https://lyndakade.ir/learning/build-secure-applications-on-google-cloud-hands-on-projects-with-gemini 2026-06-29T03:13:19+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/06/Build%20Secure%20Applications%20on%20Google%20Cloud%20-%20Hands-On%20Projects%20with%20Gemini/preview.webp دوره آموزشی توسعه اپلیکیشن‌های سازمانی امن با Google Cloud و هوش مصنوعی ساخت اپلیکیشن‌های سازمانی روی Google Cloud تنها به توسعه قابلیت‌های نرم‌افزاری محدود نمی‌شود؛ بلکه باید از همان ابتدا میان امنیت، مقیاس‌پذیری و قابلیت‌های هوش مصنوعی تعادل برقرار شود. در این دوره، مارک جانسون (Mark Johnson)، مبلّغ، مهندس و مدرس رسمی Google Cloud، به شما نشان می‌دهد چگونه با رویکرد Security-First Development یا «توسعه مبتنی بر امنیت» اپلیکیشن‌های مدرن و سازمانی ایجاد کنید. در طول دوره، یک پلتفرم فروشگاه اینترنتی (E-commerce Platform) مبتنی بر Google Cloud طراحی می‌شود که شامل قابلیت‌هایی مانند تشخیص تقلب (Fraud Detection) با هوش مصنوعی و خودکارسازی فرآیندهای حفاظت از داده‌ها و انطباق با قوانین (Compliance Automation) است. این دوره با رویکرد پروژه‌محور و عملی، شما را با معماری‌های Cloud-Native، روش‌های توسعه امن، سرویس‌های هوش مصنوعی و یادگیری ماشین گوگل و نحوه استفاده از آن‌ها برای افزایش امنیت و کارایی برنامه‌ها آشنا می‌کند. در پایان دوره، مهارت‌هایی کسب خواهید کرد که سه اولویت اصلی سازمان‌های مدرن را پوشش می‌دهند: امنیت (Security) مقیاس‌پذیری (Scalability) استفاده از هوش مصنوعی برای ایجاد مزیت رقابتی (AI-Powered Business Advantage) این دوره برای توسعه‌دهندگان، مهندسان نرم‌افزار، متخصصان Cloud، مهندسان امنیت و افرادی که قصد دارند از سرویس‌های AI گوگل برای افزایش امنیت برنامه‌های خود استفاده کنند، بسیار مناسب است. 🎯 اهداف یادگیری طراحی و توسعه اپلیکیشن‌های مبتنی بر رویکرد Security-First ساخت برنامه‌های سازمانی روی Google Cloud استفاده از سرویس‌های هوش مصنوعی Google Cloud در توسعه نرم‌افزار پیاده‌سازی امنیت در مراحل اولیه توسعه نرم‌افزار طراحی معماری Cloud-Native توسعه پلتفرم‌های تجارت الکترونیک امن استفاده از AI برای تشخیص تهدیدات امنیتی پیاده‌سازی سیستم‌های Fraud Detection مبتنی بر هوش مصنوعی خودکارسازی شناسایی تهدیدات امنیتی محافظت از داده‌های حساس کاربران پیاده‌سازی Data Protection در برنامه‌های سازمانی استفاده از یادگیری ماشین برای امنیت سایبری مدیریت امنیت در محیط‌های ابری ایجاد سیستم‌های Compliance Automation خودکارسازی الزامات قانونی و انطباق‌پذیری بهبود مقیاس‌پذیری برنامه‌های ابری استفاده عملی از سرویس‌های AI و ML گوگل افزایش مزیت رقابتی کسب‌وکار با هوش مصنوعی طراحی زیرساخت‌های امن و مقیاس‌پذیر به‌کارگیری بهترین روش‌های توسعه امن در Google Cloud