feat: add chapter 16-future-path specs
This commit is contained in:
84
chapters/16-future-path/00-lesson-chapter-goals/spec.md
Normal file
84
chapters/16-future-path/00-lesson-chapter-goals/spec.md
Normal file
@@ -0,0 +1,84 @@
|
|||||||
|
# مشخصات درس‌نامه: اهداف فصل شانزدهم (Chapter Goals)
|
||||||
|
- **شناسه در سیلابس:** `L16.1`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۶ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L15.12` (ساخت اپلیکیشن دسکتاپ با Tauri و Electron)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** افق کلان پایان دوره و گذار از «کدنویسی تفننی» به «مهندسی ایجنتیک حرفه‌ای در مقیاس صنعتی» را بشناسد.
|
||||||
|
- [ ] **درک کند (Understand):** نقشه راه ۹ درس‌نامه تخصصی فصل پایانی شامل: تفاوت وایب کدینگ با مهندسی ایجنتیک، ۴ بررسی موردی عمیق شرکت‌های پیشروی ایرانی (دیجی‌کالا، اسنپ، کافه‌بازار، دیوار)، نقش جدید برنامه‌نویس به عنوان ارکستراتور سیستم‌ها، استراتژی‌های یادگیری مستمر در دنیای پرشتاب هوش مصنوعی، و جمع‌بندی نهایی دوره و منابع پیشرفته را بداند.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** کاربردهای واقعی و عملیاتی ابزارهای هوش مصنوعی و ایجنت‌های کدنویسی در ۴ غول فناوری ایران (دیجی‌کالا، اسنپ، کافه‌بازار، دیوار) را برای شناخت فرصت‌های شغلی و حل مسائل در مقیاس‌های بزرگ ارزیابی نماید.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** برنامه اقدام شخصی (Action Plan) پس از پایان دوره را برای ورود به بازار کار فریلنسری، کارآفرینی یا استخدام در تیم‌های مدرن ترسیم کند.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **نقطه عطف پایانی دوره: تثبیت هویت مهندسی جدید:**
|
||||||
|
* شما دیگر فردی نیستید که فقط با هوش مصنوعی گپ می‌زند؛ شما یک سازنده کامل محصول (End-to-End Product Builder) هستید.
|
||||||
|
2. **مرور سرفصل‌های تخصصی فصل ۱۶ (با تفکیک ۴ درس‌نامه موردی شرکت‌های ایرانی):**
|
||||||
|
* درس ۱۶.۲: از Vibe Coding تا Agentic Engineering؛ حاکمیت معماری (Governance)، انضباط تیمی و استانداردهای پایداری در سازمان‌ها.
|
||||||
|
* درس ۱۶.۳ الف: بررسی موردی دیجی‌کالا؛ تسریع کاتالوگ محصولات، لجستیک و انبارداری، تولید تست‌های خودکار و ریفکتورینگ با هوش مصنوعی.
|
||||||
|
* درس ۱۶.۳ ب: بررسی موردی اسنپ؛ مدیریت میلیون‌ها سفر روزانه، سیستم‌های دیسپچ، پایش بلادرنگ و ایجنت‌های عیب‌یابی خطوط بک‌اند.
|
||||||
|
* درس ۱۶.۳ ج: بررسی موردی کافه‌بازار؛ بررسی امنیتی خودکار برنامه‌ها، تحلیل بدافزارها و ارزیابی پکیج‌های ارسالی توسعه‌دهندگان به استور.
|
||||||
|
* درس ۱۶.۳ د: بررسی موردی دیوار؛ پالایش هوشمند آگهی‌ها، چت امن، ارکستراسیون ایجنت‌های پشتیبانی و مهار خطاهای انسانی در مقیاس کلان.
|
||||||
|
* درس ۱۶.۴: نقش جدید توسعه‌دهنده: ارکستراتور سیستم‌ها (Systems Orchestrator)؛ چگونه از یک کدنویس ساده به کارگردان و ناظر ارشد ایجنت‌ها تبدیل شویم؟
|
||||||
|
* درس ۱۶.۵: مسیر آینده و یادگیری مستمر؛ راهکارهای به‌روز ماندن در میان سیل مدل‌ها و ابزارهای نوظهور هوش مصنوعی.
|
||||||
|
* درس ۱۶.۶: جشن پایان دوره، منابع تکمیلی و دریافت گواهی رسمی کوئرا کالج.
|
||||||
|
3. **تمرکز بر آینده شغلی و کارآفرینی دانشجو:**
|
||||||
|
* بهره‌برداری تجاری از پورتفولیوی واقعی ساخته‌شده در طول دوره و اتصال به بازار کار فناوری ایران.
|
||||||
|
4. **کال‌اوت‌های کوئرا:**
|
||||||
|
* کال‌اوت سبز (`<details class="green">`): انگیزه و غرور مهندسی از طی کردن این مسیر جامع ۱۶ فصلی.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- مباحث نظری محض و ریاضیات یادگیری عمیق در سطح آکادمیک دانشگاهی.
