https://lyndakade.ir/learning/applied-ai-building-claude-code-skills 2026-06-06T21:31:55+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/05/Applied%20AI%20-%20Building%20Claude%20Code%20Skills/preview.webp دوره آموزشی هوش مصنوعی کاربردی: ساخت مهارت‌های Claude Code اگه فکر می‌کنی کار با Claude Code فقط همون پرامپت‌نویسی (Prompt Engineering) معمولی هست، سخت در اشتباهی! برای اینکه بتونی کارهای تکراری رو به صورت خودکار و حرفه‌ای انجام بدی، باید یه استراتژی متفاوت داشته باشی. توی این دوره، قراره وارد دنیای هیجان‌انگیز Context-Engineering بشیم؛ یعنی یاد می‌گیری چطور با مدیریت درستِ «زمینه و بافتِ اطلاعات»، خروجی‌های دقیق‌تری بگیری. مدرس دوره، Lucas Soares که خودش یه مهندس هوش مصنوعی حرفه‌ایه، بهت یاد میده چطور Claude Code Skills بسازی. این یعنی یاد می‌گیری چطور کارهای معمولی و تکراری رو بسته‌بندی کنی تا به ابزارهای قابل اعتماد و تکرارپذیری تبدیل بشن. مثلاً یاد می‌گیری چطور داده‌های ساختاریافته رو از دل فایل‌های PDF بیرون بکشی، چطور اکسل‌ها و Spreadsheets رو به صورت برنامه‌نویسی‌شده پردازش کنی، یا حتی چطور با استفاده از فریم‌ورک‌های خاص، اسلایدهای ارائه (Slide Decks) با انیمیشن‌های شخصی‌سازی شده بسازی. در نهایت هم یاد می‌گیری چطور این Skillها رو با متادیتا و ساختار پوشه‌بندی درست، طوری مدیریت کنی که پروژه‌ات هم همیشه مرتب بمونه و هم قابلیت گسترش (Scalability) داشته باشه. اهداف یادگیری تسلط بر اصول Context-Engineering برای بهبود کیفیت خروجی‌های هوش مصنوعی در Claude Code. یادگیری ساخت و توسعه Claude Code Skills جهت خودکارسازی فرآیندهای تکراری و پیچیده. استخراج هوشمند و ساختاریافته داده‌ها از اسناد غیرساختاریافته مثل فایل‌های PDF. پردازش برنامه‌نویسی‌شده داده‌های جدولی و تولید محتوای چندرسانه‌ای (مثل اسلایدها) با چارچوب‌های مشخص. مدیریت حرفه‌ای مهارت‌ها با استفاده از متادیتا و ساختارهای درختی برای حفظ نظم و مقیاس‌پذیری پروژه. https://dl.lyndakade.ir/courses/2026/05/Applied%20AI%20-%20Building%20Claude%20Code%20Skills/preview.webp دوره آموزشی هوش مصنوعی کاربردی: ساخت مهارت‌های Claude Code اگه فکر می‌کنی کار با Claude Code فقط همون پرامپت‌نویسی (Prompt Engineering) معمولی هست، سخت در اشتباهی! برای اینکه بتونی کارهای تکراری رو به صورت خودکار و حرفه‌ای انجام بدی، باید یه استراتژی متفاوت داشته باشی. توی این دوره، قراره وارد دنیای هیجان‌انگیز Context-Engineering بشیم؛ یعنی یاد می‌گیری چطور با مدیریت درستِ «زمینه و بافتِ اطلاعات»، خروجی‌های دقیق‌تری بگیری. مدرس دوره، Lucas Soares که خودش یه مهندس هوش مصنوعی حرفه‌ایه، بهت یاد میده چطور Claude Code Skills بسازی. این یعنی یاد می‌گیری چطور کارهای معمولی و تکراری رو بسته‌بندی کنی تا به ابزارهای قابل اعتماد و تکرارپذیری تبدیل بشن. مثلاً یاد می‌گیری چطور داده‌های ساختاریافته رو از دل فایل‌های PDF بیرون بکشی، چطور اکسل‌ها و Spreadsheets رو به صورت برنامه‌نویسی‌شده پردازش کنی، یا حتی چطور با استفاده از فریم‌ورک‌های خاص، اسلایدهای ارائه (Slide Decks) با انیمیشن‌های شخصی‌سازی شده بسازی. در نهایت هم یاد می‌گیری چطور این Skillها رو با متادیتا و ساختار پوشه‌بندی درست، طوری مدیریت کنی که پروژه‌ات هم همیشه مرتب بمونه و هم قابلیت گسترش (Scalability) داشته باشه. اهداف یادگیری تسلط بر اصول Context-Engineering برای بهبود کیفیت خروجی‌های هوش مصنوعی در Claude Code. یادگیری ساخت و توسعه Claude Code Skills جهت خودکارسازی فرآیندهای تکراری و پیچیده. استخراج هوشمند و ساختاریافته داده‌ها از اسناد غیرساختاریافته مثل فایل‌های PDF. پردازش برنامه‌نویسی‌شده داده‌های جدولی و تولید محتوای چندرسانه‌ای (مثل اسلایدها) با چارچوب‌های مشخص. مدیریت حرفه‌ای مهارت‌ها با استفاده از متادیتا و ساختارهای درختی برای حفظ نظم و مقیاس‌پذیری پروژه. https://dl.lyndakade.ir/courses/2026/05/Applied%20AI%20-%20Building%20Claude%20Code%20Skills/0.