https://dl.lyndakade.ir/courses/2026/06/Build%20Secure%20Applications%20on%20Google%20Cloud%20-%20Hands-On%20Projects%20with%20Gemini/preview.webp دوره آموزشی توسعه اپلیکیشن‌های سازمانی امن با Google Cloud و هوش مصنوعی ساخت اپلیکیشن‌های سازمانی روی Google Cloud تنها به توسعه قابلیت‌های نرم‌افزاری محدود نمی‌شود؛ بلکه باید از همان ابتدا میان امنیت، مقیاس‌پذیری و قابلیت‌های هوش مصنوعی تعادل برقرار شود. در این دوره، مارک جانسون (Mark Johnson)، مبلّغ، مهندس و مدرس رسمی Google Cloud، به شما نشان می‌دهد چگونه با رویکرد Security-First Development یا «توسعه مبتنی بر امنیت» اپلیکیشن‌های مدرن و سازمانی ایجاد کنید. در طول دوره، یک پلتفرم فروشگاه اینترنتی (E-commerce Platform) مبتنی بر Google Cloud طراحی می‌شود که شامل قابلیت‌هایی مانند تشخیص تقلب (Fraud Detection) با هوش مصنوعی و خودکارسازی فرآیندهای حفاظت از داده‌ها و انطباق با قوانین (Compliance Automation) است. این دوره با رویکرد پروژه‌محور و عملی، شما را با معماری‌های Cloud-Native، روش‌های توسعه امن، سرویس‌های هوش مصنوعی و یادگیری ماشین گوگل و نحوه استفاده از آن‌ها برای افزایش امنیت و کارایی برنامه‌ها آشنا می‌کند. در پایان دوره، مهارت‌هایی کسب خواهید کرد که سه اولویت اصلی سازمان‌های مدرن را پوشش می‌دهند: امنیت (Security) مقیاس‌پذیری (Scalability) استفاده از هوش مصنوعی برای ایجاد مزیت رقابتی (AI-Powered Business Advantage) این دوره برای توسعه‌دهندگان، مهندسان نرم‌افزار، متخصصان Cloud، مهندسان امنیت و افرادی که قصد دارند از سرویس‌های AI گوگل برای افزایش امنیت برنامه‌های خود استفاده کنند، بسیار مناسب است. 🎯 اهداف یادگیری طراحی و توسعه اپلیکیشن‌های مبتنی بر رویکرد Security-First ساخت برنامه‌های سازمانی روی Google Cloud استفاده از سرویس‌های هوش مصنوعی Google Cloud در توسعه نرم‌افزار پیاده‌سازی امنیت در مراحل اولیه توسعه نرم‌افزار طراحی معماری Cloud-Native توسعه پلتفرم‌های تجارت الکترونیک امن استفاده از AI برای تشخیص تهدیدات امنیتی پیاده‌سازی سیستم‌های Fraud Detection مبتنی بر هوش مصنوعی خودکارسازی شناسایی تهدیدات امنیتی محافظت از داده‌های حساس کاربران پیاده‌سازی Data Protection در برنامه‌های سازمانی استفاده از یادگیری ماشین برای امنیت سایبری مدیریت امنیت در محیط‌های ابری ایجاد سیستم‌های Compliance Automation خودکارسازی الزامات قانونی و انطباق‌پذیری بهبود مقیاس‌پذیری برنامه‌های ابری استفاده عملی از سرویس‌های AI و ML گوگل افزایش مزیت رقابتی کسب‌وکار با هوش مصنوعی طراحی زیرساخت‌های امن و مقیاس‌پذیر به‌کارگیری بهترین روش‌های توسعه امن در Google Cloud https://dl.lyndakade.ir/courses/2026/06/Build%20Secure%20Applications%20on%20Google%20Cloud%20-%20Hands-On%20Projects%20with%20Gemini/0.