|
||||||
|
- افراط در ادعاهای غیرواقعی یا پیش‌بینی‌های آخرالزمانی پیرامون حذف کامل انسان از دنیای فناوری.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| Agentic Engineering | مهندسی ایجنتیک | رویکرد مهندسی ساختارمند برای هدایت، اعتبارسنجی و ارکستراسیون ایجنت‌های نرم‌افزاری |
|
||||||
|
| Case Study | بررسی و مطالعه موردی | کالبدشکافی عمیق تجربیات واقعی و عملیاتی شرکت‌های مطرح در حل چالش‌های فنی با فناوری جدید |
|
||||||
|
| Systems Orchestrator | ارکستراتور سیستم‌ها | نقش نوین مهندس نرم‌افزار به عنوان کارگردان، معمار و هماهنگ‌کننده تعامل میان ایجنت‌های هوشمند |
|
||||||
|
| Architectural Governance | حاکمیت معماری | استانداردهای سازمانی و خط‌مشی‌های نظارتی برای اطمینان از امنیت و انطباق کدهای تولیدشده با AI |
|
||||||
|
| Scale Engineering | مهندسی در مقیاس کلان | مدیریت سیستم‌های نرم‌افزاری با میلیون‌ها کاربر همزمان و تراکنش‌های پیوسته بدون قطعی |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** افق درخشان شهری مدرن با برج‌های دیجیتال ۴ غول فناوری ایران (دیجی‌کالا، اسنپ، کافه‌بازار، دیوار) که کابل‌های نوری به سوی مرکز داده متصل کرده‌اند.
|
||||||
|
2. **نقشه راه جامع فصل ۱۶:** `images/chapter-16-roadmap.png`
|
||||||
|
* **موضوع:** اینفوگرافیک ۹ مرحله‌ای فصل ۱۶ با نمادهای مهندسی ایجنتیک، ۴ درس‌نامه شرکت‌ها، ارکستراتور، قطب‌نما و گواهی فارغ‌التحصیلی کوئرا.
|
||||||
|
3. **اکوسیستم هوش مصنوعی در شرکت‌های پیشرو فناوری ایران:** `images/iranian-tech-giants-ai-landscape.png`
|
||||||
|
* **موضوع:** دیاگرام ارتباطی: دیجی‌کالا (لجستیک و تست)، اسنپ (سفرهای کلان و دیسپچ)، کافه‌بازار (بررسی خودکار پکیج‌ها)، دیوار (پایش آگهی و پشتیبانی).
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# اهداف فصل شانزدهم: ادامه راه؛ از سازنده انفرادی تا ارکستراتور سیستم‌های مهندسی`
|
||||||
|
2. **مقدمه کوتاه:** مسیر پرماجرایی که از تعریف پرامپت‌ها در فصل ۲ آغاز شد، اکنون به مقصد نهایی و بررسی تجربیات غول‌های فناوری می‌رسد.
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **سرفصل‌های طلایی فصل در یک نگاه:** مرور ۹ گام پایانی دوره.
|
||||||
|
5. **جدول نقشه راه یادگیری فصل**
|
||||||
|
6. **معرفی ۴ ایستگاه بررسی موردی شرکت‌های بزرگ ایران:** دیجی‌کالا، اسنپ، کافه‌بازار و دیوار.
|
||||||
|
7. **پورتفولیوی شما؛ سند افتخار ورود به بازار کار واقعی:** چگونه آموخته‌های این دوره شما را در سطحی متمایز از سایر متقاضیان کار قرار می‌دهد.
|
||||||
|
8. **کال‌اوت الهام‌بخش Quera (`<details class="green">`):** آماده‌سازی برای جمع‌بندی دوره و دریافت گواهی رسمی کوئرا کالج.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] اهداف کلان فصل ۱۶ و جایگاه آن در جمع‌بندی دوره تبیین شود.
|
||||||
|
- [ ] سرفصل‌های ۹ درس‌نامه با ذکر اسامی ۴ شرکت ایرانی به روشنی معرفی گردند.
|
||||||
|
- [ ] افق شغلی مهندسی ایجنتیک و جایگاه ارکستراتور سیستم‌ها بیان شود.
|
||||||
@@ -0,0 +1,96 @@
|
|||||||
|
# مشخصات درس‌نامه: از Vibe Coding تا Agentic Engineering؛ انضباط معماری و حاکمیت در سازمان‌ها
|
||||||
|
- **شناسه در سیلابس:** `L16.2`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۱۶ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L16.1` (اهداف فصل شانزدهم)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** تفاوت ماهوی میان «وایب کدینگ تفریحی» (Vibe Coding: کدنویسی شهودی بر اساس حس و حال فردی) را با «مهندسی ایجنتیک صنعتی» (Agentic Engineering: رویکرد منضبط، مشخصات‌محور و پایدار در مقیاس تیمی) شرح دهد.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** چهار ستون اصلی مهندسی ایجنتیک سازمانی (پایه‌گذاری بر پایه مشخصات SDD، دروازه‌های تست خودکار، حاکمیت امنیت و داده، و استانداردهای تیمی مشترک) را ارزیابی نماید.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** قوانین راهنمای ایجنت مشترک سازمانی (مانند فایل جامع `.cursorrules` یا تنظیمات تیمی) را برای تضمین یکپارچگی استایل و امنیت در یک تیم کاری شبیه‌سازی کند.
|
||||||
|
- [ ] **ایجاد کند (Create):** یک مانیفست استانداردهای مهندسی ایجنتیک برای پروژه‌های گروهی تنظیم کند تا از ورود کدهای شلخته (AI Slop) به مخزن اصلی جلوگیری شود.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **داستان دو دنیای متفاوت: هکرهای آخرهفته در برابر تیم‌های سازمانی:**
|
||||||
|
* وایب کدینگ برای ساخت سریع ایده عالی است؛ اما وقتی صدها هزار کاربر و میلیون‌ها تراکنش مالی در میان است، انضباط مهندسی حرف اول را می‌زند.
|
||||||
|
2. **چهار ستون استوار مهندسی ایجنتیک (Enterprise Agentic Engineering):**
|
||||||
|
* ستون ۱: تقدم مشخصات بر کد (Spec-Driven Development): هرگز به ایجنت اجازه داده نمی‌شود پیش از تصویب سند معماری، دست به کد ببرد.
