پیشنیاز
ندارد
سرفصلها
دوره جامع Prompt Engineering (مهندسی پرامپت برای هوش مصنوعی)
فصل اول: آشنایی با هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLM)
-
هوش مصنوعی چیست؟
-
تفاوت AI، Machine Learning و Deep Learning
-
هوش مصنوعی مولد (Generative AI) چیست؟
-
معرفی مدلهای زبانی بزرگ (LLM)
-
نحوه عملکرد ChatGPT، Claude، Gemini و سایر مدلها
-
مفهوم Token و Context Window
-
محدودیتهای مدلهای هوش مصنوعی
-
مفهوم Hallucination و دلایل ایجاد آن
-
نقش Prompt در کیفیت خروجی AI
فصل دوم: اصول پایه طراحی Prompt
-
Prompt چیست؟
-
ساختار یک Prompt استاندارد
-
اجزای اصلی یک پرامپت حرفهای:
-
Role (نقشدهی)
-
Context (زمینه)
-
Task (وظیفه)
-
Constraints (محدودیتها)
-
Examples (نمونهها)
-
Output Format (فرمت خروجی)
-
-
تفاوت Prompt ضعیف و Prompt حرفهای
-
نحوه دقیق تعریف مسئله برای AI
-
روش پرسیدن سوالهای بهتر از مدل
فصل سوم: تکنیکهای پایه Prompt Engineering
Zero-Shot Prompting
-
درخواست مستقیم بدون مثال
-
کاربردها و محدودیتها
Few-Shot Prompting
-
آموزش مدل با ارائه نمونه
-
طراحی مثالهای موثر
Instruction Prompting
- نحوه نوشتن دستورهای دقیق
Role Prompting
- استفاده از نقشهای تخصصی برای افزایش کیفیت خروجی
Contextual Prompting
- ارائه اطلاعات کافی برای تصمیمگیری بهتر مدل
فصل چهارم: تکنیکهای پیشرفته Prompt Engineering
Chain of Thought
-
مفهوم استدلال مرحلهای
-
زمان مناسب استفاده
-
افزایش کیفیت حل مسئله
Self-Consistency
- بررسی چند مسیر پاسخدهی
Tree of Thought
- حل مسائل پیچیده با بررسی مسیرهای مختلف
ReAct Prompting
- ترکیب Reasoning و Action
Reflection Prompting
- درخواست بازبینی و اصلاح پاسخ توسط AI
Critic Prompting
- استفاده از AI برای نقد خروجی خودش
فصل پنجم: طراحی Prompt برای تولید محتوا
-
تولید محتوای متنی با AI
-
طراحی Prompt برای:
-
مقاله
-
کپشن شبکههای اجتماعی
-
ایمیلهای کاری
-
تبلیغات
-
سناریوی ویدئو
-
توضیحات محصول
-
محتوای آموزشی
-
-
تعیین Tone of Voice
-
کنترل سبک نوشتار
-
ایجاد شخصیت برند در خروجی AI
فصل ششم: Prompt Engineering برای تحلیل و تحقیق
-
استفاده از AI برای تحقیق
-
خلاصهسازی اسناد و مقالات
-
استخراج اطلاعات از فایلها
-
تحلیل دادههای متنی
-
مقایسه اطلاعات
-
ساخت گزارشهای مدیریتی
-
طراحی Prompt برای تصمیمگیری
فصل هفتم: Prompt Engineering برای برنامهنویسی
-
استفاده از AI به عنوان دستیار برنامهنویس
-
طراحی Prompt برای:
-
تولید کد
-
Debug کردن
-
Refactoring
-
توضیح کد
-
طراحی معماری نرمافزار
-
تولید مستندات
-
-
روش ارائه Context پروژه به AI
-
خطاهای رایج در درخواستهای برنامهنویسی
فصل هشتم: Prompt Engineering برای کسبوکار و سازمانها
-
طراحی Prompt برای اتوماسیون فرآیندها
-
استفاده از AI در:
-
فروش
-
بازاریابی
-
منابع انسانی
-
آموزش
-
پشتیبانی مشتریان
-
-
طراحی Workflow های مبتنی بر AI
-
ایجاد دستیارهای تخصصی (AI Assistant)
-
ساخت دستورالعملهای سازمانی برای AI
فصل نهم: کار با ابزارهای حرفهای هوش مصنوعی
معرفی و کار عملی با:
-
ChatGPT
-
Claude
-
Gemini
-
Microsoft Copilot
-
Perplexity
ابزارهای تولید تصویر:
-
Midjourney
-
DALL·E
-
Stable Diffusion
ابزارهای تولید محتوا و اتوماسیون:
-
AI Agents
-
Custom GPTs
-
Prompt Libraries
فصل دهم: ساخت سیستم Prompt حرفهای
-
مفهوم Prompt Template
-
ساخت کتابخانه Prompt
-
استانداردسازی Prompt ها
-
مدیریت نسخههای Prompt
-
ارزیابی کیفیت خروجیها
-
بهینهسازی Prompt ها
-
ساخت Meta Prompt
-
طراحی سیستمهای چندمرحلهای با AI
پروژه نهایی: طراحی یک سیستم کامل Prompt برای یک سناریوی واقعی
-
دستیار تولید محتوا
-
دستیار فروش
-
دستیار آموزشی
-
دستیار برنامهنویسی
-
تحلیلگر کسبوکار
دستاوردهای پایان دوره
پس از پایان این دوره، دانشپذیران توانایی خواهند داشت:
-
طراحی پرامپتهای حرفهای برای دریافت خروجی دقیقتر از AI
-
استفاده موثر از ChatGPT و سایر مدلهای هوش مصنوعی
-
کاهش خطاهای AI و مدیریت پاسخهای نادرست
-
ساخت دستیارهای هوش مصنوعی تخصصی
-
ایجاد Workflow های مبتنی بر هوش مصنوعی
-
استفاده از AI برای تولید محتوا، تحقیق، تحلیل و برنامهنویسی
-
افزایش بهرهوری شخصی و سازمانی با ابزارهای هوش مصنوعی
-
تبدیل مسائل واقعی به دستورهای قابل فهم برای مدلهای هوش مصنوعی

نظر کاربران
نظرت درباره این دوره چیه؟
برای ثبت نظر و امتیاز، وارد حساب کاربریات شو.
ورود با شماره موبایل و کد پیامکی، کمتر از یک دقیقه.
ورود و ثبت نظرهنوز نظری برای این دوره ثبت نشده؛ اولین نفر باش.