%20Introduction/01%20-%20The%20AI%20guardian%20s%20call%20-%20Developing%20secure%20applications%20with%20Google%20AI.mp4 42 2026-06-17T00:00:00+03:30 دوره آموزشی توسعه اپلیکیشن‌های سازمانی امن با Google Cloud و هوش مصنوعی Build Secure Applications on Google Cloud: Hands-On Projects with Gemini Mark Johnson https://lyndakade.ir/learning/learning-copilot-chat-basic 2026-06-29T03:15:40+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/06/Learning%20Copilot%20Chat%20%28Basic%29/preview.webp دوره آموزشی یادگیری مقدماتی Copilot Chat در این دوره یاد می‌گیرید چگونه در کوتاه‌ترین زمان ممکن با Copilot Chat (Basic) به بهره‌وری بالاتری برسید و از قابلیت‌های هوش مصنوعی مایکروسافت در کارهای روزمره استفاده کنید. ابتدا یاد می‌گیرید چگونه نوع لایسنس خود را بررسی کنید، از امنیت و حریم خصوصی داده‌های خود محافظت نمایید و پرامپت‌هایی مؤثرتر بنویسید تا پاسخ‌های دقیق‌تر و کاربردی‌تری دریافت کنید. همچنین با روش‌های ذخیره و استفاده مجدد از پرامپت‌ها، شخصی‌سازی پاسخ‌ها از طریق Custom Instructions و انتخاب مناسب‌ترین حالت پاسخ‌دهی برای هر سناریو آشنا می‌شوید. سپس نحوه استفاده عملی از Copilot Chat در وظایف واقعی کاری را فرا می‌گیرید؛ از جمله نوشتن ایمیل‌ها، ویرایش و خلاصه‌سازی اسناد، تحلیل صفحات گسترده (Excel)، آماده‌سازی ارائه‌ها (PowerPoint) و کار با فایل‌های PDF. این دوره توسط دیوید فورتین (David Fortin) تهیه شده و برای تمام کاربران کسب‌وکار، کارمندان اداری، مدیران، تحلیلگران و افرادی که می‌خواهند از هوش مصنوعی برای افزایش بهره‌وری روزانه استفاده کنند مناسب است. 🎯 اهداف یادگیری استفاده از تکنیک‌های ساختاریافته پرامپت‌نویسی در Copilot Chat بهبود دقت و کیفیت پاسخ‌های تولیدشده توسط هوش مصنوعی تشخیص نقاط قوت و محدودیت‌های Copilot Chat Basic انتخاب رویکرد مناسب برای وظایف مختلف افزایش بهره‌وری در فرآیندهای کاری روزمره استفاده از Copilot Chat برای تحقیق و جمع‌آوری اطلاعات تولید محتوای متنی با کمک هوش مصنوعی خلاصه‌سازی اسناد و اطلاعات طولانی تشخیص تفاوت میان پاسخ‌های مبتنی بر وب و اطلاعات ارائه‌شده توسط کاربر دریافت خروجی‌های مرتبط‌تر و قابل اعتمادتر کار با رابط کاربری Copilot Chat مدیریت مؤثر مکالمات با هوش مصنوعی نوشتن پرامپت‌های حرفه‌ای‌تر ذخیره و استفاده مجدد از پرامپت‌ها شخصی‌سازی پاسخ‌ها با Custom Instructions انتخاب حالت مناسب پاسخ‌دهی برای هر نیاز مدیریت امنیت و حریم خصوصی داده‌ها استفاده از Copilot در نگارش ایمیل‌ها استفاده از Copilot در اسناد و گزارش‌ها کار با فایل‌های PDF و صفحات گسترده https://dl.lyndakade.ir/courses/2026/06/Learning%20Copilot%20Chat%20%28Basic%29/preview.webp دوره آموزشی یادگیری مقدماتی Copilot Chat در این دوره یاد می‌گیرید چگونه در کوتاه‌ترین زمان ممکن با Copilot Chat (Basic) به