پی سی دانلود - tutorial

این دوره آموزشی، یک برنامه جامع است که مهارت‌های توسعه‌دهنده اندروید را با استفاده از چارچوب رابط کاربری اعلانی و انقلابی اندروید، یعنی جت‌پک کامپوز، از سطح مبتدی به متخصص ارتقاء می‌دهد. چه یک توسعه‌دهنده باتجربه اندروید باشید که به دنبال به‌روزرسانی مهارت‌های خود هستید و چه یک تازه‌کار در دنیای توسعه موبایل، این دوره هر آنچه را که برای تسلط بر جت‌پک کامپوز نیاز دارید، ارائه می‌دهد. این دوره یک سفر جامع برای یادگیری جت‌پک کامپوز است، جایی که شرکت‌کنندگان با اصول برنامه‌نویسی رابط کاربری اعلانی و تفاوت آن با سیستم‌های سنتی View در اندروید آشنا می‌شوند. در ادامه، نحوه ساخت توابع قابل ترکیب، مدیریت حالت‌های پیچیده و استفاده از انواع طرح‌بندی‌ها و المان‌های طراحی پیشرفته را فرا می‌گیرند. این دوره با تمرکز بر روی طراحی واکنش‌گرا و پیاده‌سازی اجزای Material Design 3، دانش عملی لازم برای ایجاد رابط‌های کاربری مدرن را فراهم می‌کند. در بخش‌های بعدی، شرکت‌کنندگان با چگونگی نمایش داده‌ها در لیست‌های بهینه، پیاده‌سازی مسیریابی و ناوبری پیشرفته، و ایجاد انیمیشن‌ها و انتقال‌های روان آشنا می‌شوند. همچنین، به مباحث مهمی مانند استایل‌دهی و تم‌سازی، بهینه‌سازی عملکرد و مدیریت حافظه پرداخته می‌شود. علاوه بر این، موضوعات پیشرفته‌ای همچون ایجاد کامپوننت‌های سفارشی، دسترسی‌پذیری و ادغام جت‌پک کامپوز با سیستم‌های View موجود نیز پوشش داده می‌شود. این دوره با ساخت یک اپلیکیشن واقعی به نام Newseco به اوج خود می‌رسد. در این پروژه، تمام مفاهیم و تکنیک‌های آموخته‌شده در یک برنامه کاربردی و آماده برای تولید پیاده‌سازی می‌شوند، از جمله ناوبری، مدیریت حالت، انیمیشن‌ها و طراحی مدرن. در نهایت، با توجه به اینکه جت‌پک کامپوز آینده توسعه اندروید است و امکان توسعه سریع‌تر و کدنویسی قابل نگهداری‌تر را فراهم می‌کند، این دوره تجربه عملی را از طریق پروژه‌های واقعی ارائه می‌دهد و شرکت‌کنندگان را برای بازار کار آماده می‌سازد.
در دوره آموزش Master Android Jetpack Compose: Complete Guide با ساخت برنامه‌های مدرن اندروید آشنا خواهید شد.

این دوره آموزشی به افراد کمک می‌کند تا نحوه جستجو، تحقیق و تولید محتوا را با استفاده از هوش مصنوعی Perplexity به طور کامل یاد بگیرند. این هوش مصنوعی، رویکرد افراد به جستجو و تحقیق را متحول کرده است. خواه یک دانشجو، متخصص، محقق یا تولید کننده محتوا باشید، این دوره شما را از یک مبتدی مطلق به یک فرد متخصص در زمینه تسلط بر Perplexity تبدیل می‌کند. با یادگیری مهارت‌های این دوره، شما می‌توانید هوشمندانه‌تر کار کنید، سریع‌تر به اطلاعات دست یابید و بهره‌وری خود را با کمک هوش مصنوعی افزایش دهید. در این دوره جامع، افراد همه چیز را از راه‌اندازی حساب کاربری تا تکنیک‌های پیشرفته جستجو، انجام تحقیقات عمیق، مهندسی پرامپت و حتی تولید محتوای بصری به طور مستقیم در محیط Perplexity یاد می‌گیرند. از طریق پروژه‌های عملی در Perplexity Labs، افراد مهارت‌های واقعی را به دست می‌آورند که می‌توانند بلافاصله در زمینه‌های تحصیلی، کسب‌وکار یا بهره‌وری شخصی خود به کار گیرند. با تکمیل این دوره، افراد به مهارت‌های قدرتمند در زمینه تحقیق و بهره‌وری با هوش مصنوعی مجهز می‌شوند تا در زمان صرفه‌جویی کنند، کارایی خود را افزایش دهند و در آینده‌ای که توسط هوش مصنوعی هدایت می‌شود، پیشرو باقی بمانند. اگر می‌خواهید تحقیقات، تولید محتوا و یادگیری خود را با Perplexity تقویت کنید، این دوره برای شما مناسب است.
