دوره ساخت اپلیکیشنهای هوشمند با فلاتر و هوش مصنوعی مولد گوگل (Gemini و Vertex AI) همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره ساخت اپلیکیشنهای هوشمند با فلاتر و هوش مصنوعی مولد گوگل (Gemini و Vertex AI)
موضوع کلی: توسعه نرمافزار و هوش مصنوعی
موضوع میانی: توسعه اپلیکیشنهای موبایل با هوش مصنوعی
📋 سرفصلهای دوره
- 1. مقدمهای بر فلاتر و توسعه اپلیکیشنهای موبایل
- 2. نصب و راهاندازی محیط توسعه فلاتر
- 3. آشنایی با مفاهیم پایهای ویجتها در فلاتر
- 4. ساخت رابط کاربری ساده با ویجتهای پرکاربرد
- 5. مدیریت حالت (State Management) در فلاتر
- 6. استفاده از `setState` برای بهروزرسانی رابط کاربری
- 7. مقدمهای بر `Provider` برای مدیریت حالت
- 8. پیادهسازی ناوبری بین صفحات در اپلیکیشن
- 9. کار با فرمها و اعتبارسنجی ورودیها
- 10. آشنایی با `ListView` و `GridView` برای نمایش لیستها
- 11. کار با تصاویر و منابع گرافیکی در فلاتر
- 12. مدیریت دادههای محلی (Local Storage)
- 13. مقدمهای بر هوش مصنوعی مولد
- 14. مفاهیم پایهای یادگیری ماشین
- 15. معرفی مدلهای زبانی بزرگ (LLMs)
- 16. مقدمهای بر Google Gemini
- 17. کار با APIهای Gemini
- 18. ساخت چتبات ساده با Gemini
- 19. استفاده از Gemini برای تولید متن
- 20. مقدمهای بر Google Vertex AI Agent Builder
- 21. مفهوم Agent Builder و معماری آن
- 22. ساخت اولین عامل (Agent) در Agent Builder
- 23. تنظیمات و پیکربندی عوامل
- 24. اتصال عوامل به منابع داده
- 25. استفاده از ابزارها (Tools) در Agent Builder
- 26. ساخت عوامل با قابلیت پاسخگویی به سوالات
- 27. ادغام عوامل با اپلیکیشن فلاتر
- 28. ارسال درخواست از فلاتر به عامل
- 29. دریافت پاسخ از عامل در فلاتر
- 30. مدیریت خطاها در ارتباط با عوامل
- 31. پیادهسازی رابط کاربری برای عوامل
- 32. نمایش خروجی عامل در اپلیکیشن
- 33. کار با مدلهای زبانی برای خلاصهسازی متن
- 34. استفاده از Gemini برای ترجمه متن
- 35. تولید محتوا با هوش مصنوعی مولد
- 36. بهینهسازی Promptها برای نتایج بهتر
- 37. مقدمهای بر مفاهیم امنیت در اپلیکیشنها
- 38. اصول اولیه امنیت دادهها
- 39. مدیریت دسترسیها در اپلیکیشن
- 40. ملاحظات اخلاقی در توسعه هوش مصنوعی
- 41. حریم خصوصی کاربران در اپلیکیشنهای هوشمند
- 42. قوانین و مقررات مربوط به دادهها در ایران
- 43. استفاده از دادهها مطابق با موازین شرعی
- 44. مدیریت و ذخیرهسازی امن اطلاعات حساس
- 45. تست و اشکالزدایی اپلیکیشنهای فلاتر
- 46. استراتژیهای تست واحد (Unit Testing)
- 47. تستهای یکپارچهسازی (Integration Testing)
- 48. تستهای رابط کاربری (UI Testing)
- 49. بهینهسازی عملکرد اپلیکیشن
- 50. کاهش مصرف منابع (حافظه، پردازنده)
- 51. مدیریت خطاها و ثبت وقایع (Logging)
- 52. مقدمهای بر معماریهای نرمافزاری
- 53. الگوهای طراحی (Design Patterns) در فلاتر
- 54. استفاده ازbloc برای مدیریت حالت پیچیده
- 55. مدیریت تزریق وابستگی (Dependency Injection)
- 56. مقدمهای بر پایگاههای داده رابطهای
- 57. کار با SQLite در فلاتر
- 58. مقدمهای بر پایگاههای داده NoSQL
- 59. استفاده از Firebase Firestore
- 60. مزامنه دادهها با پایگاههای داده ابری
- 61. مقدمهای بر مفاهیم یادگیری عمیق
- 62. شبکههای عصبی کانولوشنی (CNN)
- 63. شبکههای عصبی بازگشتی (RNN)
- 64. کاربرد هوش مصنوعی در پردازش تصویر
- 65. تشخیص اشیاء با استفاده از مدلهای آماده
- 66. مقدمهای بر پردازش زبان طبیعی (NLP)
- 67. تحلیل احساسات متن با هوش مصنوعی
- 68. استخراج اطلاعات کلیدی از متن
- 69. کاربرد هوش مصنوعی در توصیهگرها
- 70. ساخت سیستم توصیهگر ساده
- 71. مدیریت و بهروزرسانی عوامل هوشمند
- 72. استفاده از Vertex AI Pipelines
- 73. نظارت و تحلیل عملکرد عوامل
- 74. بهبود مستمر عوامل هوشمند
- 75. مباحث پیشرفته در Gemini API
- 76. کار با Embeddingها و Vector Search
- 77. ساخت سیستم پرسش و پاسخ پیشرفته
- 78. ادغام با سرویسهای دیگر گوگل کلود
- 79. استقرار اپلیکیشن در مارکتهای داخلی
- 80. ملاحظات مربوط به قوانین گمرکی و ارزی در صورت نیاز
- 81. مدیریت مجوزهای لازم برای اپلیکیشن
- 82. رعایت استانداردهای توسعه نرمافزار در ایران
- 83. مقدمهای بر برنامهنویسی شیءگرا
- 84. اصول SOLID در فلاتر
- 85. اصول SOLID در توسعه عوامل هوشمند
- 86. کار با Asynchronous Programming
- 87. استفاده از `async` و `await`
- 88. مدیریت Streamها در فلاتر
- 89. مقدمهای بر الگوریتمهای جستجو و مرتبسازی
- 90. کاربرد الگوریتمها در پردازش دادهها
- 91. اصول بهینهسازی الگوریتمها
- 92. مباحث تکمیلی در مورد فلاتر
- 93. مباحث تکمیلی در مورد هوش مصنوعی مولد
- 94. طراحی تجربه کاربری (UX) برای اپلیکیشنهای هوشمند
- 95. اصول روانشناسی کاربردپذیری
- 96. ارزیابی و بهبود تجربه کاربری
- 97. مباحث پیشرفته در Agent Builder
- 98. ساخت عوامل با قابلیت انجام وظایف پیچیده
- 99. اتصال عوامل به APIهای خارجی (با رعایت قوانین)
- 100. توسعه اپلیکیشنهای موبایل با تمرکز بر هوش مصنوعی
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.