بهره‌وری بالاتری برسید و از قابلیت‌های هوش مصنوعی مایکروسافت در کارهای روزمره استفاده کنید. ابتدا یاد می‌گیرید چگونه نوع لایسنس خود را بررسی کنید، از امنیت و حریم خصوصی داده‌های خود محافظت نمایید و پرامپت‌هایی مؤثرتر بنویسید تا پاسخ‌های دقیق‌تر و کاربردی‌تری دریافت کنید. همچنین با روش‌های ذخیره و استفاده مجدد از پرامپت‌ها، شخصی‌سازی پاسخ‌ها از طریق Custom Instructions و انتخاب مناسب‌ترین حالت پاسخ‌دهی برای هر سناریو آشنا می‌شوید. سپس نحوه استفاده عملی از Copilot Chat در وظایف واقعی کاری را فرا می‌گیرید؛ از جمله نوشتن ایمیل‌ها، ویرایش و خلاصه‌سازی اسناد، تحلیل صفحات گسترده (Excel)، آماده‌سازی ارائه‌ها (PowerPoint) و کار با فایل‌های PDF. این دوره توسط دیوید فورتین (David Fortin) تهیه شده و برای تمام کاربران کسب‌وکار، کارمندان اداری، مدیران، تحلیلگران و افرادی که می‌خواهند از هوش مصنوعی برای افزایش بهره‌وری روزانه استفاده کنند مناسب است. 🎯 اهداف یادگیری استفاده از تکنیک‌های ساختاریافته پرامپت‌نویسی در Copilot Chat بهبود دقت و کیفیت پاسخ‌های تولیدشده توسط هوش مصنوعی تشخیص نقاط قوت و محدودیت‌های Copilot Chat Basic انتخاب رویکرد مناسب برای وظایف مختلف افزایش بهره‌وری در فرآیندهای کاری روزمره استفاده از Copilot Chat برای تحقیق و جمع‌آوری اطلاعات تولید محتوای متنی با کمک هوش مصنوعی خلاصه‌سازی اسناد و اطلاعات طولانی تشخیص تفاوت میان پاسخ‌های مبتنی بر وب و اطلاعات ارائه‌شده توسط کاربر دریافت خروجی‌های مرتبط‌تر و قابل اعتمادتر کار با رابط کاربری Copilot Chat مدیریت مؤثر مکالمات با هوش مصنوعی نوشتن پرامپت‌های حرفه‌ای‌تر ذخیره و استفاده مجدد از پرامپت‌ها شخصی‌سازی پاسخ‌ها با Custom Instructions انتخاب حالت مناسب پاسخ‌دهی برای هر نیاز مدیریت امنیت و حریم خصوصی داده‌ها استفاده از Copilot در نگارش ایمیل‌ها استفاده از Copilot در اسناد و گزارش‌ها کار با فایل‌های PDF و صفحات گسترده https://dl.lyndakade.ir/courses/2026/06/Learning%20Copilot%20Chat%20%28Basic%29/0.%20Introduction/01%20-%20Explore%20Copilot%20Chat%20%28Basic%29.mp4 52 2026-06-17T00:00:00+03:30 دوره آموزشی یادگیری مقدماتی Copilot Chat Learning Copilot Chat (Basic) David Fortin https://lyndakade.ir/learning/physical-ai-architecture-foundations-designing-autonomous-machines-with-agentic-ai 2026-06-29T03:17:33+03:30 weekly 1 https://dl.lyndakade.ir/courses/2026/06/Physical%20AI%20Architecture%20Foundations%20-%20Designing%20Autonomous%20Machines%20with%20Agentic%20AI/preview.webp دوره آموزشی مبانی معماری هوش مصنوعی فیزیکی: طراحی ماشین‌های خودمختار با هوش مصنوعی عامل‌محور ماشین‌های خودمختار تنها به هوش و توانایی تصمیم‌گیری نیاز ندارند؛ بلکه به معماری‌ای نیاز دارند که بتواند استدلال دیجیتال را