|
||||||
|
* ستون ۲: دروازه‌های بازرسی خودکار (Automated Verification Gates): تست‌های پوشش کد، بررسی‌های امنیتی و ممیزی تایپ‌ها در پایپ‌لاین‌های CI/CD.
|
||||||
|
* ستون ۳: حاکمیت و امنیت داده (Governance & Compliance): کنترل سطح دسترسی ایجنت‌ها به پایگاه داده پروداکشن و مهار نشت اسرار.
|
||||||
|
* ستون ۴: همگام‌سازی استانداردهای تیمی: استفاده از راهنماهای اشتراکی استایل، قوانین پرامپت‌نویسی سازمانی و الگوهای تایید کد.
|
||||||
|
3. **خطر بزرگ پدیده «کدهای شلخته و مهارنشده» (AI Slop in Codebases):**
|
||||||
|
* چگونه تولید بی‌رویه کدهای حجیم و ناخوانا توسط هوش مصنوعی می‌تواند بدهی فنی سازمان را منفجر کند؟
|
||||||
|
4. **تکامل فرهنگ تیمی: از برنامه‌نویس انزواطلب تا معمار هدایت‌کننده:**
|
||||||
|
* تبدیل جلسات اسکرام به جلسات تدوین مشخصات دقیق و هماهنگی میان ایجنت‌ها.
|
||||||
|
5. **کال‌اوت‌های آموزشی و هشدار کوئرا:**
|
||||||
|
* کال‌اوت بنفش (`<details class="violet">`): چرا مدیران فنی بزرگ (CTOها) عاشق مهندسانی هستند که هنر نوشتن اسناد مشخصات (Specs) شفاف دارند.
|
||||||
|
* کال‌اوت سبز (`<details class="green">`): احساس اقتدار حرفه‌ای وقتی در مصاحبه شغلی، از متدولوژی منضبط هدایت ایجنت‌ها سخن می‌گویید.
|
||||||
|
* کال‌اوت قرمز (`<details class="red">`): اشتباه رایج تکیه صرف به «حس خوب»؛ در کارهای جدی، حس جای خود را به متریک‌های خطاپذیری و تست‌های خودکار می‌دهد.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- استانداردها و گواهینامه‌های رسمی حسابرسی ISO 27001 سازمانی.
|
||||||
|
- متدولوژی‌های مدیریت پروژه سنتی نظیر Waterfall در پروژه‌های دولتی.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| Agentic Engineering | مهندسی ایجنتیک | رویکرد مهندسی ساختارمند برای هدایت، اعتبارسنجی و ارکستراسیون ایجنت‌های نرم‌افزاری |
|
||||||
|
| Vibe Coding | کدنویسی شهودی / وایب کدینگ | اصطلاح ابداعی آندری کارپاتی برای توسعه سریع و لذت‌بخش نرم‌افزار بر پایه احساس و هدایت هوش مصنوعی |
|
||||||
|
| Architectural Governance | حاکمیت معماری | فرآیند پایش و تضمین انطباق کدهای تولیدی با اصول امنیتی، کارایی و استانداردهای سازمان |
|
||||||
|
| Automated Gates | دروازه‌های بازرسی خودکار | فیلترهای خودکار پیش از ادغام کد که از پاس شدن تست‌ها و نبود باگ اطمینان حاصل می‌کنند |
|
||||||
|
| AI Code Slop | کدهای شلخته هوش مصنوعی | کدهای متورم، تکراری یا بیش‌ازحد پیچیده‌ای که بدون نظارت انسانی توسط مدل‌ها تولید می‌شوند |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** تقابل یک بوم نقاشی هنری پر از رنگ‌های حسی (وایب) در چپ با یک نقشه مهندسی دقیق و لیزری ساخت آسمان‌خراش دیجیتال در راست.
|
||||||
|
2. **مقایسه وایب کدینگ در برابر مهندسی ایجنتیک سازمانی:** `images/vibe-vs-agentic-engineering.png`
|
||||||
|
* **موضوع:** جدول اینفوگرافیک مقایسه‌ای: رویکرد تک‌نفره، سرعت، تست‌ها، مستندسازی، و تاب‌آوری در مقیاس‌های بزرگ.
|
||||||
|
3. **چهار ستون مهندسی ایجنتیک سازمانی:** `images/four-pillars-agentic-engineering.png`
|
||||||
|
* **موضوع:** تصویر گرافیکی ۴ ستون معبد مهندسی: اسناد مشخصات (SDD)، دروازه‌های تست خودکار، حاکمیت امنیت، و فرهنگ تیمی.
|
||||||
|
4. **جریان بازرسی کدهای ایجنت در پایپ‌لاین CI/CD سازمانی:** `images/enterprise-agent-guardrails-flow.png`
|
||||||
|
* **موضوع:** فلوچارت: کد تولیدشده توسط ایجنت $\rightarrow$ ممیزی امنیتی $\rightarrow$ اجرای ۱۰۰ تست واحد $\rightarrow$ بررسی مطابقت با رولز $\rightarrow$ تایید توسط مهندس ارشد.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# از Vibe Coding تا Agentic Engineering؛ انضباط معماری و حاکمیت در سازمان‌ها`
|
||||||
|
2. **مقدمه:** وایب کدینگ به شما سرعت ۱۰ برابری داد؛ اما چگونه این سرعت را به موفقیتی پایدار در شرکت‌های بزرگ و تیم‌های حرفه‌ای تبدیل کنیم؟
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **استعاره پرواز با پاراگلایدر در برابر هدایت بوئینگ مسافربری:**
|
||||||
|
* پرواز انفرادی هیجان‌انگیز است؛ اما وقتی جان و سرمایه مسافران در میان است، نیازمند پروتکل‌های سخت‌گیرانه هستید.
