فصل ۱ — پایه هوش مصنوعی و مدلهای زبانی
- هوش مصنوعی و LLM دقیقاً چیه (رد باور غلط رایج)
- تاریخچه: از هوش مصنوعی نمادین دهه ۵۰ تا نقطه عطف یادگیری عمیق ۲۰۱۲
- شبکه عصبی و یادگیری از اشتباه (Backpropagation) — با تشبیههای ساده، بدون ریاضی
- توکنسازی، امبدینگ (بردار معنا)، و مکانیزم توجه در ترنسفورمر
- از پیشآموزش تا محصولی مثل ChatGPT یا Claude
- چرا مدلها گاهی با اطمینان اشتباه میگن (Hallucination)
- نقشه بازیگران اصلی بازار و آینده بازار کار با آمار واقعی
فصل ۲ — پرامپتنویسی حرفهای
- آناتومی یه پرامپت خوب و قانون طلایی وضوح
- تکنیکهای پیشرفته: زنجیره تفکر، مثال مثبت/منفی، تگ XML، حالت تفکر گسترده
- پرامپتچینی برای کارهای چندمرحلهای
- نکته کانتکست بلند و کش کردن پرامپت
- اشتباهات رایج فارسیزبانها و ابزارهای کمکی (Prompt Generator/Improver)
فصل ۳ — کانتکست و حافظه
- کانتکستویندو و پدیده علمی «لابیرنت وسط»
- مهندسی کانتکست و سه سطح حافظه (گفتگو / Project / بینچتی)
- RAG — وقتی دانش از کل کانتکستویندو هم بزرگتره
- فشردهسازی خودکار کانتکست در جلسات طولانی
فصل ۴ — ابزارهای مختلف
- نقشه بازیگران اصلی: Claude، ChatGPT، Gemini، Grok، Perplexity، DeepSeek
- نقطه قوت واقعی هرکدوم و تصمیم عملی بر اساس نوع کار
- قیمتگذاری کلی و عادت چند-اشتراکی کاربران حرفهای
- هشدار مهم: این رتبهبندی ثابت نیست، هر چند ماه عوض میشه
فصل ۵ — تولید تصویر و ویدیو با هوش مصنوعی
- نقشه بازار تصویر (Nano Banana، GPT Image، Midjourney، Flux) و پرامپتنویسی سهلایه
- نورپردازی، ترکیببندی، واژگان لنز — با مثال قبل/بعد
- نقشه بازار ویدیو (Veo، Kling، Runway) و تفاوت پرامپت تصویر/ویدیو
- زبان سینمایی حرکت دوربین، دیالوگ و صدا، Multi-Shot
فصل ۶ — ابزارهای کدنویسی هوش مصنوعی
- نقشه بازار (Claude Code، Cursor، Copilot، Windsurf) و مقایسه
- حلقه ایجنتی Explore→Plan→Code→Commit و حالتهای تأیید
- استاندارد مشترک AGENTS.md
- کاربردهای عملی: کدبیس ناشناس، افزودن قابلیت، تست/خطایابی، کار موازی
فصل ۷ — ایجنتهای AI برای غیرکدنویسها
- نقشه بازار: ایجنتهای کامپیوتر-استفادهکن (Cowork، Manus) در برابر اتوماسیون تکراری (Zapier، n8n)
- Task Loop، دستورالعمل ثابت، Projects، Skills، Plugins
- نقشه بزرگتر آفیس: Microsoft Copilot / Google Gemini / Claude for Excel-PPT-Word-Outlook
فصل ۸ — ایجنت، سابایجنت، لوپ
- چت در برابر ایجنت، Tool Use، الگوی آکادمیک ReAct
- حلقه Explore→Plan→Code→Commit با مثال غیرکدی
- سابایجنت و Orchestration، Skill در برابر Subagent، الگوی Orchestrator–Worker
- MCP بهعنوان استاندارد باز صنعتی
- حلقه Plan→Execute→Review
فصل ۹ — جمعبندی و سیستمسازی
- MCP و کانکتورها از نگاه کاربر نهایی (Tool/Resource/Prompt)
- دو کیس واقعی سرتاسری از تجربه خودمون
- نقشه راه شخصیسازیشده (مسیر کارآفرین در برابر مسیر کدنویس)
- چارچوب آکادمیک 4D (Delegation/Description/Discernment/Diligence) پشت چکلیست نهایی
- سه حالت همکاری با AI و عادت بهروزبودن
- پروژه نهایی دوره