به اجرای فیزیکی در دنیای واقعی متصل کند. در این دوره، توماس ارل (Thomas Erl) اصول بنیادی معماری هوش مصنوعی فیزیکی را آموزش می‌دهد و نشان می‌دهد چگونه سیستم‌های هوشمند می‌توانند از تصمیم‌گیری نرم‌افزاری به انجام اقدامات فیزیکی در محیط واقعی برسند. در طول دوره با چرخه‌های تعامل عامل (Agent) و محیط (Environment) آشنا می‌شوید و نحوه ارتباط میان عامل‌های نرم‌افزاری و سخت‌افزارهای فیزیکی را یاد می‌گیرید. همچنین بررسی می‌کنید که Firmware چگونه نقش واسطه میان دستورات دیجیتال و حرکات فیزیکی را ایفا می‌کند. این دوره مفاهیمی مانند State Abstraction (انتزاع وضعیت)، Action Translation (ترجمه اقدامات)، صف‌های فرمان (Command Queues)، سنسورها، عملگرها (Actuators)، ادغام داده‌های حسی، درک محیط (Exteroception)، آگاهی از وضعیت داخلی سیستم (Proprioception)، برنامه‌ریزی حرکت، سینماتیک مستقیم و معکوس را پوشش می‌دهد. در بخش‌های پایانی نیز با مکانیزم‌های ایمنی حیاتی مانند Fail-Safe Systems، Emergency Stop و Graceful Degradation آشنا می‌شوید تا بتوانید سیستم‌های خودمختار ایمن و قابل اعتماد طراحی کنید که در کنار انسان‌ها به‌صورت امن فعالیت کنند. این دوره برای مهندسان رباتیک، متخصصان هوش مصنوعی، مهندسان سیستم‌های خودمختار، توسعه‌دهندگان IoT و علاقه‌مندان به ربات‌ها و ماشین‌های هوشمند مناسب است. 🎯 اهداف یادگیری درک معماری هوش مصنوعی فیزیکی آشنایی با ارتباط بین هوش مصنوعی و سیستم‌های فیزیکی شناخت چرخه تعامل عامل و محیط طراحی سیستم‌های خودمختار مبتنی بر عامل مدیریت ارتباط میان نرم‌افزار و سخت‌افزار درک نقش Firmware در سیستم‌های هوشمند تبدیل دستورات دیجیتال به اقدامات فیزیکی پیاده‌سازی State Abstraction استفاده از Action Translation در سیستم‌های خودمختار مدیریت صف‌های فرمان برای افزایش ایمنی آشنایی با سنسورها و عملگرها یکپارچه‌سازی داده‌های حسی استفاده از Exteroception برای درک محیط استفاده از Proprioception برای پایش وضعیت داخلی سیستم طراحی سیستم‌های ادراک محیطی برنامه‌ریزی حرکت در ماشین‌های خودمختار درک Forward Kinematics درک Inverse Kinematics طراحی مسیر حرکت ربات‌ها افزایش ایمنی سیستم‌های فیزیکی هوشمند پیاده‌سازی مکانیزم‌های Fail-Safe استفاده از Emergency Stop در شرایط بحرانی طراحی سیستم‌های مقاوم در برابر خطا پیاده‌سازی Graceful Degradation توسعه ربات‌ها و ماشین‌های خودمختار ایمن https://dl.lyndakade.ir/courses/2026/06/Physical%20AI%20Architecture%20Foundations%20-%20Designing%20Autonomous%20Machines%20with%20Agentic%20AI/preview.webp دوره آموزشی مبانی معماری هوش مصنوعی فیزیکی: طراحی ماشین‌های خودمختار با هوش مصنوعی عامل‌محور ماشین‌های خودمختار تنها به هوش و توانایی تصمیم‌گیری نیاز ندارند؛ بلکه به معماری‌ای نیاز دارند که بتواند استدلال دیجیتال را به اجرای فیزیکی در