|
||||||
|
5. **مرزهای مشخص میان کدنویسی شهودی و مهندسی ایجنتیک:**
|
||||||
|
* چرا مهندسی ایجنتیک هنرِ کنترل کیفیت، مرزبندی و معماری دقیق است.
|
||||||
|
6. **چهار ستون مهندسی ایجنتیک در شرکت‌های فناوری پیشرو:**
|
||||||
|
* مشخصات‌محوری (SDD)، تست‌های ضدپس‌رفت، امنیت و انضباط تیمی.
|
||||||
|
7. **شکار و مهار پدیده AI Code Slop:**
|
||||||
|
* چرا نباید اجازه دهیم کدهای پروژه متورم و غیرقابل نگهداری شوند؟
|
||||||
|
8. **فرهنگ تیمی جدید: ارتقای استانداردهای همکاری:**
|
||||||
|
* استفاده از فایل‌های کانفیگ مشترک (`.cursorrules`) برای کل تیم.
|
||||||
|
9. **باکس نکته Quera (`<details class="violet">`):** تغییر بازی در استخدام؛ شرکت‌های تراز اول به دنبال افرادی نیستند که فقط کد تایپ کنند، بلکه معمارانی را می‌خواهند که بتوانند ۱۰ ایجنت را به درستی رهبری کنند.
|
||||||
|
10. **باکس هشدار Quera (`<details class="red">`):** خطر کدهای حل‌المسائلی بدون درک؛ هرگز کدی را که منطق آن را درک نمی‌کنید در محیط پروداکشن سازمانی ادغام نکنید.
|
||||||
|
11. **باکس رضایت‌بخش Quera (`<details class="green">`):** احساس آرامش از اینکه کدهای شما نه تنها سریع نوشته شده‌اند، بلکه در سطح استانداردهای جهانی مهندسی تمیز و پایدار هستند.
|
||||||
|
12. **جمع‌بندی درس‌نامه:** بلوغ دیدگاه مهندسی؛ ورود به دنیای واقعی و بررسی نمونه‌های زنده استفاده از AI در شرکت‌های بزرگ ایران و جهان در درس بعدی.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] تمایز میان Vibe Coding فردی و Agentic Engineering سازمانی تبیین شود.
|
||||||
|
- [ ] ستون‌های چهارگانه مهندسی ایجنتیک با مثال‌های ملموس تشریح گردند.
|
||||||
|
- [ ] خطرات کدهای متورم و شلخته (AI Slop) و راهکارهای مهار آن ارائه شود.
|
||||||
|
- [ ] نقش دگرگون‌شده مهندس نرم‌افزار در ساختارهای سازمانی مدرن تحلیل گردد.
|
||||||
101
chapters/16-future-path/02-lesson-case-study-digikala/spec.md
Normal file
101
chapters/16-future-path/02-lesson-case-study-digikala/spec.md
Normal file
@@ -0,0 +1,101 @@
|
|||||||
|
# مشخصات درس‌نامه: بررسی موردی دیجی‌کالا؛ هوش مصنوعی در مقیاس میلیون‌ها کالا، انبارداری و کاتالوگ
|
||||||
|
- **شناسه در سیلابس:** `L16.3a`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۱۸ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L16.2` (از Vibe Coding تا Agentic Engineering)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** چالش‌های مهندسی بزرگ‌ترین پلتفرم تجارت الکترونیک ایران (دیجی‌کالا) با بیش از ۱۰ میلیون تنوع کالایی (SKUs) و ده‌ها میلیون کاربر را تحلیل نماید.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** کاربردهای عملیاتی هوش مصنوعی و ایجنت‌های کدنویسی در دیجی‌کالا شامل: مدیریت کاتالوگ، بررسی خودکار داده‌های فروشندگان (Marketplace Moderation)، بهینه‌سازی مسیرهای لجستیک و انبارداری را ارزیابی کند.
|
||||||
|
- [ ] **درک کند (Understand):** فرآیند مهاجرت و ریفکتورینگ سرویس‌های قدیمی (Legacy Codebases) با کمک ایجنت‌های نرم‌افزاری و تست‌نویسی خودکار را در تیم‌های فنی دیجی‌کالا بشناسد.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** درس‌آموخته‌های مقیاس‌پذیری کاتالوگ محصولات، ایندکس‌گذاری دیتابیس و مدیریت داده‌های فروشگاهی را در پروژه‌های بعدی خود پیاده سازد.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **تصویر کلان مقیاس دیجی‌کالا: غول تجارت الکترونیک ایران:**
|
||||||
|
* میزبانی بیش از ۳۰۰ هزار فروشنده فعال، پردازش صدها هزار سفارش روزانه و مدیریت انبار مکانیزه دانشور.
|
||||||
|
2. **محور اول هوش مصنوعی: مدیریت هوشمند کاتالوگ و مشخصات کالا:**
|
||||||
|
* فروشندگان اطلاعات کالا را با نگارش‌های مختلف، ناقص یا غلط ثبت می‌کنند؛ مدل‌های زبانی و الگوریتم‌های پردازش تصویر دیجی‌کالا چگونه مشخصات را استانداردسازی می‌کنند؟
|
||||||
|
* استخراج خودکار ویژگی‌های فنی محصول از کاتالوگ‌های تصویری با OCR و بینایی ماشین.
|
||||||
|
* حذف خودکار محصولات تکراری یا تقلبی با مقایسه بردارهای معنایی و تصاویر.
