تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی آمادگی برای گواهینامه GitHub Copilot

دوره آموزشی آمادگی برای گواهینامه GitHub Copilot

6 ساعت 1 دقیقهمتوسط2025-05-05

مدرسین

Microsoft Press

Microsoft Press

Microsoft

Tim Warner

Tim Warner

Technical Trainer and Content Developer

جزئیات دوره

اگه دوست داری تو دنیای برنامه‌نویسی با کمک هوش مصنوعی یه قدم جلوتر باشی، این دوره دقیقاً برای توئه!
تو این دوره، با آموزش‌های حرفه‌ای تیم وارنر — کارشناس AI و مدرس رسمی مایکروسافت — قدم‌به‌قدم یاد می‌گیری چطور از GitHub Copilot بهترین استفاده رو تو پروژه‌هات ببری و برای مدرک رسمی GitHub Copilot Certification هم آماده بشی.

از همون اول یاد می‌گیری چطور Copilot رو به‌درستی برای محیط‌ کاری‌ات تنظیم کنی تا هم امن باشه، هم اخلاقی. بعدش وارد دنیای پرامپت‌ نویسی (prompt engineering) می‌شی تا بفهمی چطور با سوال درست، جواب‌های هوشمندتر از Copilot بگیری.

در ادامه، تکنیک‌هایی یاد می‌گیری برای افزایش کیفیت کدت با کمک پیشنهادهای AI، تست‌های خودکار، و تحلیل‌های هوشمند که باعث می‌شه سریع‌تر، بهتر و مطمئن‌تر کد بزنی.

با تمرین‌های واقعی و دموی زنده، هم تو کار حرفه‌ای‌ات پیشرفت می‌کنی، هم برای آزمون رسمی Copilot آماده می‌شی. اگه می‌خوای با قدرت هوش مصنوعی در توسعه نرم‌افزار حرفه‌ای‌تر باشی، این دوره یه انتخاب طلاییه.

🎯 اهداف یادگیری:
آشنایی با استفاده‌ی درست و اخلاقی از GitHub Copilot
شناخت ویژگی‌های مختلف Copilot در نسخه‌های مختلف (SKUs)
پیکربندی Copilot برای محیط‌های کاری متفاوت با امنیت بالا
یادگیری مهارت‌های پرامپت‌نویسی برای گرفتن بهترین خروجی از Copilot
بهبود کیفیت کدنویسی با تست خودکار و تحلیل‌های هوش مصنوعی
آمادگی کامل برای شرکت در آزمون GitHub Copilot Certification
استفاده عملی از Copilot در محیط‌های توسعه‌ی واقعی و تیمی

مهارت ها

Github CopilotVersion ControlGitHubGenerative AIArtificial Intelligence FoundationsSoftware Development ToolsCert PrepArtificial Intelligence (AI)Software Development

سرفصل ها

۰. مقدمه

  • 01 - معرفی دوره

۱. استفاده مسئولانه از هوش مصنوعی را توضیح دهید

  • 02 - اهداف یادگیری
  • 03 - خطرات مرتبط با استفاده از ابزارهای هوش مصنوعی در توسعه نرم‌افزار را بیاموزید
  • 04 - محدودیت‌های هوش مصنوعی مولد را بیاموزید
  • 05 - کشف کنید که چرا اعتبارسنجی کد تولید شده توسط هوش مصنوعی برای کیفیت و امنیت ضروری است
  • 06 - بهترین شیوه‌ها را برای استفاده مسئولانه از ابزارهای هوش مصنوعی شناسایی کنید
  • 07 - کاهش آسیب‌های احتمالی، مانند سوگیری و کد ناامن
  • 08 - اصول اخلاقی هوش مصنوعی و نحوه اعمال آنها در GitHub Copilot را تعریف کنید

۲. ویژگی‌های GitHub Copilot Individual را شناسایی کنید

  • 09 - اهداف یادگیری
  • 10 - ویژگی‌های موجود در محیط توسعه یکپارچه (IDE) برای GitHub را بیاموزید. Copilot Individual
  • 11 - تفاوت‌های اصلی بین GitHub Copilot شخصی و تجاری را مشخص کنید
  • 12 - پیکربندی تنظیمات GitHub Copilot برای کاربران مختلف