در دوره آموزشی Complete Perplexity AI Mastery: A-Z Search & Research Guide با نحوه جستجو و تحقیق به کمک هوش مصنوعی Perplexity آشنا خواهید شد.

این دوره برای کسانی طراحی شده است که می‌خواهند از یک مبتدی مطلق به یک توسعه‌دهنده حرفه‌ای تبدیل شوند. در این مسیر، شرکت‌کنندگان مهارت‌های برنامه‌نویسی سنتی را با قدرت توسعه به کمک هوش مصنوعی ترکیب می‌کنند. در ابتدا، دوره با اصول اولیه توسعه وب مانند HTML و CSS آغاز می‌شود تا پایه و اساس محکمی ایجاد گردد. سپس، به سراغ مبانی جاوا اسکریپت می‌رود تا شرکت‌کنندگان نحوه نوشتن منطق، مدیریت داده‌ها و ایجاد تعامل را بیاموزند. در ادامه، با React.js آشنا می‌شوند تا بتوانند رابط‌های کاربری مدرن، پویا و واکنش‌گرا بسازند. در نهایت، با استفاده از Nest.js و RESTful APIs، نحوه ایجاد بک‌اندهای امن و مقیاس‌پذیر و اتصال فرانت‌اند به پایگاه‌های داده واقعی را فرا می‌گیرند. در تمام طول دوره، به شرکت‌کنندگان آموزش داده می‌شود که چگونه از پرامپت‌های هوش مصنوعی به عنوان یک دستیار برنامه‌نویسی استفاده کنند. این تکنیک به آن‌ها کمک می‌کند تا باگ‌ها را سریع‌تر پیدا کنند، نمونه کد تولید کنند و خلاقیت خود را بهبود بخشند. به جای تنها حفظ کردن دستورات، شرکت‌کنندگان یاد می‌گیرند که چگونه با همکاری هوش مصنوعی، هوشمندانه‌تر کار کنند. این دوره کاملاً پروژه‌محور است و شرکت‌کنندگان با ساختن پروژه‌های واقعی، از جمله یک پروژه تمام‌عیار وب‌سایت دانشگاه، تمام آموخته‌های خود را به کار می‌گیرند. در پایان دوره، آن‌ها نه تنها می‌دانند چگونه یک برنامه کامل را از صفر بسازند، بلکه با مهارت استفاده از هوش مصنوعی برای سرعت بخشیدن به روند کاری خود نیز آشنا شده‌اند؛ مهارتی که امروزه برای توسعه‌دهندگان ضروری است.
در دوره آموزشی Full Stack AI Prompt/Vibe coding Developer from Zero to Pro با توسعه‌دهندگی تمام‌عیار به کمک هوش مصنوعی آشنا خواهید شد.

