دوره آموزشی آمادگی آزمون مبانی گواهینامه Anthropic Claude Certified Associate (CCAO-F)
4 ساعت 45 دقیقهمبتدی2026-08-31
مدرسین

Tutorials Dojo
جزئیات دوره
کار با اطمینان از Claude بهسرعت در حال تبدیل شدن به یکی از مهارتهای مهم حرفهای برای افرادی است که میخواهند از هوش مصنوعی در کار روزمره خود استفاده کنند. گواهی Anthropic Claude Certified Associate Foundations (CCAO-F) نیز فرصتی است تا دانش و توانایی خود را در استفاده مؤثر از Claude ارزیابی و اثبات کنید. این دوره از Tutorials Dojo با ترکیب آموزش عملی و آمادگی آزمون، شما را برای شرکت در آزمون CCAO-F آماده میکند و همزمان مهارتهای موردنیاز برای استفاده حرفهای از Claude را توسعه میدهد.
در این دوره، ابتدا با اصول Prompt Engineering آشنا میشوید و یاد میگیرید چگونه Promptهایی بنویسید که Claude را برای انجام وظایف مشخص به شکل دقیق هدایت کنند. سپس نحوه ارزیابی خروجیهای Claude را بررسی میکنید و یاد میگیرید ادعاها و اطلاعات تولیدشده توسط AI را با استفاده از منابع معتبر و قابل اعتماد Fact-Check کنید تا از صحت نتایج اطمینان بیشتری داشته باشید.
یکی از موضوعات مهم دوره، انتخاب مدل مناسب Claude برای هر نوع کار است. یاد میگیرید چگونه بر اساس پیچیدگی، نوع وظیفه و نیازهای Workflow، مدل مناسب را انتخاب کرده و راهکارهایی طراحی کنید که بتوانند در فرآیندهای واقعی کاری مورد استفاده قرار بگیرند.
در ادامه، با قابلیتهای مختلف Claude از جمله Chat، Projects و Research Mode کار میکنید و بررسی میکنید چگونه میتوان این قابلیتها را در Workflowهای واقعی مانند تصمیمگیری، تولید محتوا و افزایش بهرهوری ادغام کرد. همچنین با مفاهیمی مانند Configuration و Knowledge Management آشنا میشوید و نقش آنها را در ایجاد یک رویکرد مسئولانه برای AI Governance بررسی میکنید.
در طول دوره، نحوه شناسایی مشکلات Promptهای ضعیف یا کماثر و روش Troubleshooting و بهبود آنها نیز آموزش داده میشود. هدف این است که بتوانید در مواجهه با خروجی نامطلوب، بهجای آزمونوخطای تصادفی، علت مشکل را شناسایی کرده و Prompt یا روش استفاده از Claude را اصلاح کنید.
در پایان، علاوه بر آمادگی برای شرکت در آزمون CCAO-F، دیدگاه و مهارت عملی لازم برای استفاده از Claude در موقعیتهای واقعی را به دست خواهید آورد؛ از بهبود تصمیمگیری و تولید محتوا گرفته تا بهینهسازی Workflowها و افزایش بهرهوری. این دوره در سطح مقدماتی طراحی شده و برای متخصصان حوزههایی مانند مدیریت پروژه، بازاریابی، عملیات و آموزش مناسب است.
اهداف یادگیری
نوشتن Promptهای مؤثر برای هدایت Claude در انجام وظایف مشخص
تبدیل نیازهای کاری به Promptهای دقیق و قابل اجرا برای Claude
ارزیابی خروجی Claude و بررسی صحت ادعاهای تولیدشده با استفاده از منابع معتبر
انتخاب مدل مناسب Claude بر اساس نوع وظیفه و نیازهای Workflow
طراحی راهکارهای مبتنی بر Claude برای استفاده در فرآیندهای واقعی کاری
استفاده از قابلیتهای Claude مانند Chat، Projects و Research Mode
ادغام Claude در Workflowهای واقعی برای بهبود تصمیمگیری، تولید محتوا و بهرهوری
استفاده از Configuration و Knowledge Management برای پشتیبانی از Responsible AI Governance
شناسایی و Troubleshoot کردن Promptهای کماثر برای بهبود کیفیت خروجی
آمادهسازی دانش و مهارتهای لازم برای شرکت موفق در آزمون CCAO-F
در این دوره، ابتدا با اصول Prompt Engineering آشنا میشوید و یاد میگیرید چگونه Promptهایی بنویسید که Claude را برای انجام وظایف مشخص به شکل دقیق هدایت کنند. سپس نحوه ارزیابی خروجیهای Claude را بررسی میکنید و یاد میگیرید ادعاها و اطلاعات تولیدشده توسط AI را با استفاده از منابع معتبر و قابل اعتماد Fact-Check کنید تا از صحت نتایج اطمینان بیشتری داشته باشید.