|
||||||
|
3. **محور دوم هوش مصنوعی: مهندسی لجستیک، زنجیره تأمین و انبارداری:**
|
||||||
|
* مسیریابی هوشمند ناوگان دیجی‌اکسپرس (Route Optimization) با هوش مصنوعی برای کاهش مصرف سوخت و تاخیر.
|
||||||
|
* پیش‌بینی تقاضای فصلی کالاها (Demand Forecasting) برای انتقال پیش‌دستانه اجناس پرتقاضا به انبارهای نزدیک‌تر.
|
||||||
|
4. **محور سوم: مهندسی نرم‌افزار با ایجنت‌های AI در تیم‌های توسعه دیجی‌کالا:**
|
||||||
|
* استفاده توسعه‌دهندگان از ابزارهای ادیتور هوشمند (Cursor و GitHub Copilot) برای سرعت‌بخشی به توسعه میکروسرویس‌ها.
|
||||||
|
* ریفکتورینگ و ترجمه کدهای قدیمی لایه‌های پیشین به زبان‌های پرسرعت نظیر Go.
|
||||||
|
* بهینه‌سازی کوئری‌های کند پایگاه داده با تحلیل خودکار Slow Query Logs توسط مدل‌ها.
|
||||||
|
5. **درس‌های طلایی دیجی‌کالا برای یک وایب کدر:**
|
||||||
|
* اهمیت استانداردسازی ساختار داده‌ها و اجتناب از داده‌های شلخته در دیتابیس از همان روز اول.
|
||||||
|
6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:**
|
||||||
|
* کال‌اوت بنفش (`<details class="violet">`): مفهوم تطبیق محصول (Product Deduplication) در مقیاس میلیون‌ها رکورد با تعبیه برداری (Embeddings).
|
||||||
|
* کال‌اوت سبز (`<details class="green">`): فرصت‌های استخدام و نیازمندی تیم‌های دیجی‌کالا به توسعه‌دهندگانی که بر ابزارهای هوش مصنوعی و تست‌نویسی خودکار تسلط دارند.
|
||||||
|
* کال‌اوت قرمز (`<details class="red">`): اهمیت ممیزی انسانی در قیمت‌گذاری؛ هرگز نباید قیمت‌گذاری کالاها را بدون سقف امنیتی سخت‌گیرانه به الگوریتم‌های خودکار واگذار کرد.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- جزییات اسرار تجاری و معماری‌های محرمانه داخلی شبکه اختصاصی دیجی‌کالا.
|
||||||
|
- مباحث سخت‌افزاری اتوماسیون نقاله‌های صنعتی انبارداری.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| SKU (Stock Keeping Unit) | واحد نگهداری موجودی | شناسه یکتای اختصاصی برای هر تنوع کالایی مشخص در سیستم‌های انبارداری و فروشگاهی |
|
||||||
|
| Marketplace Moderation | پالایش بازارگاه فروشندگان | فرآیند بازرسی، اعتبارسنجی و تایید اصالت کالاها و مشخصات ثبت‌شده توسط فروشندگان شخص ثالث |
|
||||||
|
| Demand Forecasting | پیش‌بینی تقاضای بازار | استفاده از مدل‌های داده برای برآورد حجم خرید کاربران در روزها و فصل‌های آینده |
|
||||||
|
| Legacy Migration | مهاجرت از کدهای موروثی | بازنویسی و انتقال سیستم‌های قدیمی و سنگین نرم‌افزاری به معماری‌های مدرن و چابک |
|
||||||
|
| Slow Query Optimization | بهینه‌سازی کوئری‌های کند | بازبینی و اصلاح دستورات سنگین دیتابیس با ایندکس‌های مناسب برای پیشگیری از قفل شدن پایگاه داده |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** انبار مکانیزه نئونی دیجی‌کالا با ربات‌های باربر هوشمند و نمودارهای خطوط کدهای مدرن در فضای ابری.
|
||||||
|
2. **جریان پالایش خودکار کاتالوگ کالا با هوش مصنوعی در دیجی‌کالا:** `images/digikala-catalog-ai-flow.png`
|
||||||
|
* **موضوع:** اینفوگرافیک: ثبت عکس و متن توسط فروشنده $\rightarrow$ استخراج داده با OCR و مدل زبانی $\rightarrow$ اعتبارسنجی اصالت $\rightarrow$ انتشار خودکار در کاتالوگ.
|
||||||
|
3. **چرخه بهینه‌سازی کدهای مایکروسرویس‌ها با ایجنت‌های مهندسی:** `images/digikala-dev-ai-workflow.png`
|
||||||
|
* **موضوع:** فلوچارت: رصد خطاهای سیستم $\rightarrow$ ارجاع لاگ به کامپوزر $\rightarrow$ تولید خودکار تست‌های یکپارچگی $\rightarrow$ ریفکتور امن به میکروسرویس Go.
|
||||||
|
4. **مسیریابی هوشمند ناوگان توزیع کالا:** `images/digikala-express-routing-map.png`
|
||||||
|
* **موضوع:** نقشه تعاملی شهر با مسیرهای رنگی بهینه‌شده بسته‌رسانی خودروها و موتورهای دیجی‌اکسپرس برای کاهش تاخیر.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# بررسی موردی دیجی‌کالا؛ هوش مصنوعی در مقیاس میلیون‌ها کالا، انبارداری و کاتالوگ`
|
||||||
|
2. **مقدمه:** بزرگ‌ترین فروشگاه اینترنتی خاورمیانه چگونه از دل میلیون‌ها سطر کد و میلیون‌ها کالا، با هوش مصنوعی سرعت و بهره‌وری خلق می‌کند؟
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **مقیاس دیجی‌کالا: غول تجارت الکترونیک در اعداد:**
|
||||||
|
* ۱۰ میلیون کالا، ۳۰۰ هزار فروشنده و پردازش انبوه سفارش‌ها.