دنیای واقعی متصل کند. در این دوره، توماس ارل (Thomas Erl) اصول بنیادی معماری هوش مصنوعی فیزیکی را آموزش می‌دهد و نشان می‌دهد چگونه سیستم‌های هوشمند می‌توانند از تصمیم‌گیری نرم‌افزاری به انجام اقدامات فیزیکی در محیط واقعی برسند. در طول دوره با چرخه‌های تعامل عامل (Agent) و محیط (Environment) آشنا می‌شوید و نحوه ارتباط میان عامل‌های نرم‌افزاری و سخت‌افزارهای فیزیکی را یاد می‌گیرید. همچنین بررسی می‌کنید که Firmware چگونه نقش واسطه میان دستورات دیجیتال و حرکات فیزیکی را ایفا می‌کند. این دوره مفاهیمی مانند State Abstraction (انتزاع وضعیت)، Action Translation (ترجمه اقدامات)، صف‌های فرمان (Command Queues)، سنسورها، عملگرها (Actuators)، ادغام داده‌های حسی، درک محیط (Exteroception)، آگاهی از وضعیت داخلی سیستم (Proprioception)، برنامه‌ریزی حرکت، سینماتیک مستقیم و معکوس را پوشش می‌دهد. در بخش‌های پایانی نیز با مکانیزم‌های ایمنی حیاتی مانند Fail-Safe Systems، Emergency Stop و Graceful Degradation آشنا می‌شوید تا بتوانید سیستم‌های خودمختار ایمن و قابل اعتماد طراحی کنید که در کنار انسان‌ها به‌صورت امن فعالیت کنند. این دوره برای مهندسان رباتیک، متخصصان هوش مصنوعی، مهندسان سیستم‌های خودمختار، توسعه‌دهندگان IoT و علاقه‌مندان به ربات‌ها و ماشین‌های هوشمند مناسب است. 🎯 اهداف یادگیری درک معماری هوش مصنوعی فیزیکی آشنایی با ارتباط بین هوش مصنوعی و سیستم‌های فیزیکی شناخت چرخه تعامل عامل و محیط طراحی سیستم‌های خودمختار مبتنی بر عامل مدیریت ارتباط میان نرم‌افزار و سخت‌افزار درک نقش Firmware در سیستم‌های هوشمند تبدیل دستورات دیجیتال به اقدامات فیزیکی پیاده‌سازی State Abstraction استفاده از Action Translation در سیستم‌های خودمختار مدیریت صف‌های فرمان برای افزایش ایمنی آشنایی با سنسورها و عملگرها یکپارچه‌سازی داده‌های حسی استفاده از Exteroception برای درک محیط استفاده از Proprioception برای پایش وضعیت داخلی سیستم طراحی سیستم‌های ادراک محیطی برنامه‌ریزی حرکت در ماشین‌های خودمختار درک Forward Kinematics درک Inverse Kinematics طراحی مسیر حرکت ربات‌ها افزایش ایمنی سیستم‌های فیزیکی هوشمند پیاده‌سازی مکانیزم‌های Fail-Safe استفاده از Emergency Stop در شرایط بحرانی طراحی سیستم‌های مقاوم در برابر خطا پیاده‌سازی Graceful Degradation توسعه ربات‌ها و ماشین‌های خودمختار ایمن https://dl.lyndakade.ir/courses/2026/06/Physical%20AI%20Architecture%20Foundations%20-%20Designing%20Autonomous%20Machines%20with%20Agentic%20AI/0.%20Introduction/01%20-%20Getting%20started.mp4 77 2026-06-17T00:00:00+03:30 دوره آموزشی مبانی معماری هوش مصنوعی فیزیکی: طراحی ماشین‌های خودمختار با هوش مصنوعی عامل‌محور Physical AI Architecture Foundations: Designing Autonomous Machines with Agentic AI Thomas Erl