یکی از موضوعات مهم دوره، انتخاب مدل مناسب Claude برای هر نوع کار است. یاد میگیرید چگونه بر اساس پیچیدگی، نوع وظیفه و نیازهای Workflow، مدل مناسب را انتخاب کرده و راهکارهایی طراحی کنید که بتوانند در فرآیندهای واقعی کاری مورد استفاده قرار بگیرند.
در ادامه، با قابلیتهای مختلف Claude از جمله Chat، Projects و Research Mode کار میکنید و بررسی میکنید چگونه میتوان این قابلیتها را در Workflowهای واقعی مانند تصمیمگیری، تولید محتوا و افزایش بهرهوری ادغام کرد. همچنین با مفاهیمی مانند Configuration و Knowledge Management آشنا میشوید و نقش آنها را در ایجاد یک رویکرد مسئولانه برای AI Governance بررسی میکنید.
در طول دوره، نحوه شناسایی مشکلات Promptهای ضعیف یا کماثر و روش Troubleshooting و بهبود آنها نیز آموزش داده میشود. هدف این است که بتوانید در مواجهه با خروجی نامطلوب، بهجای آزمونوخطای تصادفی، علت مشکل را شناسایی کرده و Prompt یا روش استفاده از Claude را اصلاح کنید.
در پایان، علاوه بر آمادگی برای شرکت در آزمون CCAO-F، دیدگاه و مهارت عملی لازم برای استفاده از Claude در موقعیتهای واقعی را به دست خواهید آورد؛ از بهبود تصمیمگیری و تولید محتوا گرفته تا بهینهسازی Workflowها و افزایش بهرهوری. این دوره در سطح مقدماتی طراحی شده و برای متخصصان حوزههایی مانند مدیریت پروژه، بازاریابی، عملیات و آموزش مناسب است.
اهداف یادگیری
نوشتن Promptهای مؤثر برای هدایت Claude در انجام وظایف مشخص
تبدیل نیازهای کاری به Promptهای دقیق و قابل اجرا برای Claude
ارزیابی خروجی Claude و بررسی صحت ادعاهای تولیدشده با استفاده از منابع معتبر
انتخاب مدل مناسب Claude بر اساس نوع وظیفه و نیازهای Workflow
طراحی راهکارهای مبتنی بر Claude برای استفاده در فرآیندهای واقعی کاری
استفاده از قابلیتهای Claude مانند Chat، Projects و Research Mode
ادغام Claude در Workflowهای واقعی برای بهبود تصمیمگیری، تولید محتوا و بهرهوری
استفاده از Configuration و Knowledge Management برای پشتیبانی از Responsible AI Governance
شناسایی و Troubleshoot کردن Promptهای کماثر برای بهبود کیفیت خروجی
آمادهسازی دانش و مهارتهای لازم برای شرکت موفق در آزمون CCAO-F
سرفصل ها
مقدمه
- نمای کلی مدرک دستیار تأییدشده Claude - مبانی (CCAO-F)
پرامپتنویسی و اجرای وظیفه
- پرامپت چیست
- چه چیزی یک پرامپت را مؤثر میکند (زمینه، نقش، وظیفه، فرمت)
- تجزیه وظیفه چیست
- تکرار پرامپت چیست
- انواع اصلی وظایف کدامند (تحلیل، پژوهش، پیشنویس، طوفان فکری)
- نوشتن یک پرامپت مؤثر برای یک وظیفه تجاری
- تجزیه یک درخواست پیچیده به مراحل مختلف
- تکرار پرامپت برای بهبود کیفیت خروجی
- تطبیق استراتژی پرامپتنویسی بر اساس نوع وظیفه
ارزیابی و اعتبارسنجی خروجی
- توهم چیست
- سوگیری در خروجی هوش مصنوعی چیست
- ناسازگاریها و خطاهای واقعی چه هستند
- «دقت» و «کامل بودن» برای یک خروجی به چه معناست