|
||||||
|
5. **شکار هوشمند خطاهای کاتالوگ: استانداردسازی محتوا با AI:**
|
||||||
|
* رفع اشکالات نگارشی، حذف کالاهای تکراری و استخراج مشخصات فنی از روی تصاویر جعبه محصول.
|
||||||
|
6. **لجستیک و انبارداری الگوریتمی:**
|
||||||
|
* پیش‌بینی تقاضا و کاهش زمان رسیدن بسته به دست مشتری با مسیریابی هوشمند.
|
||||||
|
7. **کدنویسی در مقیاس دیجی‌کالا: چگونه مهندسان از ایجنت‌های AI استفاده می‌کنند؟**
|
||||||
|
* تولید خودکار تست‌های رگرسیون برای پایدار ماندن سیستم‌های پردازش پرداخت در بلک‌فرایدی (جمعه شگفت‌انگیز).
|
||||||
|
* بازنویسی میکروسرویس‌های سنگین و بهینه‌سازی کوئری‌های دیتابیس.
|
||||||
|
8. **درس‌های عملیاتی برای پروژه‌های شخصی شما:**
|
||||||
|
* چرا نباید از روز اول پایگاه داده را نامرتب طراحی کنیم و اهمیت تعریف تایپ‌های سخت‌گیرانه.
|
||||||
|
9. **باکس نکته Quera (`<details class="violet">`):** استفاده از تکنیک Product Deduplication با بردارهای معنایی؛ چطور ده‌ها عنوان مشابه مثل «گوشی A15» و «Galaxy A15 128GB» به عنوان یک کالای واحد شناسایی می‌شوند.
|
||||||
|
10. **باکس هشدار Quera (`<details class="red">`):** خطر اتوماسیون بدون ناظر در بازارهای مالی؛ تجربیات دیجی‌کالا در اعمال سقف بازرسی انسانی روی تغییرات قیمت کالاها.
|
||||||
|
11. **باکس رضایت‌بخش Quera (`<details class="green">`):** الهام‌گیری از الگوهای معماری دیجی‌کالا و تطبیق آن‌ها با استانداردهای پورتفولیو و استارتاپ شخصی.
|
||||||
|
12. **جمع‌بندی درس‌نامه:** پایان بررسی دیجی‌کالا؛ ورود به ایستگاه بررسی موردی اسنپ (مدیریت میلیون‌ها سفر و دیسپچ لحظه‌ای) در درس بعدی.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] مقیاس مهندسی و چالش‌های پلتفرم دیجی‌کالا با اعداد و ارقام واقعی تبیین شود.
|
||||||
|
- [ ] کاربردهای عملیاتی AI در کاتالوگ کالا، انبارداری و لجستیک تشریح گردند.
|
||||||
|
- [ ] نحوه استفاده مهندسان نرم‌افزار دیجی‌کالا از ابزارهای هوش مصنوعی (تست‌نویسی، ریفکتور) ارائه شود.
|
||||||
|
- [ ] درس‌آموخته‌های قابل انتقال به پروژه‌های دانشجویان در متن لحاظ گردد.
|
||||||
102
chapters/16-future-path/03-lesson-case-study-snapp/spec.md
Normal file
102
chapters/16-future-path/03-lesson-case-study-snapp/spec.md
Normal file
@@ -0,0 +1,102 @@
|
|||||||
|
# مشخصات درس‌نامه: بررسی موردی اسنپ؛ مدیریت میلیون‌ها سفر روزانه، سیستم‌های دیسپچ و تاب‌آوری بلادرنگ
|
||||||
|
- **شناسه در سیلابس:** `L16.3b`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۱۸ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L16.3a` (بررسی موردی دیجی‌کالا)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** معماری سیستم‌های توزیع‌شده فوق‌پرترافیک در سوپراپلیکیشن **اسنپ** (پردازش بیش از ۵ میلیون سفر و تراکنش روزانه در بیش از ۱۵۰ شهر) را شرح دهد.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** کاربردهای هوش مصنوعی و یادگیری ماشین در اسنپ شامل: موتور تطبیق و تخصیص راننده به مسافر (Dispatch Engine)، تخمین زمان رسیدن (ETA Prediction)، و تشخیص خودکار تقلب (Fraud Detection) را ارزیابی نماید.
|
||||||
|
- [ ] **درک کند (Understand):** چگونه تیم‌های مهندسی اسنپ از ایجنت‌های هوش مصنوعی برای تولید پروتکل‌های ارتباطی پرسرعت (gRPC / Protobuf)، ممیزی لاگ‌های استریم کافکا (Kafka) و نگهداری کدهای با همزمانی بالا (Concurrency) استفاده می‌کنند.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** اصول تاب‌آوری در برابر بار لحظه‌ای، مدیریت سوکت‌های بلادرنگ (Real-time WebSockets)، و بهینه‌سازی ارتباطات شبکه را در معماری پروژه‌های خود لحاظ کند.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **مقیاس ماورایی اسنپ: قلب تپنده حمل‌ونقل شهری ایران:**
|
||||||
|
* مدیریت میلیون‌ها مسافر و صدها هزار راننده همزمان آنلاین که هر ثانیه مختصات جغرافیایی (GPS) خود را به سرور مخابره می‌کنند.
