نمای کلی
این نقشه راه، ۱۵ ماژول برنامه درسی را در یک جدول زمانی ساختارمند کارگاهی ترسیم میکند. این برنامه برای یک سری کارگاه چندجلسهای طراحی شده است، اما ماژولها میتوانند به صورت مستقل برای یادگیری خودآموز نیز استفاده شوند.
سلسلهمراتب یادگیری مهارتها بر اساس طبقهبندی بازنگریشده بلوم: از یادآوری و درک مفاهیم هوش مصنوعی تا تحلیل، ارزیابی و خلق پروژههای مستقل
زمان تخمینی کل: ۲۰ تا ۲۵ ساعت در تمام جلسات
آمادگی پیش از کارگاه
قبل از شروع کارگاه، شرکتکنندگان باید:
- [ ] یک حساب Google بسازند (برای دسترسی به Gemini)
- [ ] یک مرورگر وب با دسترسی به اینترنت داشته باشند
- [ ] اختیاری: یک حساب ChatGPT بسازند (سطح رایگان)
- [ ] اختیاری: VS Code را نصب کنند (برای ماژولهای کدنویسی)
- [ ] نظرسنجی پیش از کارگاه را پر کنند
زمان: ۳۰ دقیقه
جلسه ۱: مبانی و شروع کار
| مدت | ماژول | موضوع |
|---|---|---|
| ۶۰ دقیقه | ماژول ۰۱ — مبانی هوش مصنوعی | هوش مصنوعی چیست، مدلهای اصلی، روشهای دسترسی، رایگان در برابر پولی |
| ۱۵ دقیقه | ☕ استراحت | |
| ۶۰ دقیقه | ماژول ۰۲ — مهندسی پرامپت | چگونه به طور مؤثر با هوش مصنوعی صحبت کنیم |
| ۱۵ دقیقه | 🎯 تمرین | تمرینات پرامپتنویسی از ماژول ۰۲ |
پیشنیازها: ندارد
نکته کلیدی: درک چشمانداز هوش مصنوعی و نوشتن پرامپتهای مؤثر
جلسه ۲: پیمایش اکوسیستم ابزارهای هوش مصنوعی
| مدت | ماژول | موضوع |
|---|---|---|
| ۶۰ دقیقه | ماژول ۰۳ — راهنمای ابزارها | مقایسه جامع ابزارها و راهنمای انتخاب |
| ۱۵ دقیقه | ☕ استراحت | |
| ۴۵ دقیقه | ماژول ۰۹ — دسترسی از ایران | ساخت اکانت، جایگزینهای پرداخت، ابزارهای قابل دسترس |
| ۳۰ دقیقه | 🎯 تمرین | راهاندازی ۳ ابزار هوش مصنوعی و مقایسه آنها |
پیشنیازها: جلسه ۱
نکته کلیدی: بدانید کدام ابزار برای کدام کار مناسب است و چگونه به آنها دسترسی پیدا کنید
جلسه ۳: هوش مصنوعی برای بهرهوری و کار
| مدت | ماژول | موضوع |
|---|---|---|
| ۶۰ دقیقه | ماژول ۰۵ — اتوماسیون و تحلیل داده | صفحات گسترده، داده، گردشکار اتوماسیون |
| ۱۵ دقیقه | ☕ استراحت | |
| ۶۰ دقیقه | ماژول ۰۴ — هوش مصنوعی در کدنویسی | دستیارهای کدنویسی AI، دیباگ، ساخت با هوش مصنوعی |
| ۱۵ دقیقه | 🎯 تمرین | یک تمرین تحلیل داده یا کدنویسی را انجام دهید |
پیشنیازها: جلسات ۱ و ۲
نکته کلیدی: هوش مصنوعی را در وظایف واقعی کاری به کار ببرید
جلسه ۴: هوش مصنوعی خلاقانه — تصویری و صوتی
| مدت | ماژول | موضوع |
|---|---|---|
| ۶۰ دقیقه | ماژول ۰۷ — تولید تصویر و ویدیو | ابزارهای AI تصویری، تکنیکهای پرامپت برای تصاویر/ویدیو |
| ۱۵ دقیقه | ☕ استراحت | |
| ۶۰ دقیقه | ماژول ۰۸ — تولید موسیقی و صدا | ابزارهای موسیقی، صدا و TTS و تکنیکها |
| ۱۵ دقیقه | 🎯 تمرین | یک مجموعه تصویر و یک کلیپ کوتاه موسیقی بسازید |