- اعتبارسنجی راستیآزمایی حقایق چیست
- چه زمانی بازبینی انسانی یا تأیید اضافی لازم است
- فرمتهای خروجی کدامند (مصنوعات، درونخطی، دادههای ساختاریافته)
- ارزیابی خروجی از نظر دقت و کامل بودن
- شناسایی توهمات، ناسازگاریها و سوگیریها
- راستیآزمایی ادعاها و ارجاعات با منابع معتبر
- تصمیمگیری درباره زمان ارجاع به بازبینی انسانی
- ویرایش و تطبیق خروجی برای مخاطب خاص
- مقایسه و بهبود چندین خروجی
- سازماندهی اطلاعات و انتخاب فرمت خروجی مناسب
انتخاب محصول و مدل
- ویژگیهای محصول Claude چیست - چت، پروژهها، حالت تحقیق و مصنوعات
- پروژه Claude چیست
- حالت تحقیق چیست
- مصنوعات (Artifacts) چیست
- مهارتهای Claude چیست
- اجرای کد (Code Execution) چیست
- مدلهای Claude کدامند (Haiku، Sonnet، Opus)
- پنجره زمینه یا محدودیت زمینه چیست
- حافظه چیست و چه زمانی باید راهاندازی مجدد کرد، خلاصه نمود یا حفظ کرد
- انتخاب ویژگی مناسب محصول برای یک وظیفه
- انتخاب مدل - Haiku در برابر Sonnet در برابر Opus (هزینه، سرعت، کیفیت)
- مدیریت محدودیتهای زمینه - چه زمانی راهاندازی مجدد کنیم، خلاصه کنیم یا حفظ کنیم
یکپارچهسازی گردش کار و طراحی راهکار
- گردش کار چیست
- مورد کاربرد چیست (مناسب در برابر نامناسب)
- بهینهسازی فرآیند با هوش مصنوعی به چه معناست
- ادغام Claude در یک گردش کار چگونه است - تقویت در برابر بازطراحی
- استفاده از Claude برای تحلیل نیازمندیها و شناسایی موارد کاربرد
- استفاده از Claude برای تحقیق، برنامهریزی و بهینهسازی فرآیند
- استفاده از Claude برای پشتیبانی از طراحی راهکار و تکرار آن
- ادغام Claude در یک گردش کار موجود
- ارتباط ارزش و محدودیتهای Claude به ذینفعان
پیکربندی و مدیریت دانش
- دستورالعملهای پروژه چیست
- منبع دانش چیست (فایلهای بارگذاری شده)
- اتصالدهندهها چیست (مثلاً Google Drive، Gmail)
- دستورالعملهای سطح سیستم چیست
- پیکربندی یک پروژه با دستورالعملها و منابع دانش
- مدیریت دانش بارگذاری شده و اتصالدهندهها
- نوشتن دستورالعملهای مؤثر در سطح سیستم
- نگهداری و بهروزرسانی پیکربندی در طول زمان
حاکمیت، ریسک و استفاده مسئولانه
- چه چیزی یک مورد کاربرد را مناسب یا نامناسب میسازد
- حساسیت دادهها و PII چیست
- ملاحظات نظارتی و حریم خصوصی چیست
- استاندارد ح
- پیامدهای اخلاقی استفاده از هوش مصنوعی چیست
- تشخیص موارد استفاده مناسب از نامناسب
- مدیریت دادههای حساس - سانسور و ناشناسسازی پیش از بارگذاری
- پیروی از سیاستها و حاکمیت هوش مصنوعی سازمان
- بهکارگیری هوش مصنوعی مسئولانه و قضاوت اخلاقی
- شناخت محدودیتهای نقش Associate و ارجاع کارهای فنی به معماران و توسعهدهندگان
عیبیابی و بهینهسازی
- پرامپت کمبازده یا خروجی ضعیف چه نشانههایی دارد
- عیبیابی خروجی هوش مصنوعی چیست
- بهینهسازی گردش کار چیست
- تشخیص و رفع خروجی ضعیف یا پرامپت ناکارآمد
- تنظیم رویکرد بر اساس بازخورد و نتایج
- بهینهسازی گردش کار برای کارایی و اثربخشی