|
||||||
|
2. **محور اول هوش مصنوعی: موتور دیسپچ و تطبیق هوشمند (Intelligent Dispatch):**
|
||||||
|
* چرا اختصاص نزدیک‌ترین راننده از نظر خط مستقیم لزوماً بهترین انتخاب نیست؟ (ترافیک، جهت حرکت، موانع یک‌طرفه).
|
||||||
|
* شبکه‌بندی جغرافیایی فضایی (Geohash / H3 Grid) و استفاده از الگوریتم‌های بهینه‌سازی برای تطبیق دسته‌ای درخواست‌ها در کسری از ثانیه.
|
||||||
|
3. **محور دوم هوش مصنوعی: تخمین زمان رسیدن به مقصد (ETA Prediction):**
|
||||||
|
* ترکیب داده‌های زنده ترافیک، الگوهای تاریخی حرکت در روزهای بارانی و ساعت‌های پیک با مدل‌های یادگیری عمیق برای تخمین دقیق زمان سفر.
|
||||||
|
4. **محور سوم هوش مصنوعی: سپر امنیتی و کشف تقلب (Fraud & Anomaly Detection):**
|
||||||
|
* کشف رفتارهای غیرعادی رانندگان (مثل سفرهای صوری برای دریافت پاداش، جعل مختصات GPS Spoofing، یا حساب‌های جعلی) با مدل‌های بدون نظارت.
|
||||||
|
5. **محور چهارم: مهندسی نرم‌افزار با ایجنت‌های AI در تیم‌های فنی اسنپ:**
|
||||||
|
* نوشتن کدهای پرهمزمانی با زبان‌های Go و Elixir و استفاده از ابزارهای هوش مصنوعی برای تولید اسکیماهای gRPC.
|
||||||
|
* پایش بلادرنگ صف‌های پیام کافکا (Apache Kafka) و استفاده از ایجنت‌ها برای ریشه‌یابی آنی تاخیرها (Lag Analysis).
|
||||||
|
* تولید خودکار تست‌های تنش و شبیه‌سازی ترافیک سنگین بار برای اطمینان از تاب‌آوری سیستم‌ها در روزهای برفی.
|
||||||
|
6. **درس‌های طلایی اسنپ برای یک وایب کدر:**
|
||||||
|
* مدیریت وضعیت‌های زنده (Real-time State)؛ چرا هر درخواستی نباید مستقیم به دیتابیس کوئری بزند و اهمیت لایه‌های کش موقت.
|
||||||
|
7. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:**
|
||||||
|
* کال‌اوت بنفش (`<details class="violet">`): مفهوم شاخص مکانی H3 ابداعی Uber و نحوه تقسیم شهر به شش‌ضلعی‌های فضایی برای محاسبات فوق‌سریع هوش مصنوعی.
|
||||||
|
* کال‌اوت سبز (`<details class="green">`): تقاضای رو به رشد تیم‌های فنی اسنپ برای جذب مهندسانی که ذهنیت سیستم‌های توزیع‌شده و تسلط بر ابزارهای هوش مصنوعی دارند.
|
||||||
|
* کال‌اوت قرمز (`<details class="red">`): اهمیت مانیتورینگ بلادرنگ؛ در سیستمی مانند اسنپ، حتی ۵ ثانیه تاخیر در پاسخ سرور می‌تواند منجر به لغو هزاران سفر شود.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- فرمول‌های ریاضی پیچیده الگوریتم‌های بهینه‌سازی کولونی مورچه‌ها.
|
||||||
|
- جزییات محرمانه سورس‌کدهای داخلی شرکت اسنپ.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| Dispatch Engine | موتور تخصیص و دیسپچ | سیستم محاسباتی مرکزی که بر اساس فاصله، ترافیک و موقعیت، درخواست مسافر را به بهترین راننده واگذار می‌کند |
|
||||||
|
| ETA (Estimated Time of Arrival) | زمان تخمینی رسیدن | محاسبه پیش‌بینانه دقیق لحظه رسیدن راننده به مبدأ یا رسیدن خودرو به مقصد بر پایه ترافیک زنده |
|
||||||
|
| GPS Spoofing | جعل مختصات ماهواره‌ای | ترفند فریبکارانه دستکاری نرم‌افزاری موقعیت مکانی گوشی برای تظاهر به حضور در منطقه‌ای دیگر |
|
||||||
|
| Concurrency | همزمانی پردازش | توانایی سیستم نرم‌افزاری در پردازش مستقل و همزمان هزاران درخواست بدون ایجاد صف انتظار |
|
||||||
|
| Spatial Indexing (H3) | نمایه‌سازی فضایی جغرافیایی | روش تقسیم‌بندی نقشه زمین به سلول‌های شش‌ضلعی هندسی برای تسریع الگوریتم‌های موقعیت‌یابی |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** نقشه تاریک و نئونی شهر با نقاط نورانی بی‌شمار خودروها، مسیرهای سبز و نارنجی ترافیک و شبکه‌های شش‌ضلعی هوشمند اسنپ.
|
||||||
|
2. **چرخه تخصیص هوشمند راننده با شبکه شش‌ضلعی H3:** `images/snapp-dispatch-h3-grid.png`
|
||||||
|
* **موضوع:** اینفوگرافیک: مسافر درخواست می‌دهد $\rightarrow$ تقسیم نقشه به سلول‌های شش‌ضلعی $\rightarrow$ فیلتر رانندگان فعال $\rightarrow$ اولویت‌بندی بر اساس ترافیک و زمان رسیدن $\rightarrow$ ارسال درخواست به گوشی راننده.
