دوره آموزشی مهندسی زمینهسازی برای توسعهدهندگان
36 دقیقهمتوسط2025-07-29
مدرسین

Deepak Goyal
جزئیات دوره
این دوره بهت مهارت جدید و خیلی مهمی به نام مهندسی زمینه (Context Engineering) توی هوش مصنوعی رو یاد میده.
یاد میگیری چطور اطلاعات، ابزارها و جریانهای کاری رو به شکل هوشمند و پویا به مدلهای زبانی بزرگ (Large Language Models) بدی تا خروجیها دقیقتر و قابل اعتمادتر باشن.
توی این دوره با تکنیکهای مهمی مثل بازیابی هوشمند اطلاعات، خلاصهسازی و مدیریت دقیق زمینهها (Context Quarantine) آشنا میشی.
این دوره مخصوص کساییه که توی هوش مصنوعی فعالیت دارن یا مهندسهای پرامپت (Prompt Engineers) هستن و میخوان هوش مصنوعیهای بهتری بسازن و پروژههای RAG (Retrieval-Augmented Generation) رو بهتر اجرا کنن.
🎯 اهداف یادگیری دوره
✅ تعریف مهندسی زمینه و فرقش با مهندسی پرامپت رو یاد بگیر.
✅ بفهم چه مشکلاتی ممکنه توی سیستمهای هوش مصنوعی بهخاطر مدیریت بد زمینه پیش بیاد.
✅ طراحی جریانهای کاری RAG برای بازیابی پویا و هوشمند اطلاعات زمینه.
✅ استفاده از تکنیکهای خلاصهسازی و حذف اطلاعات اضافی برای مدیریت ورودیهای بزرگ.
✅ تحلیل مثالهای واقعی که توش مهندسی زمینه باعث بهتر شدن عملکرد AI شده.
یاد میگیری چطور اطلاعات، ابزارها و جریانهای کاری رو به شکل هوشمند و پویا به مدلهای زبانی بزرگ (Large Language Models) بدی تا خروجیها دقیقتر و قابل اعتمادتر باشن.
توی این دوره با تکنیکهای مهمی مثل بازیابی هوشمند اطلاعات، خلاصهسازی و مدیریت دقیق زمینهها (Context Quarantine) آشنا میشی.
این دوره مخصوص کساییه که توی هوش مصنوعی فعالیت دارن یا مهندسهای پرامپت (Prompt Engineers) هستن و میخوان هوش مصنوعیهای بهتری بسازن و پروژههای RAG (Retrieval-Augmented Generation) رو بهتر اجرا کنن.
🎯 اهداف یادگیری دوره
✅ تعریف مهندسی زمینه و فرقش با مهندسی پرامپت رو یاد بگیر.
✅ بفهم چه مشکلاتی ممکنه توی سیستمهای هوش مصنوعی بهخاطر مدیریت بد زمینه پیش بیاد.
✅ طراحی جریانهای کاری RAG برای بازیابی پویا و هوشمند اطلاعات زمینه.
✅ استفاده از تکنیکهای خلاصهسازی و حذف اطلاعات اضافی برای مدیریت ورودیهای بزرگ.
✅ تحلیل مثالهای واقعی که توش مهندسی زمینه باعث بهتر شدن عملکرد AI شده.
مهارت ها
Generative AIArtificial Intelligence FoundationsArtificial Intelligence (AI)One-Off
سرفصل ها
۰. مقدمه
- 01 - مقدمه
- 02 - آنچه باید بدانید
۱. مبانی مهندسی کانتنکست
- 03 - چرا زمینه اهمیت دارد
- 04 - مهندسی زمینه چیست؟
- 05 - تفکر سیستمی برای زمینهسازی
۲. مهندسی زمینه در عمل
- 06 - حالتهای رایج خرابی زمینه
- 07 - RAG و بازیابی هوشمند
- 08 - هرس کردن و خلاصهسازی متن
- 09 - قرنطینه زمینه
- 10 - تخلیه بار زمینهای و حافظه بلندمدت
- 11 - مهندسی زمینه را اعمال کنید
- 12- مطالعات موردی و کاربردهای دنیای واقعی
۳. حرکت به جلو
- 13 - قدم بعدی چیست؟
دوره های مرتبط
- دوره آموزشی ساخت عوامل هوش مصنوعی با API پاسخهای OpenAI
- دوره آموزشی چالش هوش مصنوعی ۱۰ در ۱۰
- دوره آموزشی کدنویسی وایب برای ساخت اولین اپلیکیشن هوش مصنوعی با Lovable و n8n (بدون نیاز به کدنویسی)
- دوره آموزشی اپ تحلیل داده با قدرت LLM با پایتون و Streamlit
- دوره آموزشی از پرامپت تا محصول در کمتر از یک ساعت: ساخت اپلیکیشنهای هوش مصنوعی با Nano Banana
- دوره آموزشی هوش مصنوعی مولد: مقدمهای بر مدلهای انتشار برای تولید متن
- دوره آموزشی توسعه مبتنی بر مشخصات با GitHub Spec Kit
- دوره آموزشی فراتر از کدنویسی با Vibe با Google Gemini: تبدیل شدن به یک توسعهدهنده هدفمند