%20Introduction/01%20-%20Creating%20practical%20Claude%20Code%20Skills.mp4 38 2026-05-14T00:00:00+03:30 دوره آموزشی هوش مصنوعی کاربردی: ساخت مهارت‌های Claude Code Applied AI: Building Claude Code Skills Lucas Soares https://lyndakade.ir/learning/mlops-fundamentals-of-ci-cd-and-model-deployment 2026-06-06T21:30:01+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/05/MLOps%20-%20Fundamentals%20of%20CI%20CD%20and%20Model%20Deployment/preview.webp دوره آموزشی MLOps: مبانی CI/CD و استقرار مدل دنیای نرم‌افزار دیگه فقط کدنویسی نیست؛ الان دیگه همه چیز به سمت یادگیری ماشین (Machine Learning) میره و این یعنی مهندسان DevOps باید مهارت‌های جدیدی یاد بگیرن تا بتونن از مدل‌های هوش مصنوعی توی محیط عملیاتی (Production) درست نگهداری کنن. این دوره دقیقاً وارد دنیای MLOps میشه و بهت یاد میده چطور اصول DevOps رو با جریان‌های کاری علم داده (Data Science) ترکیب کنی. ما از صفرِ چرخه حیات MLOps شروع می‌کنیم؛ از CI/CD و آموزش مداوم مدل‌ها (Continuous Training) گرفته تا مانیتورینگ و حاکمیت داده. یاد می‌گیری چطور با ابزارهای قدرتمندی مثل Pandas، Spark و Kafka داده‌ها رو جمع‌آوری و آماده کنی، و چطور از Airflow یا Prefect برای مدیریت خط لوله‌ها (Pipelines) استفاده کنی. تازه، با ابزارهای خفن مثل MLflow برای مدیریت آزمایش‌ها و BentoML برای استقرار مدل‌ها (Deployment) کار عملی انجام میدی. در نهایت هم یاد می‌گیری چطور با استفاده از Prometheus و Grafana، سلامت مدل‌هات رو مانیتور کنی و با رعایت استانداردهای امنیتی مثل GDPR، خیالت از بابت حریم خصوصی و امنیت داده‌ها راحت باشه. اهداف یادگیری درک عمیق مفهوم MLOps و نحوه ادغام DevOps با چرخه حیات یادگیری ماشین. تسلط بر مدیریت داده‌ها و آماده‌سازی آن‌ها با استفاده از ابزارهای پردازش توزیع‌شده و تحلیل داده. پیاده‌سازی خط لوله‌های خودکار (Pipelines) و مدیریت گردش کار با ابزارهای Orchestration. مدیریت آزمایش‌ها، ردیابی مدل‌ها و استقرار آن‌ها در محیط‌های عملیاتی با استفاده از ابزارهای استاندارد. راه‌اندازی سیستم‌های مانیتورینگ برای نظارت بر عملکرد مدل‌ها و رعایت استانداردهای امنیتی و قانونی (Compliance). https://dl.lyndakade.ir/courses/2026/05/MLOps%20-%20Fundamentals%20of%20CI%20CD%20and%20Model%20Deployment/preview.webp دوره آموزشی MLOps: مبانی CI/CD و استقرار مدل دنیای نرم‌افزار دیگه فقط کدنویسی نیست؛ الان دیگه همه چیز به سمت یادگیری ماشین (Machine Learning) میره و این یعنی مهندسان DevOps باید مهارت‌های جدیدی یاد بگیرن تا بتونن از مدل‌های هوش مصنوعی توی محیط عملیاتی (Production) درست نگهداری کنن. این دوره دقیقاً وارد دنیای MLOps میشه و بهت یاد میده چطور اصول DevOps رو با جریان‌های کاری علم داده (Data Science) ترکیب کنی. ما از صفرِ چرخه حیات MLOps شروع می‌کنیم؛ از CI/CD و آموزش مداوم مدل‌ها (Continuous Training) گرفته تا مانیتورینگ و حاکمیت داده. یاد می‌گیری چطور با ابزارهای قدرتمندی مثل Pandas، Spark و Kafka داده‌ها رو جمع‌آوری و آماده کنی، و چطور از Airflow یا Prefect برای مدیریت خط لوله‌ها (Pipelines) استفاده کنی. تازه، با ابزارهای خفن مثل MLflow برای مدیریت آزمایش‌ها و BentoML برای استقرار مدل‌ها (Deployment) کار عملی انجام میدی. در نهایت هم یاد می‌گیری چطور با استفاده از Prometheus و Grafana، سلامت مدل‌هات رو مانیتور کنی و با رعایت استانداردهای امنیتی مثل GDPR، خیالت از بابت حریم خصوصی و امنیت داده‌ها راحت باشه. اهداف یادگیری درک عمیق مفهوم MLOps و نحوه ادغام DevOps با چرخه حیات یادگیری ماشین. تسلط بر مدیریت داده‌ها و آماده‌سازی آن‌ها با استفاده از ابزارهای پردازش توزیع‌شده و تحلیل داده. پیاده‌سازی خط لوله‌های خودکار (Pipelines) و مدیریت گردش کار با ابزارهای Orchestration. مدیریت آزمایش‌ها، ردیابی مدل‌ها و استقرار آن‌ها در محیط‌های عملیاتی با استفاده از ابزارهای استاندارد. راه‌اندازی سیستم‌های مانیتورینگ برای نظارت بر عملکرد مدل‌ها و رعایت استانداردهای امنیتی و قانونی (Compliance). https://dl.lyndakade.ir/courses/2026/05/MLOps%20-%20Fundamentals%20of%20CI%20CD%20and%20Model%20Deployment/1.%20Introduction%20to%20MLOps/01%20-%20Course%20introduction.mp4 212 2026-05-14T00:00:00+03:30 دوره آموزشی MLOps: مبانی CI/CD و استقرار مدل MLOps: Fundamentals of CI/CD and Model Deployment KodeKloud