این دوره آموزشی به شرکت‌کنندگان کمک می‌کند تا اصول بلاک‌چین را فراگرفته و توانایی ساخت، ایمن‌سازی، و استقرار اپلیکیشن‌های مبتنی بر آن را در دنیای واقعی به دست آورند. بلاک‌چین، یک فناوری دفتر کل توزیع‌شده (DLT) است که تراکنش‌ها را در یک شبکه کامپیوتری به شکلی امن، شفاف و غیرقابل دستکاری ثبت می‌کند. این فناوری به جای ذخیره‌سازی داده‌ها در یک پایگاه داده مرکزی، نسخه‌های یکسانی از دفتر کل را در میان تمامی شرکت‌کنندگان شبکه (که به آن‌ها گره یا نود گفته می‌شود) توزیع می‌کند. هر تراکنش جدیدی که انجام می‌شود، توسط شبکه تأیید شده و در قالب بلاک‌هایی دسته‌بندی می‌شود. این بلاک‌ها به صورت متوالی و بر اساس زمان به یکدیگر متصل می‌شوند و یک زنجیره از بلاک‌ها را تشکیل می‌دهند که به همین دلیل بلاک‌چین نام گرفته است. این ساختار زنجیره‌ای تضمین می‌کند که داده‌ها تغییرناپذیر باقی بمانند و هیچ نهاد مرکزی کنترل آن‌ها را در دست نداشته باشد. بلاک‌چین، با استفاده از رمزنگاری پیشرفته، امکان انجام تراکنش‌های همتا به همتا را بدون نیاز به واسطه‌های مالی مانند بانک‌ها فراهم می‌سازد. از آنجایی که این سیستم غیرمتمرکز است، از مقاومت بالایی در برابر سانسور و حملات سایبری برخوردار است. کاربردهای آن نیز بسیار گسترده است، از ارزهای دیجیتال مانند بیت‌کوین و اتریوم گرفته تا مدیریت زنجیره تأمین، رأی‌گیری الکترونیکی و سیستم‌های سلامت. این فناوری نه تنها باعث افزایش اعتماد و شفافیت می‌شود، بلکه فرآیندهای کسب‌وکار را نیز بهینه و کارآمد می‌سازد.
در دوره آموزشی Blockchain: Build, Secure and Deploy Real-World Applications با ساخت، ایمن‌سازی، و استقرار اپلیکیشن‌های مبتنی بر بلاک‌چین آشنا خواهید شد.

این دوره آموزشی به شکلی واضح و عملی طراحی شده تا درک جامعی از شبکه‌های عصبی به دانشجویان ارائه دهد. این مسیر یادگیری از مفاهیم بسیار پایه آغاز شده و به تدریج به معماری‌های پیشرفته‌ای که امروزه در پژوهش‌ها و صنایع مورد استفاده قرار می‌گیرند، می‌پردازد. در ابتدا، دانشجویان با مفاهیم پایه‌ای پرسبترون‌ها و پرسبترون‌های چندلایه، که سنگ‌بنای مدل‌های شبکه‌های عصبی هستند، آشنا می‌شوند. در ادامه، گام‌به‌گام به اصول آموزش شبکه‌ها مانند روش‌های مقداردهی اولیه وزن‌ها (Xavier و He)، توابع هزینه و استراتژی‌های بهینه‌سازی پرداخته می‌شود. تکنیک‌های منظم‌سازی مانند درون‌ریزی (dropout) و نرمال‌سازی دسته‌ای (batch normalization) نیز پوشش داده می‌شوند تا دانشجویان با نحوه بهبود عملکرد مدل و کاهش بیش‌برازش آشنا شوند. پس از تکمیل مباحث پایه، دوره به شبکه‌های عمیق پیش‌خور، اتصالات پسماند و شبکه‌های عصبی کانولوشنی (CNNs) گسترش می‌یابد. دانشجویان در این بخش می‌بینند که چگونه از شبکه‌های عصبی کانولوشنی هم به صورت نظری و هم عملی با استفاده از کتابخانه PyTorch استفاده می‌شود. همچنین، نحوه پیاده‌سازی معماری‌های مشابه در زبان‌های Julia و MATLAB نیز توضیح داده می‌شود. سپس، دوره به سمت شبکه‌های عصبی بازگشتی (RNNs)، LSTM‌ها، GRUها و مدل‌های زمانی پیش می‌رود، که دانشجویان را برای کار با داده‌های توالی و مسائل پیش‌بینی آماده می‌سازد. در بخش‌های پایانی، مکانیزم‌های توجه (attention mechanisms) و ترنسفورمرها که امروزه ابزارهای استانداردی در پردازش زبان طبیعی و بینایی کامپیوتر هستند، پوشش داده می‌شوند. همچنین، خودرمزگذارها (autoencoders)، خودرمزگذارهای متغیر (variational autoencoders)، مدل‌های احتمالی مانند شبکه‌های عصبی بیزی، و رویکردهای خودسازمان‌دهنده مانند شبکه‌های کوهنن مورد بررسی قرار می‌گیرند. علاوه بر این، دوره شامل مباحثی درباره شبکه‌های عصبی گرافی (GNNs) و سایر معماری‌های تخصصی مانند شبکه‌های اکو استیت و ODEs عصبی می‌شود، که تضمین می‌کند دانشجویان با طیف گسترده‌ای از تکنیک‌ها آشنایی پیدا کنند.
