دوره آموزش Typescript: توسعه هوش مصنوعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب آموزش Typescript: توسعه هوش مصنوعی

موضوع کلی: برنامه نویسی

موضوع میانی: تایپ اسکریپت (TypeScript)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر هوش مصنوعی و نقش تایپ‌اسکریپت
• 2. تایپ‌اسکریپت چیست و چرا برای پروژه‌های بزرگ ضروری است؟
• 3. نصب و راه‌اندازی محیط توسعه (Node.js, npm, VS Code)
• 4. کامپایل اولین کد تایپ‌اسکریپت به جاوااسکریپت
• 5. آشنایی با فایل tsconfig.json و گزینه‌های اصلی کامپایلر
• 6. انواع داده پایه: Number, String, Boolean
• 7. انواع داده خاص: Null, Undefined, Void, Never
• 8. کار با آرایه‌ها (Arrays) و تاپل‌ها (Tuples)
• 9. تفاوت Type Inference و Type Annotation
• 10. نوع any و unknown: چه زمانی و چرا از آن‌ها استفاده کنیم؟
• 11. تعریف توابع و تعیین نوع پارامترها و مقدار بازگشتی
• 12. توابع بی‌نام و توابع پیکانی (Arrow Functions)
• 13. پارامترهای اختیاری و پیش‌فرض در توابع
• 14. کار با اشیاء (Objects) و تعریف ساختار آن‌ها
• 15. استفاده از Type Aliases برای ساخت انواع داده سفارشی
• 16. Union Types: ترکیب چند نوع داده
• 17. Intersection Types: ادغام چند نوع داده
• 18. مقدمه‌ای بر Interfaces و تفاوت آن با Type Aliases
• 19. ویژگی‌های اختیاری (Optional Properties) و فقط خواندنی (Readonly) در اینترفیس‌ها
• 20. گسترش اینترفیس‌ها (Extending Interfaces)
• 21. پیاده‌سازی اینترفیس‌ها در کلاس‌ها (Implementing Interfaces)
• 22. مقدمه‌ای بر کلاس‌ها و برنامه‌نویسی شیءگرا
• 23. سازنده‌ها (Constructors) و ویژگی‌های کلاس
• 24. سطوح دسترسی: public, private, protected
• 25. ویژگی‌های فقط خواندنی (Readonly Members) در کلاس‌ها
• 26. Getterها و Setterها برای کنترل دسترسی به ویژگی‌ها
• 27. اعضای استاتیک (Static Members) در کلاس‌ها
• 28. وراثت (Inheritance) و کلمه کلیدی extends
• 29. چکیده‌سازی (Abstraction) با Abstract Classes
• 30. Enums: تعریف مجموعه‌ای از ثابت‌های نام‌گذاری شده
• 31. Numeric Enums و String Enums
• 32. مفهوم Generics و کاربرد آن در توابع
• 33. Generic Interfaces و Generic Classes
• 34. اعمال محدودیت بر روی Generics (Generic Constraints)
• 35. Type Guards و نحوه تنگ کردن انواع داده
• 36. استفاده از عملگرهای typeof و instanceof به عنوان Type Guard
• 37. ایجاد Type Guards سفارشی با توابع Predicate
• 38. Discriminated Unions برای مدیریت ساختارهای داده پیچیده
• 39. Type Assertions: تبدیل نوع با as و <>
• 40. عملگر Non-null Assertion (!)
