پشتیبانی و بازخورد مدرس کمک کرد اشتباهاتم را درست متوجه شوم.
مهندسی پرامپت و کاربرد هوش مصنوعی مولد
بهجای آزمونوخطای تصادفی، promptهای ساختاریافته و قابل تکرار برای کارهای واقعی طراحی میکنید.

این دوره چه مسیری را برایت میسازد؟
بهجای آزمونوخطای تصادفی، promptهای ساختاریافته و قابل تکرار برای کارهای واقعی طراحی میکنید.
مناسب برای
- تولیدکنندگان محتوا و مدیران محصول
- برنامهنویسان و تیمهای علاقهمند به AI
دستاوردهای اصلی
- ساخت prompt دقیق
- استفاده از role و few-shot
- ارزیابی و اصلاح خروجی
- طراحی workflow هوشمند
در پایان چه چیزی میسازی؟
ساخت یک دستیار هوشمند برای تولید و بازبینی محتوای آموزشی با قالب خروجی مشخص.
سرفصل جلسات دوره
کارگاه عملی با سناریوهای محتوا، تحقیق، کدنویسی و اتوماسیون.
پایهگذاری و ساخت هسته پروژه
01جلسه 1: تعریف مسئله و معیار خروجی AI+
در این جلسه، «تعریف مسئله و معیار خروجی AI» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
راهاندازی ماژول تعریف مسئله و معیار خروجی AI برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
02جلسه 2: ساخت prompt ساختاریافته+
در این جلسه، «ساخت prompt ساختاریافته» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
ساخت ماژول ساخت prompt ساختاریافته برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
03جلسه 3: طراحی نقش و context+
در این جلسه، «طراحی نقش و context» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
توسعه ماژول طراحی نقش و context برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
پیادهسازی قابلیتهای اصلی
04جلسه 4: استفاده از few-shot+
در این جلسه، «استفاده از few-shot» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
تکمیل ماژول استفاده از few-shot برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
05جلسه 5: ساخت خروجی JSON قابل پردازش+
در این جلسه، «ساخت خروجی JSON قابل پردازش» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
امنسازی ماژول ساخت خروجی JSON قابل پردازش برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
06جلسه 6: ارزیابی کیفیت پاسخ+
در این جلسه، «ارزیابی کیفیت پاسخ» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
آزمایش ماژول ارزیابی کیفیت پاسخ برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
یکپارچهسازی و تکمیل محصول
07جلسه 7: اصلاح prompt بر اساس خطا+
در این جلسه، «اصلاح prompt بر اساس خطا» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
بهینهسازی ماژول اصلاح prompt بر اساس خطا برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
08جلسه 8: اتصال AI به workflow+
در این جلسه، «اتصال AI به workflow» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
انتشار ماژول اتصال AI به workflow برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
09جلسه 9: مدیریت هزینه و امنیت داده+
در این جلسه، «مدیریت هزینه و امنیت داده» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
بازطراحی ماژول مدیریت هزینه و امنیت داده برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
تست، انتشار و ارائه پروژه
10جلسه 10: ساخت دستیار محتوایی+
در این جلسه، «ساخت دستیار محتوایی» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
مستندسازی ماژول ساخت دستیار محتوایی برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
11جلسه 11: تست سناریوهای واقعی+
در این جلسه، «تست سناریوهای واقعی» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
اتصال ماژول تست سناریوهای واقعی برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
12جلسه 12: دمو و مستندسازی workflow+
در این جلسه، «دمو و مستندسازی workflow» را برای ساخت بخشی از مدل پیشبینی قابل استفاده یاد میگیرید. آموزش با نمایش خروجی نهایی شروع میشود، سپس مفاهیم ضروری کوتاه و کاربردی توضیح داده میشوند و بعد دانشجویان همراه مدرس قابلیت را از صفر پیادهسازی میکنند. جلسه با تست، رفع یک خطای واقعی و تحویل خروجی قابل اجرا تمام میشود.
ارائه ماژول دمو و مستندسازی workflow برای مدل پیشبینی قابل استفاده. دانشجو باید یک خروجی قابل اجرا بسازد، حداقل یک سناریوی موفق و یک سناریوی خطا را امتحان کند و کد و نتیجه را تحویل دهد.
پیشنیازها و مناسب چه کسانی است؟
پیشنیازهای دوره
- توانایی کار با ابزارهای آنلاین
- نیازی به دانش ریاضی یا برنامهنویسی نیست
این دوره برای شماست اگر...
- تولیدکنندگان محتوا و مدیران محصول
- برنامهنویسان و تیمهای علاقهمند به AI
کلاس آنلاین و زنده
کارگاه عملی با سناریوهای محتوا، تحقیق، کدنویسی و اتوماسیون. در طول کلاس میتوانی سؤال بپرسی، صفحهات را به اشتراک بگذاری، تمرین را همان لحظه انجام بدهی و بازخورد مستقیم بگیری.
نظر دانشجویان درباره این دوره
تجربههای واقعی دانشجویان بعد از شرکت در کلاسهای آنلاین و انجام پروژه.
ساختار جلسات، فایلها و مسیر پروژه بسیار مرتب و قابل دنبالکردن بود.
توضیحات مدرس منظم و کاملاً پروژهمحور بود و هر جلسه خروجی مشخصی داشت.
مثالهای عملی باعث شد موضوع را خیلی سریعتر از مطالعه تنها یاد بگیرم.
کلاس زنده و امکان پرسشوپاسخ مهمترین نقطه قوت این دوره بود.
مطالب از پایه شروع شد و قدمبهقدم به مباحث حرفهای رسید.
این دوره را گذراندهای؟ نظر بده
نظر تو بعد از بررسی کوتاه تیم، در همین صفحه نمایش داده میشود.
دورههای مشابه یا موردنیاز
مدرک پایان دوره آریا آکادمی
پس از حضور در کلاسهای زنده، تحویل پروژه و موفقیت در ارزیابی نهایی، گواهی پایان دوره برایت صادر میشود.
- نام دوره و نام دانشجو روی گواهی درج میشود.
- شماره گواهی برای پیگیری و ارائه در رزومه ثبت میشود.
- پروژه نهایی و مهارتهای کسبشده بخشی از مسیر ارزیابی هستند.