۳. ویژگی‌های GitHub Copilot Business را شناسایی کنید

  • 13 - اهداف یادگیری
  • 14 - فایل‌های خاص را از پیشنهادات GitHub Copilot مستثنی کنید
  • 15 - ایجاد مدیریت سیاست در سطح سازمان برای استفاده از هوش مصنوعی
  • 16 - هدف و کاربرد لاگ‌های حسابرسی سازمان برای نظارت بر فعالیت GitHub Copilot را بیاموزید
  • 17 - مدیریت اشتراک‌های تجاری GitHub Copilot از طریق REST API

۴. ویژگی‌های GitHub Copilot Enterprise را شناسایی کنید

  • 18 - اهداف یادگیری
  • 19 - مزایای استفاده از GitHub Copilot Enterprise را برای تیم‌های توسعه در مقیاس بزرگ بیاموزید
  • 20 - با پایگاه‌های دانش GitHub Copilot آشنا شوید
  • 21 - ایجاد و مدیریت پایگاه‌های دانش برای بهبود کیفیت، ثبات و کارایی کد
  • 22 - مزایای استفاده از مدل‌های سفارشی برای پیشنهادهای کد هوش مصنوعی پیشرفته را مشخص کنید

۵. ویژگی‌های اصلی GitHub Copilot Chat را شناسایی کنید

  • 23 - اهداف یادگیری
  • 24 - موارد استفاده کلیدی که چت GitHub Copilot در آنها بیشترین اثربخشی را دارد را شناسایی کنید
  • 25 - برای بهبود عملکرد چت Copilot، بازخورد خود را به اشتراک بگذارید
  • 26 - بهترین شیوه‌های چت با Copilot، از جمله دستورات اسلش موجود را بیاموزید
  • 27 - محدودیت‌های چت GitHub Copilot را بیاموزید

۶. نحوه مدیریت داده‌ها توسط GitHub Copilot را شرح دهید.

  • 28 - اهداف یادگیری
  • 29 - یاد بگیرید که چگونه GitHub Copilot داده‌ها را برای پیشنهاد کد پردازش می‌کند
  • 30 - یاد بگیرید که چگونه GitHub Copilot از داده‌ها برای افراد و کسب‌وکارها استفاده می‌کند و آنها را به اشتراک می‌گذارد
  • 31 - شناسایی انواع مختلف ورودی فرآیندهای کمک خلبان و نحوه تأثیر آنها بر خروجی
  • 32 - جریان داده برای یکپارچه‌سازی چت GitHub Copilot و Copilot IDE را توضیح دهید

۷. چرخه حیات خط لوله داده GitHub Copilot را شرح دهید.

  • 33 - اهداف یادگیری
  • 34 - چرخه عمر یک پیشنهاد کد GitHub Copilot را تجسم کنید
  • 35 - یاد بگیرید که چگونه GitHub Copilot زمینه را جمع‌آوری کرده و یک اعلان ایجاد می‌کند
  • 36 - آشنایی با نقش سرویس‌های پروکسی و مکانیسم‌های فیلترینگ در خط لوله داده Copilot
  • 37 - کشف کنید که چگونه مدل زبان بزرگ، پاسخ‌ها را تولید و پس‌پردازش می‌کند

۸. محدودیت‌های GitHub Copilot را شرح دهید

  • 38 - اهداف یادگیری
  • 39 - بیاموزید که چگونه مثال‌های مکرر در داده‌های منبع بر پیشنهادهای کد تأثیر می‌گذارند
  • 40 - کشف کنید که چگونه قدمت داده‌های منبع بر مرتبط بودن پیشنهادات تأثیر می‌گذارد
  • 41 - چالش‌های پنجره‌های محدود به متن در مدیریت سریع Copilot را شناسایی کنید

۹. استفاده از GitHub Copilot در رابط خط فرمان (CLI)

  • 42- اهداف یادگیری
  • 43 - مراحل نصب GitHub Copilot را در رابط خط فرمان (CLI) بیاموزید
  • 44 - شناسایی دستورات رایج و موارد استفاده آنها هنگام کار با GitHub Copilot در رابط خط فرمان (CLI)
  • 45 - پیکربندی تنظیمات در GitHub Copilot برای استفاده از CLI

۱۰. اصول مهندسی سریع و ساخت سریع را شرح دهید.