• 41. ماژول‌ها در تایپ‌اسکریپت: import و export
• 42. فضاهای نام (Namespaces) و تفاوت آن با ماژول‌ها
• 43. کار با کتابخانه‌های جاوااسکریپت و فایل‌های تعریف نوع (.d.ts)
• 44. نصب انواع داده با @types
• 45. انواع داده پیشرفته: Mapped Types
• 46. انواع داده پیشرفته: Conditional Types
• 47. کلمه کلیدی infer در Conditional Types
• 48. انواع داده پیشرفته: Template Literal Types
• 49. Utility Types: Partial, Required, Readonly
• 50. Utility Types: Pick, Omit
• 51. Utility Types: Record, Exclude, Extract
• 52. Utility Types: NonNullable, Parameters, ReturnType
• 53. مقدمه‌ای بر Decorators و فعال‌سازی آن
• 54. Class Decorators
• 55. Method Decorators
• 56. Property و Parameter Decorators
• 57. برنامه‌نویسی ناهمزمان: Promises
• 58. استفاده از async/await برای ساده‌سازی کدهای ناهمزمان
• 59. مدیریت خطا در کدهای async/await
• 60. راه‌اندازی پروژه Node.js با تایپ‌اسکریپت
• 61. استفاده از کتابخانه Express.js با تایپ‌اسکریپت
• 62. ابزارهای ساخت و باندلینگ: آشنایی با Vite یا Webpack
• 63. تنظیم ESLint و Prettier برای کدنویسی تمیز
• 64. مقدمه‌ای بر تست‌نویسی با Jest و ts-jest
• 65. نوشتن اولین Unit Test برای توابع تایپ‌اسکریپت
• 66. مقدمه‌ای بر اکوسیستم هوش مصنوعی در جاوااسکریپت و تایپ‌اسکریپت
• 67. چرا تایپ‌اسکریپت برای علم داده و هوش مصنوعی مناسب است؟
• 68. مقدمه‌ای بر TensorFlow.js: یادگیری ماشین در مرورگر و Node.js
• 69. مفاهیم اصلی TensorFlow.js: Tensors, Operations, Variables
• 70. ایجاد و دستکاری Tensors (بردارها، ماتریس‌ها)
• 71. پیاده‌سازی رگرسیون خطی ساده با TensorFlow.js
• 72. آموزش مدل: تابع هزینه (Loss Function) و بهینه‌ساز (Optimizer)
• 73. انجام پیش‌بینی با مدل آموزش‌دیده
• 74. استفاده از مدل‌های از پیش آموزش‌دیده در TensorFlow.js (Pre-trained Models)
• 75. پروژه عملی: طبقه‌بندی تصویر با MobileNet
• 76. مقدمه‌ای بر کتابخانه Danfo.js (مانند Pandas برای تایپ‌اسکریپت)
• 77. بارگذاری و پاک‌سازی داده‌ها از فایل‌های CSV با Danfo.js
• 78. پردازش و تحلیل داده‌ها: انتخاب، فیلتر و گروه‌بندی
• 79. بصری‌سازی داده‌ها با کتابخانه‌هایی مانند Plotly.js
• 80. مقدمه‌ای بر ONNX.js برای اجرای مدل‌های از فریمورک‌های دیگر
• 81. تعامل با APIهای هوش مصنوعی پایتون (Flask/FastAPI)
• 82. تعریف قراردادهای API با اینترفیس‌های تایپ‌اسکریپت
• 83. ارسال داده‌های پیچیده (مانند تصاویر) به API
• 84. کار با داده‌های حجیم با استفاده از Streams در Node.js
• 85. بهینه‌سازی عملکرد کدهای عددی در تایپ‌اسکریپت
• 86. مقدمه‌ای بر LangChain.js برای کار با مدل‌های زبانی بزرگ (LLM)
• 87. ساخت یک چت‌بات ساده با استفاده از LangChain.js و یک LLM API
• 88. مقدمه پروژه نهایی: ساخت یک وب‌اپلیکیشن هوشمند
• 89. پروژه: طراحی ساختار داده و اینترفیس‌ها
• 90. پروژه: پیاده‌سازی بک‌اند با Node.js, Express و تایپ‌اسکریپت
• 91. پروژه: ایجاد API Endpoint برای پردازش هوش مصنوعی
• 92. پروژه: اتصال به مدل TensorFlow.js یا یک API خارجی
• 93. پروژه: ساخت یک رابط کاربری ساده با React/Vue و تایپ‌اسکریپت
• 94. پروژه: مدیریت State در فرانت‌اند با تایپ‌اسکریپت
• 95. پروژه: اتصال فرانت‌اند به بک‌اند و نمایش نتایج
• 96. پروژه: تست End-to-End اپلیکیشن
• 97. بهترین شیوه‌ها برای سازماندهی کدهای یک پروژه بزرگ تایپ‌اسکریپت
• 98. مستندسازی کد با TSDoc
• 99. مقدمه‌ای بر کانتینرسازی با Docker
• 100. ساخت یک Dockerfile برای اپلیکیشن Node.js/TypeScript