آریا آکادمی
ثبت‌نام ورود
دوره آنلاین و زنده آریا آکادمی

مهندسی پرامپت و کاربرد هوش مصنوعی مولد

به‌جای آزمون‌وخطای تصادفی، promptهای ساختاریافته و قابل تکرار برای کارهای واقعی طراحی می‌کنید.

★★★★★5از 34 نظر دانشجویان
12 جلسه آموزشیمدیر ارشد آریا آکادمی مدرس دورهپروژه‌محور سبک یادگیری
تصویر دوره مهندسی پرامپت و کاربرد هوش مصنوعی مولد
01
قبل از شروع

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
پروژه نهایی

در پایان چه چیزی می‌سازی؟

ساخت یک دستیار هوشمند برای تولید و بازبینی محتوای آموزشی با قالب خروجی مشخص.

↗
02
مسیر آموزشی

سرفصل جلسات دوره

کارگاه عملی با سناریوهای محتوا، تحقیق، کدنویسی و اتوماسیون.

فصل 1

پایه‌گذاری و ساخت هسته پروژه

01جلسه 1: تعریف مسئله و معیار خروجی AI+
توضیحات جلسه

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.

مینی‌پروژه

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+
توضیحات جلسه

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.

مینی‌پروژه

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+
توضیحات جلسه

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.

مینی‌پروژه

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.

فصل 2

پیاده‌سازی قابلیت‌های اصلی

04جلسه 4: استفاده از few-shot+
توضیحات جلسه

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.

مینی‌پروژه

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+
توضیحات جلسه

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.

مینی‌پروژه

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+
توضیحات جلسه

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.

مینی‌پروژه

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.

فصل 3

یکپارچه‌سازی و تکمیل محصول

07جلسه 7: اصلاح prompt بر اساس خطا+
توضیحات جلسه

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.

مینی‌پروژه

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+
توضیحات جلسه

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.

مینی‌پروژه

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+
توضیحات جلسه

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.

مینی‌پروژه

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.

فصل 4

تست، انتشار و ارائه پروژه

10جلسه 10: ساخت دستیار محتوایی+
توضیحات جلسه

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.

مینی‌پروژه

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+
توضیحات جلسه

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.

مینی‌پروژه

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+
توضیحات جلسه

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.

مینی‌پروژه

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.

03
آمادگی شروع

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
04
سبک برگزاری

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.

بازخورد یادگیرندگان

نظر دانشجویان درباره این دوره

تجربه‌های واقعی دانشجویان بعد از شرکت در کلاس‌های آنلاین و انجام پروژه.

5★★★★★34 نظر تأییدشده
ه
هانیه مرادی2026/05/30
★★★★★

تمرین‌ها کاربردی بودند و الان یک نمونه‌کار قابل ارائه دارم.

ا
اشکان نوری2026/05/27
★★★★★

پشتیبانی و بازخورد مدرس کمک کرد اشتباهاتم را درست متوجه شوم.

م
مریم قاسمی2026/05/24
★★★★★

ساختار جلسات، فایل‌ها و مسیر پروژه بسیار مرتب و قابل دنبال‌کردن بود.

ن
نیما توکلی2026/05/21
★★★★★

توضیحات مدرس منظم و کاملاً پروژه‌محور بود و هر جلسه خروجی مشخصی داشت.

تجربه‌ات را بنویس

این دوره را گذرانده‌ای؟ نظر بده

نظر تو بعد از بررسی کوتاه تیم، در همین صفحه نمایش داده می‌شود.

ورود برای ثبت نظر
برای ادامه مسیر

دوره‌های مشابه یا موردنیاز

همه دوره‌ها ←
✦گواهیپایان دوره
دستاورد قابل ارائه

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.
دوره‌های پروژه‌محوریاد بگیر، تمرین کن، بساز
کلاس آنلاین و ضبط‌شدهیادگیری با زمان‌بندی خودت
مسیر یادگیری روشناز شروع تا مهارت قابل ارائه
گواهی پایان مسیرنتیجه‌ی تلاش تو قابل ارائه است
پشتیبانی آموزشیدر مسیر یادگیری تنها نیستی