  • 46- اهداف یادگیری
  • 47- اصول مهندسی سریع را بیاموزید
  • 48- ساختار و اجزای کلیدی یک پیشنهاد مؤثر را بیاموزید
  • 49 - بهترین شیوه‌ها برای ایجاد دستورالعمل‌ها را شناسایی کنید تا کیفیت خروجی Copilot را به حداکثر برسانید
  • 50 - ببینید که چگونه دستورات GitHub Copilot از تاریخچه چت استفاده می‌کنند

۱۱. بهبود بهره‌وری توسعه‌دهندگان با GitHub Copilot

  • 51- اهداف یادگیری
  • 52 - موارد استفاده رایجی را ببینید که GitHub Copilot بهره‌وری را افزایش می‌دهد
  • 53 - بیاموزید که چگونه Copilot در مدیریت چرخه عمر توسعه نرم‌افزار کمک می‌کند
  • 54 - از API بهره‌وری GitHub Copilot برای اندازه‌گیری تأثیر استفاده کنید

۱۲. افزایش کیفیت کد از طریق تست

  • 55- اهداف یادگیری
  • 56 - بیاموزید که چگونه GitHub Copilot می‌تواند در تولید تست‌های واحد، تست‌های یکپارچه‌سازی و تست‌های موردی لبه‌ای کمک کند
  • 57 - بیاموزید که چگونه Copilot موارد مرزی بالقوه را شناسایی کرده و بهبودهای تست را پیشنهاد می‌دهد
  • 58 - نوشتن دستورات و کدهای آماده برای انواع مختلف تست با استفاده از Copilot

۱۳. از GitHub Copilot برای امنیت و عملکرد بهتر استفاده کنید

  • 59- اهداف یادگیری
  • 60 - یاد بگیرید که چگونه GitHub Copilot آسیب‌پذیری‌های امنیتی بالقوه را در کد شناسایی می‌کند
  • 61 - بیاموزید که چگونه Copilot می‌تواند بهینه‌سازی‌های عملکرد را پیشنهاد دهد
  • 62 - ببینید چگونه Copilot از بررسی‌های کد مشارکتی با بهترین شیوه‌های امنیتی پشتیبانی می‌کند

۱۴. SKU‌های مختلف برای GitHub Copilot را شرح دهید

  • 63- اهداف یادگیری
  • 64 - شناسایی SKU‌های موجود برای GitHub Copilot، شامل طرح‌های فردی، تجاری و سازمانی آن
  • 65 - ملاحظات حریم خصوصی مربوط به هر SKU را درک کنید
  • 66 - گزینه‌های پیکربندی برای پیشنهاد کد در سطح سازمان را بیاموزید

۱۵. موارد استثنای محتوا را شناسایی کنید

  • 67- اهداف یادگیری
  • 68 - پیکربندی استثنائات محتوا در سطح مخزن و سازمان
  • 69 - اثرات و محدودیت‌های حذف محتوا بر پیشنهادات Copilot را درک کنید
  • 70 - آشنایی با ملاحظات مالکیت برای خروجی‌های GitHub Copilot

۱۶. توضیح تمهیدات GitHub Copilot Safeguards

  • 71- اهداف یادگیری
  • 72 - آشنایی با فیلتر تشخیص تکرار در Copilot
  • 73 - آشنایی با حمایت‌های قراردادی موجود برای کاربران Copilot
  • 74 - فعال و غیرفعال کردن تنظیمات تشخیص تکثیر، جمع‌آوری اعلان‌ها و جمع‌آوری پیشنهادات

۱۷. عیب‌یابی گیت‌هاب با کمک خلبان

  • 75- اهداف یادگیری
  • 76 - حل مشکلات رایج، مانند پیشنهادهای کد از دست رفته در ویرایشگر
  • 77 - مراحل عیب‌یابی را در مواقعی که استثنائات زمینه‌ای طبق انتظار اعمال نمی‌شوند، شناسایی کنید
  • 78 - فعال کردن GitHub Copilot در صورت عدم وجود یا عدم بهینه بودن پیشنهادات

۱۸. بررسی گواهینامه GitHub Copilot

  • 79- اهداف یادگیری
  • 80- مفاهیم کلیدی را خلاصه کنید
  • 81- نمونه سؤالات امتحانی را مرور کنید
  • 82- استراتژی‌ها و نکات موفقیت در آزمون را بیاموزید

۱۹. آینده توسعه مبتنی بر هوش مصنوعی را بررسی کنید

  • 83- اهداف یادگیری
  • 84 - با روندهای آتی در توسعه مبتنی بر هوش مصنوعی آشنا شوید
  • 85 - شناسایی ویژگی‌های جدید و به‌روزرسانی‌های آینده مورد انتظار در GitHub Copilot
  • 86 - اهمیت یادگیری مداوم و توسعه مهارت در مهندسی نرم‌افزار مبتنی بر هوش مصنوعی را درک کنید

نتیجه‌گیری

  • 87- به آموخته‌هایتان نگاهی بیندازید

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal