https://lyndakade.ir/learning/building-with-the-claude-api-by-anthropic 2026-06-07T22:55:18+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/Building%20with%20the%20Claude%20API%20by%20Anthropic/preview.webp دوره آموزشی ساخت و توسعه با Claude API اگر می‌خوای به یک متخصص کار با Anthropic API تبدیل بشی و سیستم‌های هوشمند با Claude بسازی، این دوره نقشه راه کامله. از مفاهیم پایه‌ای API و مدیریت کلیدها گرفته تا تکنیک‌های پیشرفته‌ی معماری سیستم‌های AI، همه‌چیز رو با تمرین‌های عملی یاد می‌گیری. اینجا یاد می‌گیری چطور مدل رو برای رفتارهای خاص تنظیم کنی، چطور سیستم‌های RAG خفن بسازی و چطور از قابلیت‌های چندرسانه‌ای (Multimodal) مثل تحلیل تصویر و پردازش اسناد توی پروژه‌هات استفاده کنی. در نهایت، با استراتژی‌هایی مثل prompt caching و پیاده‌سازی MCP، یاد می‌گیری سیستم‌هایی بسازی که هم سریع‌ترن، هم هزینه‌ی کمتری دارن و هم خیلی هوشمندتر عمل می‌کنن. پیش‌نیازها تسلط به برنامه‌نویسی پایتون دانش اولیه در مورد کار با داده‌های JSON اهداف یادگیری راه‌اندازی و احراز هویت با Anthropic API، شامل مدیریت کلیدهای API و پیکربندی درخواست‌ها. پیاده‌سازی مکالمات تک‌مرحله‌ای و چندمرحله‌ای با فرمت‌بندی صحیح پیام‌ها و مدیریت context. پیکربندی system promptها و کنترل رفتار مدل با استفاده از temperature، استریم پاسخ و فرمت‌های خروجی ساختاریافته. طراحی و اجرای workflowهای ارزیابی prompt با استفاده از تولید مجموعه داده تست و سیستم‌های نمره‌دهی خودکار. به‌کارگیری تکنیک‌های مهندسی prompt شامل ساختاردهی با تگ‌های XML، یادگیری مبتنی بر مثال و تدوین دستورالعمل‌های شفاف. یکپارچه‌سازی قابلیت‌های tool usage کلود برای گسترش کارکرد با ابزارهای سفارشی، عملیات دسته‌ای (batch) و جست‌وجوی وب. ساخت سیستم‌های RAG با استفاده از text chunking، embeddings، جست‌وجوی BM25 و بازیابی زمینه‌محور (contextual retrieval). استفاده از قابلیت‌های پیشرفته کلود از جمله حالت تفکر گسترده (extended thinking)، تحلیل تصویر، پردازش PDF و تولید استناد. پیاده‌سازی استراتژی‌های prompt caching برای بهینه‌سازی استفاده از API و کاهش تأخیر (latency). توسعه سرورها و کلاینت‌های مدل context protocol (MCP) برای یکپارچه‌سازی استاندارد ابزارها و منابع. استقرار اپلیکیشن‌های Anthropic از جمله Claude Code برای کارهای توسعه خودکار. معماری سیستم‌های مبتنی بر agent با workflowهای موازی‌سازی، زنجیره‌سازی (chaining) و مسیریابی (routing). https://dl.lyndakade.ir/courses/2026/04/Building%20with%20the%20Claude%20API%20by%20Anthropic/preview.webp دوره آموزشی ساخت و توسعه با Claude API اگر می‌خوای به یک متخصص کار با Anthropic API تبدیل بشی و سیستم‌های هوشمند با Claude بسازی، این دوره نقشه راه کامله. از مفاهیم پایه‌ای API و مدیریت کلیدها گرفته تا تکنیک‌های پیشرفته‌ی معماری سیستم‌های AI، همه‌چیز رو با تمرین‌های عملی یاد می‌گیری. اینجا یاد می‌گیری چطور مدل رو برای رفتارهای خاص تنظیم کنی، چطور سیستم‌های RAG خفن بسازی و چطور از قابلیت‌های چندرسانه‌ای (Multimodal) مثل تحلیل تصویر و پردازش اسناد توی پروژه‌هات استفاده کنی. در نهایت، با استراتژی‌هایی مثل prompt caching و پیاده‌سازی MCP، یاد می‌گیری سیستم‌هایی بسازی که هم سریع‌ترن، هم هزینه‌ی کمتری دارن و هم خیلی هوشمندتر عمل می‌کنن. پیش‌نیازها تسلط به برنامه‌نویسی پایتون دانش اولیه در مورد کار با داده‌های JSON اهداف یادگیری راه‌اندازی و احراز هویت با Anthropic API، شامل مدیریت کلیدهای API و پیکربندی درخواست‌ها. پیاده‌سازی مکالمات تک‌مرحله‌ای و چندمرحله‌ای با فرمت‌بندی صحیح پیام‌ها و مدیریت context. پیکربندی system promptها و کنترل رفتار مدل با استفاده از temperature، استریم پاسخ و فرمت‌های خروجی ساختاریافته. طراحی و اجرای workflowهای ارزیابی prompt با استفاده از تولید مجموعه داده تست و سیستم‌های نمره‌دهی خودکار. به‌کارگیری تکنیک‌های مهندسی prompt شامل ساختاردهی با تگ‌های XML، یادگیری مبتنی بر مثال و تدوین دستورالعمل‌های شفاف. یکپارچه‌سازی قابلیت‌های tool usage کلود برای گسترش کارکرد با ابزارهای سفارشی، عملیات دسته‌ای (batch) و جست‌وجوی وب. ساخت سیستم‌های RAG با استفاده از text chunking، embeddings، جست‌وجوی BM25 و بازیابی زمینه‌محور (contextual retrieval). استفاده از قابلیت‌های پیشرفته کلود از جمله حالت تفکر گسترده (extended thinking)، تحلیل تصویر، پردازش PDF و تولید استناد. پیاده‌سازی استراتژی‌های prompt caching برای بهینه‌سازی استفاده از API و کاهش تأخیر (latency). توسعه سرورها و کلاینت‌های مدل context protocol (MCP) برای یکپارچه‌سازی استاندارد ابزارها و منابع. استقرار اپلیکیشن‌های Anthropic از جمله Claude Code برای کارهای توسعه خودکار. معماری سیستم‌های مبتنی بر agent با workflowهای موازی‌سازی، زنجیره‌سازی (chaining) و مسیریابی (routing). https://dl.lyndakade.ir/courses/2026/04/Building%20with%20the%20Claude%20API%20by%20Anthropic/0.%20Introduction/01%20-%20Welcome%20to%20the%20course.mp4 135 2026-04-02T00:00:00+03:30 دوره آموزشی ساخت و توسعه با Claude API Building with the Claude API by Anthropic Anthropic https://lyndakade.ir/learning/claude-code-in-action-by-anthropic 2026-06-07T22:52:14+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/Claude%20Code%20in%20Action%20by%20Anthropic/preview.webp دوره آموزشی کلود کد در عمل اگر هدفت اینه که Claude Code رو به‌عنوان یک دستیار حرفه‌ای برای توسعه نرم‌افزار به‌کار بگیری، این دوره دقیقاً همون چیزیه که لازم داری. این آموزش از سطح «چطور باهاش کار کنیم» فراتر میره و وارد لایه‌ی معماری، منطق ابزارها، مدیریت context، و روش‌های پیشرفته‌ی یکپارچه‌سازی میشه. اینجا یاد می‌گیری Claude Code چطور با codebase تعامل می‌کنه، چطور میشه با MCP serverها و GitHub integration قابلیت‌هاش رو گسترش داد، و چطور از سیستم tool use برای انجام کارهای چندمرحله‌ای و پیچیده استفاده کنی. علاوه بر این، روی workflowهای بصری، اتوماسیون وظایف تکراری، و حالت‌های thinking و planning هم تسلط پیدا می‌کنی؛ چیزهایی که برای کار واقعی در تیم‌های توسعه خیلی حیاتی‌ان. پیش‌نیازها آشنایی با رابط‌های خط فرمان و عملیات ترمینال درک اولیه از کنترل نسخه با Git اهداف یادگیری توضیح اینکه دستیارهای هوش مصنوعی چطور از طریق tool integration با codebaseها تعامل می‌کنند و چه پایه‌های فنی‌ای پشت تحلیل و تغییر کد وجود دارد. یادگیری استفاده ترکیبی از چند ابزار برای مدیریت تسک‌های برنامه‌نویسی پیچیده و چندمرحله‌ای در سناریوهای مختلف توسعه. شناسایی استراتژی‌های نگه‌داری context مرتبط در طول مکالمه و ارجاع مؤثر به منابع پروژه برای دریافت کمک دقیق‌تر از AI. توضیح نحوه استفاده از ورودی‌های بصری برای نمایش تغییرات رابط کاربری و به‌کارگیری قابلیت‌های پیشرفته planning برای تغییرات بزرگ در codebase. ساخت commandها و automationهای قابل‌استفاده‌مجدد برای ساده‌سازی کارهای تکراری توسعه. یکپارچه‌سازی ابزارها و سرویس‌های خارجی برای قابلیت‌های پیشرفته‌تر مثل browser automation و workflowهای تخصصی توسعه. راه‌اندازی فرایندهای خودکار code review و ادغام دستیار هوش مصنوعی با workflowهای version control موجود. توضیح اینکه چه زمانی و چگونه از رویکردهای مختلف reasoning برای سطوح گوناگون پیچیدگی در مسائل برنامه‌نویسی استفاده شود. https://dl.lyndakade.ir/courses/2026/04/Claude%20Code%20in%20Action%20by%20Anthropic/preview.webp دوره آموزشی کلود کد در عمل اگر هدفت اینه که Claude Code رو به‌عنوان یک دستیار حرفه‌ای برای توسعه نرم‌افزار به‌کار بگیری، این دوره دقیقاً همون چیزیه که لازم داری. این آموزش از سطح «چطور باهاش کار کنیم» فراتر میره و وارد لایه‌ی معماری، منطق ابزارها، مدیریت context، و روش‌های پیشرفته‌ی یکپارچه‌سازی میشه. اینجا یاد می‌گیری Claude Code چطور با codebase تعامل می‌کنه، چطور میشه با MCP serverها و GitHub integration قابلیت‌هاش رو گسترش داد، و چطور از سیستم tool use برای انجام کارهای چندمرحله‌ای و پیچیده استفاده کنی. علاوه بر این، روی workflowهای بصری، اتوماسیون وظایف تکراری، و حالت‌های thinking و planning هم تسلط پیدا می‌کنی؛ چیزهایی که برای کار واقعی در تیم‌های توسعه خیلی حیاتی‌ان. پیش‌نیازها آشنایی با رابط‌های خط فرمان و عملیات ترمینال درک اولیه از کنترل نسخه با Git اهداف یادگیری توضیح اینکه دستیارهای هوش مصنوعی چطور از طریق tool integration با codebaseها تعامل می‌کنند و چه پایه‌های فنی‌ای پشت تحلیل و تغییر کد وجود دارد. یادگیری استفاده ترکیبی از چند ابزار برای مدیریت تسک‌های برنامه‌نویسی پیچیده و چندمرحله‌ای در سناریوهای مختلف توسعه. شناسایی استراتژی‌های نگه‌داری context مرتبط در طول مکالمه و ارجاع مؤثر به منابع پروژه برای دریافت کمک دقیق‌تر از AI. توضیح نحوه استفاده از ورودی‌های بصری برای نمایش تغییرات رابط کاربری و به‌کارگیری قابلیت‌های پیشرفته planning برای تغییرات بزرگ در codebase. ساخت commandها و automationهای قابل‌استفاده‌مجدد برای ساده‌سازی کارهای تکراری توسعه. یکپارچه‌سازی ابزارها و سرویس‌های خارجی برای قابلیت‌های پیشرفته‌تر مثل browser automation و workflowهای تخصصی توسعه. راه‌اندازی فرایندهای خودکار code review و ادغام دستیار هوش مصنوعی با workflowهای version control موجود. توضیح اینکه چه زمانی و چگونه از رویکردهای مختلف reasoning برای سطوح گوناگون پیچیدگی در مسائل برنامه‌نویسی استفاده شود. https://dl.lyndakade.ir/courses/2026/04/Claude%20Code%20in%20Action%20by%20Anthropic/What%20Is%20Claude%20Code/01%20-%20Introduction.mp4 39 2026-04-02T00:00:00+03:30 دوره آموزشی کلود کد در عمل Claude Code in Action by Anthropic Anthropic https://lyndakade.ir/learning/claude-with-google-cloud-vertex-ai-by-anthropic 2026-06-07T22:48:29+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/Claude%20with%20Google%20Cloud%20Vertex%20AI%20by%20Anthropic/preview.webp دوره آموزشی کلود با Google Cloud Vertex AI اگر می‌خوای Claude AI رو به‌صورت حرفه‌ای روی Google Cloud Vertex AI پیاده‌سازی و دیپلوی کنی، این دوره دقیقاً برای توئه. اینجا فقط با چند API ساده طرف نیستی؛ قراره یاد بگیری چطور از Claude برای ساخت اپلیکیشن‌های واقعی، سریع و آماده‌ی تولید استفاده کنی. از هندل‌کردن requestهای پایه و مدیریت مکالمه‌های چندمرحله‌ای گرفته تا tool use، RAG و MCP، همه‌چیز به‌صورت عملی و کاربردی آموزش داده میشه. در طول دوره، با الگوهای استاندارد توسعه، بهینه‌سازی عملکرد، و workflowهای production-ready آشنا می‌شی؛ یعنی هم یاد می‌گیری چطور promptهای دقیق و قابل‌اعتماد بسازی، هم چطور خروجی‌ها رو ارزیابی کنی و سیستم‌هایی طراحی کنی که واقعاً توی محیط واقعی جواب بدن. پیش‌نیازها: تسلط به برنامه‌نویسی پایتون دانش پایه در مدیریت داده‌های JSON یک حساب کاربری گوگل کلود با دسترسی به Vertex AI اهداف یادگیری راه‌اندازی و پیکربندی مدل‌های Claude از طریق Google Cloud Vertex AI. پیاده‌سازی گفت‌وگوهای چندمرحله‌ای با مدیریت درست messageها و context. طراحی و ارزیابی promptها با workflowهای تست سیستماتیک و grading خودکار. به‌کارگیری اصول prompt engineering مثل ساختاردهی با XML tag، یادگیری مبتنی بر مثال و کنترل خروجی. ساخت قابلیت‌های tool use برای اتصال Claude به توابع و APIهای خارجی. توسعه pipelineهای RAG با text chunking، embeddings، جست‌وجوی BM25 و retrieval مبتنی بر context. استفاده از قابلیت‌های پیشرفته Claude مثل vision، پردازش PDF، citation generation و prompt caching. پیاده‌سازی Model Context Protocol (MCP) برای ساخت ابزارها، منابع و prompt templateهای سفارشی. پیکربندی و استقرار Anthropic Apps از جمله Claude Code برای کارهای توسعه‌ی خودکار. طراحی workflowهای agent-based با parallelization، chaining و routing برای سیستم‌های پیچیده‌ی هوش مصنوعی. https://dl.lyndakade.ir/courses/2026/04/Claude%20with%20Google%20Cloud%20Vertex%20AI%20by%20Anthropic/preview.webp دوره آموزشی کلود با Google Cloud Vertex AI اگر می‌خوای Claude AI رو به‌صورت حرفه‌ای روی Google Cloud Vertex AI پیاده‌سازی و دیپلوی کنی، این دوره دقیقاً برای توئه. اینجا فقط با چند API ساده طرف نیستی؛ قراره یاد بگیری چطور از Claude برای ساخت اپلیکیشن‌های واقعی، سریع و آماده‌ی تولید استفاده کنی. از هندل‌کردن requestهای پایه و مدیریت مکالمه‌های چندمرحله‌ای گرفته تا tool use، RAG و MCP، همه‌چیز به‌صورت عملی و کاربردی آموزش داده میشه. در طول دوره، با الگوهای استاندارد توسعه، بهینه‌سازی عملکرد، و workflowهای production-ready آشنا می‌شی؛ یعنی هم یاد می‌گیری چطور promptهای دقیق و قابل‌اعتماد بسازی، هم چطور خروجی‌ها رو ارزیابی کنی و سیستم‌هایی طراحی کنی که واقعاً توی محیط واقعی جواب بدن. پیش‌نیازها: تسلط به برنامه‌نویسی پایتون دانش پایه در مدیریت داده‌های JSON یک حساب کاربری گوگل کلود با دسترسی به Vertex AI اهداف یادگیری راه‌اندازی و پیکربندی مدل‌های Claude از طریق Google Cloud Vertex AI. پیاده‌سازی گفت‌وگوهای چندمرحله‌ای با مدیریت درست messageها و context. طراحی و ارزیابی promptها با workflowهای تست سیستماتیک و grading خودکار. به‌کارگیری اصول prompt engineering مثل ساختاردهی با XML tag، یادگیری مبتنی بر مثال و کنترل خروجی. ساخت قابلیت‌های tool use برای اتصال Claude به توابع و APIهای خارجی. توسعه pipelineهای RAG با text chunking، embeddings، جست‌وجوی BM25 و retrieval مبتنی بر context. استفاده از قابلیت‌های پیشرفته Claude مثل vision، پردازش PDF، citation generation و prompt caching. پیاده‌سازی Model Context Protocol (MCP) برای ساخت ابزارها، منابع و prompt templateهای سفارشی. پیکربندی و استقرار Anthropic Apps از جمله Claude Code برای کارهای توسعه‌ی خودکار. طراحی workflowهای agent-based با parallelization، chaining و routing برای سیستم‌های پیچیده‌ی هوش مصنوعی. https://dl.lyndakade.ir/courses/2026/04/Claude%20with%20Google%20Cloud%20Vertex%20AI%20by%20Anthropic/0.%20Introduction/01%20-%20Welcome%20to%20the%20course.mp4 129 2026-04-02T00:00:00+03:30 دوره آموزشی کلود با Google Cloud Vertex AI Claude with Google Cloud Vertex AI by Anthropic Anthropic https://lyndakade.ir/learning/geoai-in-arcgis-pro-and-survey123 2026-06-07T22:43:19+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/GeoAI%20in%20ArcGIS%20Pro%20and%20Survey123/preview.webp دوره آموزشی GeoAI در ArcGIS Pro و Survey123 دنیای نقشه‌برداری و تحلیل‌های مکانی داره با هوش مصنوعی متحول میشه! توی این دوره تخصصی، یاد می‌گیری چطور ابزارهای قدرتمند هوش مصنوعی رو با سیستم‌های اطلاعات جغرافیایی (GIS) ترکیب کنی. این دوره عملاً بهت نشون میده چطور با ArcGIS Pro و Survey123، تحلیل‌های فضایی رو از روش‌های سنتی به سمت هوشمند شدن ببری؛ از استخراج خودکار عوارض گرفته تا طراحی پرسشنامه‌هایی که انگار چشم دارن! با انجام تمرین‌های عملی و پروژه‌های واقعی، یاد می‌گیری از مدل‌های آماده استفاده کنی یا حتی مدل‌های «یادگیری عمیق» اختصاصی خودت رو برای چالش‌های جغرافیایی خاص بسازی. در نهایت، یاد می‌گیری چطور ابزارهای جمع‌آوری داده طراحی کنی که تشخیص اشیاء توسط هوش مصنوعی رو با عملیات میدانی ترکیب می‌کنه. اهداف یادگیری تحلیل نیازمندی‌ها و محدودیت‌های پیاده‌سازی راه‌حل‌های GeoAI در ArcGIS Pro، شامل سخت‌افزار، تنظیمات نرم‌افزاری و معیارهای انتخاب مدل. استفاده از مدل‌های هوش مصنوعیِ آماده برای استخراج عوارض جغرافیایی (مثل ساختمان‌ها، خودروها، درختان و جاده‌ها) از تصاویر ماهواره‌ای و هوایی با ابزارهای یادگیری عمیق. آموزش ساخت مدل‌های یادگیری عمیقِ سفارشی با ابزارهای AutoDL، شامل برچسب‌گذاری داده، آموزش مدل و اعتبارسنجی نتایج. ترکیب مدل‌های یادگیری عمیق با ArcGIS Survey123 Connect برای ساخت اپلیکیشن‌های هوشمندِ جمع‌آوری داده در محیط میدانی. ارزیابی دقت و کارایی نتایج مدل‌های هوش مصنوعی و بهینه‌سازی پارامترها برای تحلیل‌های دقیق جغرافیایی. https://dl.lyndakade.ir/courses/2026/04/GeoAI%20in%20ArcGIS%20Pro%20and%20Survey123/preview.webp دوره آموزشی GeoAI در ArcGIS Pro و Survey123 دنیای نقشه‌برداری و تحلیل‌های مکانی داره با هوش مصنوعی متحول میشه! توی این دوره تخصصی، یاد می‌گیری چطور ابزارهای قدرتمند هوش مصنوعی رو با سیستم‌های اطلاعات جغرافیایی (GIS) ترکیب کنی. این دوره عملاً بهت نشون میده چطور با ArcGIS Pro و Survey123، تحلیل‌های فضایی رو از روش‌های سنتی به سمت هوشمند شدن ببری؛ از استخراج خودکار عوارض گرفته تا طراحی پرسشنامه‌هایی که انگار چشم دارن! با انجام تمرین‌های عملی و پروژه‌های واقعی، یاد می‌گیری از مدل‌های آماده استفاده کنی یا حتی مدل‌های «یادگیری عمیق» اختصاصی خودت رو برای چالش‌های جغرافیایی خاص بسازی. در نهایت، یاد می‌گیری چطور ابزارهای جمع‌آوری داده طراحی کنی که تشخیص اشیاء توسط هوش مصنوعی رو با عملیات میدانی ترکیب می‌کنه. اهداف یادگیری تحلیل نیازمندی‌ها و محدودیت‌های پیاده‌سازی راه‌حل‌های GeoAI در ArcGIS Pro، شامل سخت‌افزار، تنظیمات نرم‌افزاری و معیارهای انتخاب مدل. استفاده از مدل‌های هوش مصنوعیِ آماده برای استخراج عوارض جغرافیایی (مثل ساختمان‌ها، خودروها، درختان و جاده‌ها) از تصاویر ماهواره‌ای و هوایی با ابزارهای یادگیری عمیق. آموزش ساخت مدل‌های یادگیری عمیقِ سفارشی با ابزارهای AutoDL، شامل برچسب‌گذاری داده، آموزش مدل و اعتبارسنجی نتایج. ترکیب مدل‌های یادگیری عمیق با ArcGIS Survey123 Connect برای ساخت اپلیکیشن‌های هوشمندِ جمع‌آوری داده در محیط میدانی. ارزیابی دقت و کارایی نتایج مدل‌های هوش مصنوعی و بهینه‌سازی پارامترها برای تحلیل‌های دقیق جغرافیایی. https://dl.lyndakade.ir/courses/2026/04/GeoAI%20in%20ArcGIS%20Pro%20and%20Survey123/0.%20Introduction/01%20-%20Realizing%20the%20power%20of%20GeoAI.mp4 51 2026-04-02T00:00:00+03:30 دوره آموزشی GeoAI در ArcGIS Pro و Survey123 GeoAI in ArcGIS Pro and Survey123 Jason VanHorn https://lyndakade.ir/learning/human-centered-leadership-in-the-age-of-ai 2026-06-07T22:40:33+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/Human-Centered%20Leadership%20in%20the%20Age%20of%20AI/preview.webp دوره آموزشی رهبری انسان‌محور در عصر هوش مصنوعی آماده‌ای که تیمت رو توی دنیای پیچیده هوش مصنوعی هدایت کنی؟ توی این دوره، همراه با لیشا وارد (Laysha Ward)، نویسنده و رهبر ارشد سازمانی، مهارت‌های کلیدیِ «رهبری انسان‌محور» رو یاد می‌گیری. این دوره بهت کمک می‌کنه توی عصر هوش مصنوعی، تیمی موفق و تاثیرگذار داشته باشی. با استراتژی‌های عملی، تمرین‌های دست‌به‌نقد و فعالیت‌های آموزشی، لیشا نشون میده که چطور باید توی شرایط مبهم و پیچیده رهبری کرد، با هدف و آگاهی ارتباط برقرار کرد و گردش‌کارهایی رو طراحی کرد که هم توانمندی‌های انسانی و هم قدرت هوش مصنوعی رو به اوج برسونن. آخر این دوره، کاملاً آماده‌ای که تحولی اخلاقی، تاب‌آور و هدفمند رو توی سازمانت رقم بزنی. اهداف یادگیری به‌کارگیری اصول رهبری انسان‌محور در بسترهای مرتبط با هوش مصنوعی. ارزیابی میزان ریسک‌پذیری سازمان برای پذیرش هوش مصنوعی و تصمیم‌گیری‌های مبتنی بر آن. استفاده از چارچوب‌های ارتباطی برای تعامل مؤثر میان انسان و هوش مصنوعی. تحلیل ابهام و پیچیدگی‌های موجود در رهبریِ دوران هوش مصنوعی. طراحی گردش‌کارهای (Workflow) هوشمند که پتانسیل‌های انسان و هوش مصنوعی رو همزمان بهینه کنن. https://dl.lyndakade.ir/courses/2026/04/Human-Centered%20Leadership%20in%20the%20Age%20of%20AI/preview.webp دوره آموزشی رهبری انسان‌محور در عصر هوش مصنوعی آماده‌ای که تیمت رو توی دنیای پیچیده هوش مصنوعی هدایت کنی؟ توی این دوره، همراه با لیشا وارد (Laysha Ward)، نویسنده و رهبر ارشد سازمانی، مهارت‌های کلیدیِ «رهبری انسان‌محور» رو یاد می‌گیری. این دوره بهت کمک می‌کنه توی عصر هوش مصنوعی، تیمی موفق و تاثیرگذار داشته باشی. با استراتژی‌های عملی، تمرین‌های دست‌به‌نقد و فعالیت‌های آموزشی، لیشا نشون میده که چطور باید توی شرایط مبهم و پیچیده رهبری کرد، با هدف و آگاهی ارتباط برقرار کرد و گردش‌کارهایی رو طراحی کرد که هم توانمندی‌های انسانی و هم قدرت هوش مصنوعی رو به اوج برسونن. آخر این دوره، کاملاً آماده‌ای که تحولی اخلاقی، تاب‌آور و هدفمند رو توی سازمانت رقم بزنی. اهداف یادگیری به‌کارگیری اصول رهبری انسان‌محور در بسترهای مرتبط با هوش مصنوعی. ارزیابی میزان ریسک‌پذیری سازمان برای پذیرش هوش مصنوعی و تصمیم‌گیری‌های مبتنی بر آن. استفاده از چارچوب‌های ارتباطی برای تعامل مؤثر میان انسان و هوش مصنوعی. تحلیل ابهام و پیچیدگی‌های موجود در رهبریِ دوران هوش مصنوعی. طراحی گردش‌کارهای (Workflow) هوشمند که پتانسیل‌های انسان و هوش مصنوعی رو همزمان بهینه کنن. https://dl.lyndakade.ir/courses/2026/04/Human-Centered%20Leadership%20in%20the%20Age%20of%20AI/0.%20Introduction/01%20-%20Leading%20with%20humanity%20in%20an%20AI-powered%20world.mp4 57 2026-04-02T00:00:00+03:30 دوره آموزشی رهبری انسان‌محور در عصر هوش مصنوعی Human-Centered Leadership in the Age of AI Laysha Ward https://lyndakade.ir/learning/responsible-ai-global-risks-governance-and-human-oversight 2026-06-07T22:38:08+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/Responsible%20AI%20-%20Global%20Risks%2C%20Governance%2C%20and%20Human%20Oversight/preview.webp دوره آموزشی هوش مصنوعی مسئولانه: ریسک‌های جهانی، حکمرانی و نظارت انسانی با گسترده‌تر شدنِ استفاده از هوش مصنوعی و تاثیرگذاریِ روزافزونش، سازمان‌ها و افراد با ریسک‌های جدید و جدی‌تری روبرو شدن؛ از خرابی مدل‌ها و سوگیری (Bias) گرفته تا درگیری‌های قانونی و انتشار اطلاعات غلط. برای عبور از این چالش‌ها، دیگه صرفاً دانش فنی کافی نیست. توی این دوره، یه دیدِ عملی و جهانی از ریسک‌های هوش مصنوعی، مدل‌های حکمرانی و استفاده‌ی مسئولانه از اون پیدا می‌کنی. با بررسی مثال‌های واقعی، یاد می‌گیری الگوهای خرابی رو تشخیص بدی، شکاف‌های شفافیت و ریسک‌های حریم خصوصی رو ارزیابی کنی و توی تصمیم‌گیری‌های حساس، همچنان نظارت انسانی رو حفظ کنی. در کنار این‌ها، مهارت تشخیص این رو پیدا می‌کنی که «کِی نباید از هوش مصنوعی استفاده کرد» و چطور سیستم‌های AI رو بر اساس استانداردهای جهانی حکمرانی بسنجی. مدرس این دوره، پروفسور آریسا اما از دانشگاه توکیو هست؛ یکی از سرشناس‌ترین متخصصان هوش مصنوعی ژاپن که نقش پررنگی در تدوین سیاست‌های ملی هوش مصنوعی داشته. اهداف یادگیری شناسایی و ارزیابی ریسک‌های اصلی هوش مصنوعی مثل سوگیری، نقض حریم خصوصی، توهم (Hallucination)، حملات خصمانه و ضعف پایداری (Robustness Failures). مقایسه مدل‌های حکمرانی در اتحادیه اروپا، آمریکا، ژاپن و سازمان‌های بین‌المللی و درک تاثیرات اون‌ها بر استقرار جهانی هوش مصنوعی. به‌کارگیری عملیِ اصول هوش مصنوعی مسئولانه در سازمان، شامل شفافیت، تبیین‌پذیری (Explainability) و نظارت انسانی. تشخیص موقعیت‌هایی که نباید از هوش مصنوعی استفاده کرد و جلوگیری از وابستگی بیش‌ازحد در زندگی شخصی و حرفه‌ای. کسب سواد بنیادی هوش مصنوعی برای تفسیر خروجی‌ها، به چالش کشیدن فرضیات و حفظ صداقت در فرآیندهای تصمیم‌گیری. https://dl.lyndakade.ir/courses/2026/04/Responsible%20AI%20-%20Global%20Risks%2C%20Governance%2C%20and%20Human%20Oversight/preview.webp دوره آموزشی هوش مصنوعی مسئولانه: ریسک‌های جهانی، حکمرانی و نظارت انسانی با گسترده‌تر شدنِ استفاده از هوش مصنوعی و تاثیرگذاریِ روزافزونش، سازمان‌ها و افراد با ریسک‌های جدید و جدی‌تری روبرو شدن؛ از خرابی مدل‌ها و سوگیری (Bias) گرفته تا درگیری‌های قانونی و انتشار اطلاعات غلط. برای عبور از این چالش‌ها، دیگه صرفاً دانش فنی کافی نیست. توی این دوره، یه دیدِ عملی و جهانی از ریسک‌های هوش مصنوعی، مدل‌های حکمرانی و استفاده‌ی مسئولانه از اون پیدا می‌کنی. با بررسی مثال‌های واقعی، یاد می‌گیری الگوهای خرابی رو تشخیص بدی، شکاف‌های شفافیت و ریسک‌های حریم خصوصی رو ارزیابی کنی و توی تصمیم‌گیری‌های حساس، همچنان نظارت انسانی رو حفظ کنی. در کنار این‌ها، مهارت تشخیص این رو پیدا می‌کنی که «کِی نباید از هوش مصنوعی استفاده کرد» و چطور سیستم‌های AI رو بر اساس استانداردهای جهانی حکمرانی بسنجی. مدرس این دوره، پروفسور آریسا اما از دانشگاه توکیو هست؛ یکی از سرشناس‌ترین متخصصان هوش مصنوعی ژاپن که نقش پررنگی در تدوین سیاست‌های ملی هوش مصنوعی داشته. اهداف یادگیری شناسایی و ارزیابی ریسک‌های اصلی هوش مصنوعی مثل سوگیری، نقض حریم خصوصی، توهم (Hallucination)، حملات خصمانه و ضعف پایداری (Robustness Failures). مقایسه مدل‌های حکمرانی در اتحادیه اروپا، آمریکا، ژاپن و سازمان‌های بین‌المللی و درک تاثیرات اون‌ها بر استقرار جهانی هوش مصنوعی. به‌کارگیری عملیِ اصول هوش مصنوعی مسئولانه در سازمان، شامل شفافیت، تبیین‌پذیری (Explainability) و نظارت انسانی. تشخیص موقعیت‌هایی که نباید از هوش مصنوعی استفاده کرد و جلوگیری از وابستگی بیش‌ازحد در زندگی شخصی و حرفه‌ای. کسب سواد بنیادی هوش مصنوعی برای تفسیر خروجی‌ها، به چالش کشیدن فرضیات و حفظ صداقت در فرآیندهای تصمیم‌گیری. https://dl.lyndakade.ir/courses/2026/04/Responsible%20AI%20-%20Global%20Risks%2C%20Governance%2C%20and%20Human%20Oversight/0.%20Introduction/01%20-%20What%20it%20means%20to%20think%20critically%20about%20AI.mp4 173 2026-04-02T00:00:00+03:30 دوره آموزشی هوش مصنوعی مسئولانه: ریسک‌های جهانی، حکمرانی و نظارت انسانی Responsible AI: Global Risks, Governance, and Human Oversight Microsoft United Nations University https://lyndakade.ir/learning/understanding-ai-s-global-impact-governance-equity-and-responsibility 2026-06-07T22:36:21+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/Understanding%20AI%20s%20Global%20Impact%20-%20Governance%2C%20Equity%2C%20and%20Responsibility/preview.webp دوره آموزشی درک تأثیر جهانی هوش مصنوعی: حکمرانی، عدالت و مسئولیت‌پذیری هوش مصنوعی داره همه‌چیز رو زیر و رو می‌کنه؛ از دولت‌ها و شرکت‌های بزرگ گرفته تا نهادهای بین‌المللی. اما مشکل اینجاست که اکثر دوره‌های آموزشی فقط چسبیدن به بحث‌های فنی یا ابزارهای بهره‌وری شخصی. این دوره داستانش فرق داره؛ ما قراره از زاویه‌ی دید سازمان ملل متحد و نهادهای عمومی جهانی به هوش مصنوعی نگاه کنیم. این دوره بدون درگیر شدن در پیچیدگی‌های فنی و با زبانی ساده، مفاهیم اصلی هوش مصنوعی رو به چالش‌های واقعی گره می‌زنه: نابرابری، تمرکز داده‌ها در دست عده‌ای خاص، شکاف دیجیتالی و حکمرانی جهانی. در طول این مسیر، تو یه درک ساختاریافته پیدا می‌کنی از اینکه هوش مصنوعی واقعاً چیه، چه کارهایی از دستش برمیاد و چه کارهایی نه، و اینکه چطور بحث‌های مربوط به عدالت و حکمرانی، تصمیمات سازمان‌های بزرگ رو در سراسر دنیا تغییر میدن. مدرس این دوره، پروفسور چیلیدزی ماروالا، رئیس دانشگاه سازمان ملل و معاون دبیرکل سازمان ملل هست؛ کسی که در سطح جهان به عنوان یکی از پیشگامان هوش مصنوعی شناخته می‌شه و از اون در حوزه‌های مهندسی، پزشکی، اقتصاد و سیستم‌های اجتماعی به صورت عملی استفاده کرده. اهداف یادگیری تعریف هوش مصنوعی به زبانی ساده، درک نحوه عملکرد کلی اون و شناخت محدودیت‌های واقعی‌اش. توصیف چگونگی تعامل هوش مصنوعی با چالش‌های جهانی مثل نابرابری، تمرکز داده‌ها و شکاف دیجیتالی. شناسایی بازیگران کلیدی در حوزه حکمرانی هوش مصنوعی و درک نحوه تلاقی نقش‌های آن‌ها. تشخیص فرصت‌ها و ریسک‌هایی که هوش مصنوعی برای دولت‌ها، شرکت‌ها و جامعه ایجاد می‌کنه. تأمل در مورد اینکه روندهای حکمرانی هوش مصنوعی چطور روی سازمان شما اثر می‌ذاره و شناسایی فرصت‌ها برای استفاده مسئولانه و مؤثر از اون. https://dl.lyndakade.ir/courses/2026/04/Understanding%20AI%20s%20Global%20Impact%20-%20Governance%2C%20Equity%2C%20and%20Responsibility/preview.webp دوره آموزشی درک تأثیر جهانی هوش مصنوعی: حکمرانی، عدالت و مسئولیت‌پذیری هوش مصنوعی داره همه‌چیز رو زیر و رو می‌کنه؛ از دولت‌ها و شرکت‌های بزرگ گرفته تا نهادهای بین‌المللی. اما مشکل اینجاست که اکثر دوره‌های آموزشی فقط چسبیدن به بحث‌های فنی یا ابزارهای بهره‌وری شخصی. این دوره داستانش فرق داره؛ ما قراره از زاویه‌ی دید سازمان ملل متحد و نهادهای عمومی جهانی به هوش مصنوعی نگاه کنیم. این دوره بدون درگیر شدن در پیچیدگی‌های فنی و با زبانی ساده، مفاهیم اصلی هوش مصنوعی رو به چالش‌های واقعی گره می‌زنه: نابرابری، تمرکز داده‌ها در دست عده‌ای خاص، شکاف دیجیتالی و حکمرانی جهانی. در طول این مسیر، تو یه درک ساختاریافته پیدا می‌کنی از اینکه هوش مصنوعی واقعاً چیه، چه کارهایی از دستش برمیاد و چه کارهایی نه، و اینکه چطور بحث‌های مربوط به عدالت و حکمرانی، تصمیمات سازمان‌های بزرگ رو در سراسر دنیا تغییر میدن. مدرس این دوره، پروفسور چیلیدزی ماروالا، رئیس دانشگاه سازمان ملل و معاون دبیرکل سازمان ملل هست؛ کسی که در سطح جهان به عنوان یکی از پیشگامان هوش مصنوعی شناخته می‌شه و از اون در حوزه‌های مهندسی، پزشکی، اقتصاد و سیستم‌های اجتماعی به صورت عملی استفاده کرده. اهداف یادگیری تعریف هوش مصنوعی به زبانی ساده، درک نحوه عملکرد کلی اون و شناخت محدودیت‌های واقعی‌اش. توصیف چگونگی تعامل هوش مصنوعی با چالش‌های جهانی مثل نابرابری، تمرکز داده‌ها و شکاف دیجیتالی. شناسایی بازیگران کلیدی در حوزه حکمرانی هوش مصنوعی و درک نحوه تلاقی نقش‌های آن‌ها. تشخیص فرصت‌ها و ریسک‌هایی که هوش مصنوعی برای دولت‌ها، شرکت‌ها و جامعه ایجاد می‌کنه. تأمل در مورد اینکه روندهای حکمرانی هوش مصنوعی چطور روی سازمان شما اثر می‌ذاره و شناسایی فرصت‌ها برای استفاده مسئولانه و مؤثر از اون. https://dl.lyndakade.ir/courses/2026/04/Understanding%20AI%20s%20Global%20Impact%20-%20Governance%2C%20Equity%2C%20and%20Responsibility/0.%20Introduction/01%20-%20Artificial%20intelligence%20-%20From%20everyday%20tasks%20to%20global%20challenges.mp4 117 2026-04-02T00:00:00+03:30 دوره آموزشی درک تأثیر جهانی هوش مصنوعی: حکمرانی، عدالت و مسئولیت‌پذیری Understanding AI’s Global Impact: Governance, Equity, and Responsibility Microsoft United Nations University https://lyndakade.ir/learning/building-modern-learning-experiences-with-ai 2026-06-14T00:50:51+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/Building%20Modern%20Learning%20Experiences%20with%20AI/preview.webp دوره آموزشی طراحی و ساخت تجربیات یادگیری مدرن با هوش مصنوعی آیا آماده‌اید که نحوه خلق تجربه‌های یادگیری را در عصر هوش مصنوعی (AI) بازتعریف کنید؟ هوش مصنوعی نه‌تنها شیوه‌های طراحی آموزشی را تغییر داده، بلکه مرزهای آنچه ممکن است را نیز جابه‌جا کرده است. در این دوره عملی و کاربردی، مدرس دوره، برت کرک‌پاتریک (Brett Kirkpatrick)، به شما می‌آموزد که چگونه هوش مصنوعی را در تمامی مراحل فرآیند طراحی آموزشی ادغام کنید؛ از تحلیل و طراحی گرفته تا توسعه، پیاده‌سازی و ارزیابی، همگی با استفاده از مدل پایه ADDIE. در این دوره، شما تکنیک‌های کاربردی، نحوه نوشتن پرامپت‌های دقیق برای هوش مصنوعی، نمونه‌سازی سریع (Rapid Prototyping) برای سفرهای یادگیری جذاب، و توسعه محتوای تعاملی و تأثیرگذار را تمرین خواهید کرد. در پایان، شما صاحب یک گردش کار ساختاریافته مبتنی بر هوش مصنوعی خواهید شد که نه تنها در زمان صرفه‌جویی می‌کند، بلکه خلاقیت شما را شکوفا کرده و تأثیر عملکردی تجربه‌های یادگیری شما را به سطح بالاتری ارتقا می‌دهد. اهداف یادگیری ادغام ابزارهای هوش مصنوعی مولد (Generative AI) در تمامی مراحل مدل طراحی آموزشی ADDIE. طراحی پرامپت‌های دقیق (Precise AI Prompts) برای شتاب‌بخشی به تولید محتوا، نمونه‌سازی و فرآیند ارزیابی. نمونه‌سازی سریع (Rapid Prototyping) برای سفرهای یادگیری جذاب با استفاده از گردش‌کارهای هوش مصنوعی. توسعه محتوای آموزشی تعاملی و شخصی‌سازی‌شده با بهره‌گیری از تکنیک‌های مبتنی بر هوش مصنوعی. ارزیابی نقادانه محتوای تولیدشده توسط هوش مصنوعی برای حفظ استانداردهای کیفی و اخلاقی. https://dl.lyndakade.ir/courses/2026/04/Building%20Modern%20Learning%20Experiences%20with%20AI/preview.webp دوره آموزشی طراحی و ساخت تجربیات یادگیری مدرن با هوش مصنوعی آیا آماده‌اید که نحوه خلق تجربه‌های یادگیری را در عصر هوش مصنوعی (AI) بازتعریف کنید؟ هوش مصنوعی نه‌تنها شیوه‌های طراحی آموزشی را تغییر داده، بلکه مرزهای آنچه ممکن است را نیز جابه‌جا کرده است. در این دوره عملی و کاربردی، مدرس دوره، برت کرک‌پاتریک (Brett Kirkpatrick)، به شما می‌آموزد که چگونه هوش مصنوعی را در تمامی مراحل فرآیند طراحی آموزشی ادغام کنید؛ از تحلیل و طراحی گرفته تا توسعه، پیاده‌سازی و ارزیابی، همگی با استفاده از مدل پایه ADDIE. در این دوره، شما تکنیک‌های کاربردی، نحوه نوشتن پرامپت‌های دقیق برای هوش مصنوعی، نمونه‌سازی سریع (Rapid Prototyping) برای سفرهای یادگیری جذاب، و توسعه محتوای تعاملی و تأثیرگذار را تمرین خواهید کرد. در پایان، شما صاحب یک گردش کار ساختاریافته مبتنی بر هوش مصنوعی خواهید شد که نه تنها در زمان صرفه‌جویی می‌کند، بلکه خلاقیت شما را شکوفا کرده و تأثیر عملکردی تجربه‌های یادگیری شما را به سطح بالاتری ارتقا می‌دهد. اهداف یادگیری ادغام ابزارهای هوش مصنوعی مولد (Generative AI) در تمامی مراحل مدل طراحی آموزشی ADDIE. طراحی پرامپت‌های دقیق (Precise AI Prompts) برای شتاب‌بخشی به تولید محتوا، نمونه‌سازی و فرآیند ارزیابی. نمونه‌سازی سریع (Rapid Prototyping) برای سفرهای یادگیری جذاب با استفاده از گردش‌کارهای هوش مصنوعی. توسعه محتوای آموزشی تعاملی و شخصی‌سازی‌شده با بهره‌گیری از تکنیک‌های مبتنی بر هوش مصنوعی. ارزیابی نقادانه محتوای تولیدشده توسط هوش مصنوعی برای حفظ استانداردهای کیفی و اخلاقی. https://dl.lyndakade.ir/courses/2026/04/Building%20Modern%20Learning%20Experiences%20with%20AI/0.%20Introduction/01%20-%20What%20you%20ll%20build%20and%20how%20to%20follow%20along.mp4 74 2026-04-02T00:00:00+03:30 دوره آموزشی طراحی و ساخت تجربیات یادگیری مدرن با هوش مصنوعی Building Modern Learning Experiences with AI Brett Kirkpatrick https://lyndakade.ir/learning/github-copilot-for-cybersecurity-specialists-by-microsoft-press 2026-06-14T00:48:06+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/04/GitHub%20Copilot%20for%20Cybersecurity%20Specialists%20by%20Microsoft%20Press/preview.webp دوره آموزشی گیت‌هاب کوپایلت برای متخصصان امنیت سایبری GitHub Copilot می‌تواند مهندسی امنیت را متحول کند، زیرا در انجام وظایف امنیتی حیاتی، پشتیبانی مبتنی بر هوش مصنوعی ارائه می‌دهد. برای متخصصان امنیت سایبری (Cybersecurity)، Copilot می‌تواند الگوهای کدنویسی امن را پیشنهاد کند، اسکریپت‌های تست امنیتی تولید کند، به شناسایی آسیب‌پذیری‌ها کمک کند و بررسی‌های انطباق را خودکار سازد. این دوره نشان می‌دهد چگونه Copilot را به‌طور هدفمند برای کارهای امنیتی هدایت کنید؛ هم‌راستا با رویکرد مایکروسافت در Shift Left، اصول Secure-by-Design و پیاده‌سازی Defense in Depth. این دوره شامل نمایش‌های عملی است که به مهندسان امنیت سایبری نشان می‌دهد چگونه از GitHub Copilot به‌عنوان یک ضریب‌افزای امنیتی (Security Force Multiplier) استفاده کنند؛ به‌گونه‌ای که زمان شناسایی آسیب‌پذیری‌ها کاهش یافته و تعداد آسیب‌پذیری‌های کشف‌نشده در کد به‌صورت قابل اندازه‌گیری کمتر شود. هر ماژول مستقل، یک وظیفه امنیتی کلیدی را پوشش می‌دهد: یافتن و رفع آسیب‌پذیری‌ها، پیاده‌سازی پروتکل‌های امنیتی قوی، خودکارسازی تست‌های امنیتی، بازبینی کد و اطمینان از انطباق. ساختار ماژولار دوره باعث می‌شود متخصصان امنیت بتوانند این تکنیک‌ها را بلافاصله در چالش‌های واقعی خود به‌کار بگیرند. اهداف یادگیری تولید اسکریپت‌های تشخیص آسیب‌پذیری برای OWASP Top 10 و تهدیدهای اختصاصی مایکروسافت با استفاده از پیشنهادهای زمینه‌محور Copilot، و دستیابی به فرآیند اسکن سریع‌تر نسبت به روش‌های دستی. پیاده‌سازی پروتکل‌های امنیتی قدرتمند شامل احراز هویت امن (Secure Authentication)، رمزنگاری (Encryption) و کنترل دسترسی (Access Controls) با کمک هوش مصنوعی. ایجاد چارچوب‌های جامع تست امنیتی که SAST، DAST و Fuzz Testing را با حداقل تلاش خودکار می‌کنند و زمان چرخه‌های تست امنیتی را به‌طور قابل‌اندازه‌گیری کاهش می‌دهند. تسریع بازبینی کد امنیتی با استفاده از Copilot Chat برای شناسایی نقص‌های امنیتی و پیشنهاد اصلاحات. خودکارسازی اعتبارسنجی انطباق برای چارچوب‌های NIST، CIS و استانداردهای اختصاصی مایکروسافت با استفاده از قالب‌های تولیدشده توسط Copilot، و کاهش زمان آماده‌سازی برای ممیزی‌های انطباق. https://dl.lyndakade.ir/courses/2026/04/GitHub%20Copilot%20for%20Cybersecurity%20Specialists%20by%20Microsoft%20Press/preview.webp دوره آموزشی گیت‌هاب کوپایلت برای متخصصان امنیت سایبری GitHub Copilot می‌تواند مهندسی امنیت را متحول کند، زیرا در انجام وظایف امنیتی حیاتی، پشتیبانی مبتنی بر هوش مصنوعی ارائه می‌دهد. برای متخصصان امنیت سایبری (Cybersecurity)، Copilot می‌تواند الگوهای کدنویسی امن را پیشنهاد کند، اسکریپت‌های تست امنیتی تولید کند، به شناسایی آسیب‌پذیری‌ها کمک کند و بررسی‌های انطباق را خودکار سازد. این دوره نشان می‌دهد چگونه Copilot را به‌طور هدفمند برای کارهای امنیتی هدایت کنید؛ هم‌راستا با رویکرد مایکروسافت در Shift Left، اصول Secure-by-Design و پیاده‌سازی Defense in Depth. این دوره شامل نمایش‌های عملی است که به مهندسان امنیت سایبری نشان می‌دهد چگونه از GitHub Copilot به‌عنوان یک ضریب‌افزای امنیتی (Security Force Multiplier) استفاده کنند؛ به‌گونه‌ای که زمان شناسایی آسیب‌پذیری‌ها کاهش یافته و تعداد آسیب‌پذیری‌های کشف‌نشده در کد به‌صورت قابل اندازه‌گیری کمتر شود. هر ماژول مستقل، یک وظیفه امنیتی کلیدی را پوشش می‌دهد: یافتن و رفع آسیب‌پذیری‌ها، پیاده‌سازی پروتکل‌های امنیتی قوی، خودکارسازی تست‌های امنیتی، بازبینی کد و اطمینان از انطباق. ساختار ماژولار دوره باعث می‌شود متخصصان امنیت بتوانند این تکنیک‌ها را بلافاصله در چالش‌های واقعی خود به‌کار بگیرند. اهداف یادگیری تولید اسکریپت‌های تشخیص آسیب‌پذیری برای OWASP Top 10 و تهدیدهای اختصاصی مایکروسافت با استفاده از پیشنهادهای زمینه‌محور Copilot، و دستیابی به فرآیند اسکن سریع‌تر نسبت به روش‌های دستی. پیاده‌سازی پروتکل‌های امنیتی قدرتمند شامل احراز هویت امن (Secure Authentication)، رمزنگاری (Encryption) و کنترل دسترسی (Access Controls) با کمک هوش مصنوعی. ایجاد چارچوب‌های جامع تست امنیتی که SAST، DAST و Fuzz Testing را با حداقل تلاش خودکار می‌کنند و زمان چرخه‌های تست امنیتی را به‌طور قابل‌اندازه‌گیری کاهش می‌دهند. تسریع بازبینی کد امنیتی با استفاده از Copilot Chat برای شناسایی نقص‌های امنیتی و پیشنهاد اصلاحات. خودکارسازی اعتبارسنجی انطباق برای چارچوب‌های NIST، CIS و استانداردهای اختصاصی مایکروسافت با استفاده از قالب‌های تولیدشده توسط Copilot، و کاهش زمان آماده‌سازی برای ممیزی‌های انطباق. https://dl.lyndakade.ir/courses/2026/04/GitHub%20Copilot%20for%20Cybersecurity%20Specialists%20by%20Microsoft%20Press/0.%20Introduction/01%20-%20Copilot%20for%20Cybersecurity%20Specialists%20-%20Introduction.mp4 78 2026-04-02T00:00:00+03:30 دوره آموزشی گیت‌هاب کوپایلت برای متخصصان امنیت سایبری GitHub Copilot for Cybersecurity Specialists by Microsoft Press Microsoft Press Tim Warner