در این دوره آموزشی Neural Networks with Python : 1 با ساختار و کاربردهای گوناگون شبکه‌های عصبی آشنا می‌کند.

این دوره یک راهنمای کامل برای تسلط بر مایکروسافت ورد، اکسل و پاورپوینت است. شما با یادگیری نحوه ترکیب ابزارهای پیشرفته هوش مصنوعی مانند چت جی‌پی‌تی و گوگل جمینای، به شیوه‌ای هوشمندانه‌تر و کارآمدتر کار خواهید کرد. این دوره برای دانشجویان، متخصصان، اساتید و کارآفرینان طراحی شده و کاربردهای عملی و واقعی افزایش بهره‌وری با استفاده از هوش مصنوعی را در ابزارهایی که هر روز استفاده می‌کنید، به شما نشان می‌دهد. این دوره به منظور ارتقای مهارت‌های مایکروسافت آفیس و بهره‌گیری کامل از قابلیت‌های هوش مصنوعی ارائه شده است. در این دوره، شرکت‌کنندگان به طور جامع با نحوه استفاده از ابزارهای هوش مصنوعی مانند چت جی‌پی‌تی و گوگل جمینای در کنار برنامه‌های اصلی مایکروسافت آفیس یعنی ورد، اکسل و پاورپوینت آشنا می‌شوند. هدف اصلی، افزایش بهره‌وری و کارایی در محیط‌های کاری و تحصیلی است.
در دوره آموزشی MS Office with AI - Word Excel PowerPoint ChatGpt Gemini با استفاده از هوش مصنوعی برای بهبود و بهینه‌سازی کارهای روزمره در برنامه‌های مایکروسافت آفیس آشنا خواهید شد.

این دوره یک برنامه آموزشی عملی است که شرکت‌کنندگان در آن یاد می‌گیرند که چگونه OpenAI، Ollama و کتابخانه‌های انتزاعی جدید Microsoft-Extensions-AI (MEAI) را در دات‌نت ادغام کرده و طیف گسترده‌ای از برنامه‌های کاربردی هوش مصنوعی مولد (GenAI) را بسازند. این برنامه‌ها شامل موارد متعددی می‌شوند، از جمله: چت‌بات‌ها و جست‌وجوی معنایی، تا تولید مبتنی بر بازیابی (RAG) و تحلیل تصویر. این دوره برای کمک به توسعه‌دهندگان طراحی شده تا بتوانند از قدرت مدل‌های زبانی بزرگ (LLM) برای ساخت راه‌حل‌های نوآورانه در چارچوب دات‌نت بهره ببرند. در طول این دوره، شرکت‌کنندگان با مباحث کلیدی متعددی آشنا می‌شوند. ابتدا، آن‌ها با اکوسیستم هوش مصنوعی در دات‌نت آشنا خواهند شد. این بخش شامل شناخت کتابخانه‌های انتزاعی جدید مایکروسافت مانند Microsoft-Extensions-AI است که امکان ادغام و جابه‌جایی آسان بین ارائه‌دهندگان مختلف مدل‌های زبانی بزرگ مانند OpenAI، Azure AI، Ollama و حتی مدل‌های میزبانی‌شده شخصی را فراهم می‌کند. سپس، شرکت‌کنندگان نحوه راه‌اندازی و پیکربندی ارائه‌دهندگان مدل‌های زبانی بزرگ را می‌آموزند. این شامل تنظیماتی برای GitHub Models، Ollama و Azure AI Foundry است تا بتوانند بهترین گزینه را برای موارد استفاده خود انتخاب کنند. بخش مهم دیگر، آموزش استفاده از مدل‌های زبانی بزرگ برای تکمیل متن با مدل‌های OpenAI gpt-5-mini و Ollama llama3.2 است. در این قسمت، آن‌ها یاد می‌گیرند که چگونه با استفاده از دات‌نت، مدل‌های زبانی بزرگ را برای انجام وظایفی مانند طبقه‌بندی، خلاصه‌سازی، استخراج داده، تشخیص ناهنجاری، ترجمه و تحلیل احساسات ادغام کنند.
