کتاب صوتی ساخت اپلیکیشن‌های هوشمند با فلاتر و هوش مصنوعی مولد گوگل (Gemini و Vertex AI)

🎓 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