پیشنیازها: جلسه ۱ (مبانی مهندسی پرامپت)
نکته کلیدی: محتوای تصویری و صوتی حرفهای با هوش مصنوعی بسازید
جلسه ۵: ساخت با هوش مصنوعی — API و RAG
| مدت | ماژول | موضوع |
|---|---|---|
| ۹۰ دقیقه | ماژول ۰۶ — پروژههای API و RAG | مبانی API، مفاهیم RAG، ساخت اپلیکیشنهای مبتنی بر AI |
| ۱۵ دقیقه | ☕ استراحت | |
| ۴۵ دقیقه | 🎯 تمرین | یک فراخوانی API انجام دهید و یک نمونه ساده RAG بسازید |
پیشنیازها: جلسات ۱ تا ۳ (بهویژه ماژول کدنویسی)
نکته کلیدی: بفهمید چگونه هوش مصنوعی را در اپلیکیشنها یکپارچه کنید
جلسه ۶: جامعه، اخلاق و مرجع
| مدت | ماژول | موضوع |
|---|---|---|
| ۳۰ دقیقه | ماژول ۱۰ — جامعه فارسیزبان AI | جوامع فارسی AI، منابع، تولیدکنندگان محتوا |
| ۳۰ دقیقه | ماژول ۱۴ — اخلاق و امنیت AI | استفاده مسئولانه از AI، حریم خصوصی، توهمات |
| ۱۵ دقیقه | ☕ استراحت | |
| ۳۰ دقیقه | ماژول ۱۱ — واژهنامه و برگههای تقلب | مرجع سریع |
| ۱۵ دقیقه | ماژول ۱۲ — سؤالات متداول | پاسخ به سؤالات رایج |
| ۱۵ دقیقه | ماژول ۱۳ — کتابخانه پرامپت | قالبهای پرامپت آماده استفاده |
پیشنیازها: جلسات ۱ تا ۵
نکته کلیدی: جعبهابزار مرجع داشته باشید و بدانید کجا به یادگیری ادامه دهید
جلسه ۷: پروژه نهایی
| مدت | ماژول | موضوع |
|---|---|---|
| ۳۰ دقیقه | ماژول ۱۵ — پروژه نهایی | خلاصه پروژه، انتخاب مسیر، بررسی معیارها |
| ۱۲۰ دقیقه | 🛠️ کار پروژه | کار مستقل روی پروژه نهایی |
| ۳۰ دقیقه | 🎤 ارائهها | به اشتراکگذاری نتایج با گروه |
| ۱۵ دقیقه | 🎓 جمعبندی | مراحل بعدی، گواهیها، لینکهای جامعه |
پیشنیازها: تمام جلسات قبلی
نکته کلیدی: مهارتهای یکپارچه هوش مصنوعی خود را نشان دهید
مسیر یادگیری خودآموز
اگر به صورت مستقل مطالعه میکنید، ترتیب پیشنهادی:
هفته ۱: ماژولهای ۰۱ ← ۰۲ ← ۰۳
هفته ۲: ماژولهای ۰۹ ← ۰۵ ← ۰۴
هفته ۳: ماژولهای ۰۷ ← ۰۸
هفته ۴: ماژولهای ۰۶ ← ۱۰ ← ۱۴
هفته ۵: ماژولهای ۱۱ ← ۱۲ ← ۱۳ ← ۱۵ (پروژه نهایی)
هرم تبدیل داده به حکمت (DIKW Pyramid): ارتقای دادههای خام به اطلاعات ساختاریافته، دانش کاربردی و بینش هوشمندانه با هوش مصنوعی
نقشه وابستگی ماژولها
ماژول ۰۱ (مبانی)
└── ماژول ۰۲ (مهندسی پرامپت)
├── ماژول ۰۳ (راهنمای ابزارها)
│ └── ماژول ۰۹ (دسترسی از ایران)
├── ماژول ۰۴ (AI در کدنویسی)
├── ماژول ۰۵ (اتوماسیون و داده)
│ └── ماژول ۰۶ (API و RAG)
├── ماژول ۰۷ (تصویر و ویدیو)
└── ماژول ۰۸ (موسیقی و صدا)
مستقل (هر زمان بعد از ماژول ۰۱ قابل مطالعه):
├── ماژول ۱۰ (جامعه فارسی AI)
├── ماژول ۱۱ (واژهنامه و برگههای تقلب)
├── ماژول ۱۲ (سؤالات متداول)
├── ماژول ۱۳ (کتابخانه پرامپت)
└── ماژول ۱۴ (اخلاق و امنیت AI)
ماژول ۱۵ (پروژه نهایی) ← نیاز به ماژولهای ۰۲ تا ۰۸
این برنامه درسی تحت مجوز CC-BY-4.0 منتشر شده است.