در دوره آموزشی GenAI for .NET: Build LLM Apps with OpenAI and Ollama با توسعه برنامه‌های هوش مصنوعی مولد با استفاده از دات‌نت و مدل‌های زبانی بزرگ آشنا خواهید شد.

این دوره، تمامی جنبه‌های بومی React را از مفاهیم پایه‌ای تا پیشرفته، به صورت گام به گام و همراه با مدرس پوشش می‌دهد. همچنین، کتابخانه‌های کلیدی اکوسیستم React از جمله React Redux و React Router با جدیدترین سینتکس و استانداردهای مدرن توسعه به طور کامل مورد بررسی قرار می‌گیرند. بیش از ۲۰۰ درس ویدیویی، تمام جزئیات ساخت برنامه‌های وب با React را در بر می‌گیرد و بیش از ۱۳ تمرین عملی برای خودآموزی در هر مبحث ارائه شده است. برای تقویت دانش، بیش از ۱۰۰ آزمون کوتاه و تعاملی و همچنین یک کتاب کار تعاملی با بیش از ۲۷۰ صفحه در اختیار شما قرار می‌گیرد که توسط مدرس تهیه شده است. یک ماژول جایزه نیز به توسعه با شبکه‌های عصبی اختصاص دارد. علاوه بر این، پشتیبانی مدرس و پاسخگویی روزانه به تمامی سوالات شما در طول دوره تضمین می‌شود. در این دوره، به جای حفظ کردن متدها و توابع، عمیقاً به نحوه عملکرد React می‌پردازیم تا منطق و فلسفه آن را به طور کامل درک کنید. برخلاف بسیاری از دوره‌هایی که بر اساس نسخه‌های قدیمی React هستند، این دوره با جدیدترین استانداردهای توسعه، شامل سینتکس جدید React 19 و آخرین به‌روزرسانی‌های React Redux و React Router، از جمله Redux Toolkit و React Router نسخه ۶.۴ به بالا، به شما آموزش می‌دهد.
در دوره آموزشی Big React JS Course With AI (Redux / Router / Tailwind CSS) با توسعه برنامه‌های فرانت‌اند با استفاده از React JS و کتابخانه‌های کلیدی آن آشنا خواهید شد.

این دوره برای تحلیلگران GIS و یا افرادی که قصد دارند از یک تحلیلگر به یک توسعه‌دهنده GIS تبدیل شوند، طراحی شده است. همچنین برای دانشجویان، متخصصان و پژوهشگران در این حوزه بسیار مناسب است. در این دوره، شرکت‌کنندگان با ترکیب برنامه‌نویسی و GIS، روش‌های حل مسائل واقعی فضایی را می‌آموزند. آموزش از مبانی برنامه‌نویسی پایتون آغاز شده و به تدریج به سمت استفاده از کتابخانه‌ها و ابزارهای قدرتمند در توسعه حرفه‌ای GIS پیش می‌رود. هیچ پیش‌نیازی در زمینه برنامه‌نویسی لازم نیست و تمام مفاهیم به صورت گام به گام توضیح داده می‌شوند. با گذراندن این دوره، شرکت‌کنندگان قادر خواهند بود کدهای پایتون را در نرم‌افزارهای Jupyter Notebook و VS Code نوشته و اجرا کنند، محیط‌های پایتون را با استفاده از Anaconda مدیریت نمایند و با کتابخانه Shapely برای ایجاد و دستکاری اشیای هندسی کار کنند. همچنین، آن‌ها می‌آموزند که چگونه داده‌های فضایی را با استفاده از PostgreSQL و PostGIS ذخیره، جستجو و مدیریت کرده و با استفاده از SQL با پایگاه‌های داده تعامل داشته باشند و داده‌های فضایی را پاک‌سازی کنند. استفاده از GeoPandas برای خواندن، دستکاری و تحلیل مجموعه‌های داده‌های فضایی و خودکارسازی فرآیندهای GIS در ArcGIS Pro با ArcPy نیز از مهارت‌هایی است که در این دوره به دست می‌آید. علاوه بر این، دانش‌آموختگان مهارت‌های خود را در دو پروژه واقعی به کار می‌گیرند: تحلیلگر زلزله (با استفاده از API مرکز زمین‌شناسی ایالات متحده) و تحلیل روند COVID-19 (با استفاده از مجموعه داده جان هاپکینز). این دوره با ارائه مهارت‌های عملی برنامه‌نویسی که در صنعت ژئوفضایی امروز مورد تقاضا است، به شرکت‌کنندگان کمک می‌کند تا از تحلیلگر GIS به توسعه‌دهنده GIS تبدیل شوند. در پایان دوره، آن‌ها به توانایی کار برنامه‌نویسی با داده‌های فضایی، خودکارسازی وظایف تکراری و ساخت ابزارهای GIS خودشان دست پیدا می‌کنند.
در دوره آموزشی A Beginner's Guide to GIS Programming با برنامه‌نویسی سیستم‌های اطلاعات جغرافیایی (GIS) و ابزارهای مرتبط آشنا می‌شوید.

این دوره یک آشنایی کامل با یادگیری تقویتی عمیق است. یادگیری تقویتی عمیق روش‌های یادگیری تقویتی را با شبکه‌های عصبی عمیق پیوند می‌دهد. تمرکز اصلی بر درک مفاهیم و پیاده‌سازی عملی آن‌ها است. این دوره با مرور اصول اولیه یادگیری تقویتی و چگونگی عملکرد تقریب توابع با استفاده از شبکه‌های عصبی آغاز می‌شود. سپس، به روش‌های مبتنی بر ارزش مانند شبکه‌های Q عمیق (DQN) و نسخه‌های پیشرفته‌تر آن‌ها پرداخته می‌شود. همچنین الگوریتم‌های گرادیان سیاست مانند PPO, DDPG, TD3, و SAC و تکنیک‌های پیشرفته برای اکتشاف، یادگیری مبتنی بر مدل، و آموزش چند عاملی را پوشش می‌دهد. این دوره یک رویکرد عملی دارد و شامل تمرین‌های کدنویسی با استفاده از PyTorch است. شرکت‌کنندگان در این دوره، عوامل هوشمند خود را می‌سازند، با محیط‌هایی مانند بازی‌های آتاری و شبیه‌سازی‌های رباتیک آزمایش می‌کنند و یاد می‌گیرند که چگونه یک فرایند توسعه مناسب برای تحقیقات و کاربردهای یادگیری تقویتی عمیق را تنظیم کنند. علاوه بر الگوریتم‌های اصلی، موضوعات مهم و مدرن دیگری نیز پوشش داده می‌شوند. از جمله این مباحث می‌توان به اکتشاف مبتنی بر کنجکاوی، مکانیسم‌های توجه، مدل‌های جهان، آموزش توزیع‌شده، و یادگیری تقویتی از بازخورد انسانی اشاره کرد. این موضوعات به شرکت‌کنندگان دیدگاهی گسترده‌تر درباره نحوه کاربرد عملی یادگیری تقویتی عمیق در دنیای واقعی می‌دهند.
در دوره آموزشی Deep Reinforcement Learning با ترکیب یادگیری تقویتی و شبکه‌های عصبی عمیق آشنا خواهید شد.