|
||||||
|
3. **معماری پایش بلادرنگ با کافکا و ایجنت‌های هوش مصنوعی:** `images/snapp-kafka-telemetry-architecture.png`
|
||||||
|
* **موضوع:** دیاگرام توزیع داده: صدها هزار کلاینت موبایل $\rightarrow$ سرورهای وب‌سوکت $\rightarrow$ صف کافکا $\rightarrow$ آنالیزور بلادرنگ لاگ‌ها با ایجنت $\rightarrow$ داشبورد هشدار مهندسان.
|
||||||
|
4. **داشبورد پایش بلادرنگ خطاهای شبکه در اسنپ:** `images/snapp-monitoring-metrics-screen.png`
|
||||||
|
* **موضوع:** اسکرین‌شات از داشبورد گرافیکی مانیتورینگ با نمودار سفرها در ثانیه (Rides Per Second) و نشانگرهای سلامت دیتاسنترها.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# بررسی موردی اسنپ؛ مدیریت میلیون‌ها سفر روزانه، سیستم‌های دیسپچ و تاب‌آوری بلادرنگ`
|
||||||
|
2. **مقدمه:** وقتی میلیون‌ها انسان هر روز برای رسیدن به کار و خانه به یک اپلیکیشن اعتماد می‌کنند، مهندسی نرم‌افزار و هوش مصنوعی چگونه چراغ شهر را روشن نگه می‌دارند؟
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **مقیاس مهندسی اسنپ: شهری که هرگز نمی‌خوابد:**
|
||||||
|
* پردازش ۵ میلیون سفر روزانه، ارسال ثانیه‌ای مختصات جی‌پی‌اس و مدیریت همزمانی فوق‌العاده بالا.
|
||||||
|
5. **موتور هوشمند دیسپچ: هنر جفت کردن مسافر و راننده در کسری از ثانیه:**
|
||||||
|
* چرا فاصله مستقیم خط‌کشی فریبنده است؟ استفاده از شبکه‌بندی شش‌ضلعی H3.
|
||||||
|
6. **پیش‌بینی زمان رسیدن (ETA) با یادگیری ماشین:**
|
||||||
|
* چطور اسنپ ترافیک ساعت ۵ عصر اتوبان همت را در هوای بارانی پیش‌بینی می‌کند؟
|
||||||
|
7. **کشف خودکار تقلب و تخلفات (Anti-Fraud Systems):**
|
||||||
|
* شناسایی رانندگانی که با نرم‌افزارهای جعلی موقعیت خود را دستکاری می‌کنند.
|
||||||
|
8. **مهندسی با ایجنت‌های AI در قلب تیم‌های فنی اسنپ:**
|
||||||
|
* نوشتن سرویس‌های پرسرعت Go و Elixir و رصد صف‌های سنگین کافکا با دستیاران هوش مصنوعی.
|
||||||
|
9. **درس‌های اسنپ برای سازندگان وایب کدینگ:**
|
||||||
|
* اهمیت تفکیک کارهای سنگین محاسباتی از جریان اصلی دیتابیس و بهره‌گیری از معماری Event-Driven.
|
||||||
|
10. **باکس نکته Quera (`<details class="violet">`):** استفاده از ارتباطات وب‌سوکت دوطرفه (Full-Duplex WebSockets) به جای رفرش مداوم صفحات؛ درسی بزرگ برای ساخت برنامه‌های زنده.
|
||||||
|
11. **باکس هشدار Quera (`<details class="red">`):** خطرات وابستگی به جی‌پی‌اس خام؛ همیشه داده‌های مکانی موبایل نیازمند فیلتر کردن نویزها و پرش‌های ناگهانی نقشه هستند.
|
||||||
|
12. **باکس رضایت‌بخش Quera (`<details class="green">`):** دیدن عظمت سیستم‌هایی که مهندسان جوان ایرانی در اسنپ ساخته‌اند و الهام‌گیری از استانداردهای مهندسی مقیاس کلان.
|
||||||
|
13. **جمع‌بندی درس‌نامه:** پایان کالبدشکافی اسنپ؛ ورود به ایستگاه بررسی موردی کافه‌بازار (بررسی خودکار اپلیکیشن‌ها و امنیت استور) در درس بعدی.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] چالش‌های مقیاس کلان پلتفرم اسنپ به همراه اعداد و ارقام واقعی بیان شود.
|
||||||
|
- [ ] مکانیزم‌های دیسپچ، نمایه‌سازی فضایی H3 و پیش‌بینی ETA به زبان ساده تشریح گردند.
|
||||||
|
- [ ] نحوه استفاده مهندسان اسنپ از ابزارهای هوش مصنوعی در پایش کافکا و کدنویسی همزمان آموزش داده شود.
|
||||||
|
- [ ] درس‌های معماری تاب‌آور و Real-time برای دانشجویان دوره ارائه گردد.
|
||||||
104
chapters/16-future-path/04-lesson-case-study-cafebazaar/spec.md
Normal file
104
chapters/16-future-path/04-lesson-case-study-cafebazaar/spec.md
Normal file
@@ -0,0 +1,104 @@
|
|||||||
|
# مشخصات درس‌نامه: بررسی موردی کافه‌بازار؛ بررسی خودکار اپلیکیشن‌ها، تحلیل بدافزارها و موتور پیشنهاد
|
||||||
|
- **شناسه در سیلابس:** `L16.3c`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۱۸ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L16.3b` (بررسی موردی اسنپ)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** معماری و چالش‌های فنی بزرگ‌ترین فروشگاه اپلیکیشن‌های اندرویدی ایران (**کافه‌بازار**) با بیش از ۴۵ میلیون کاربر فعال و صدها هزار برنامه و بازی را تحلیل نماید.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** فرآیند ممیزی و بازرسی خودکار برنامه‌ها (Automated App Review) با تحلیل استاتیک و دینامیک فایل‌های APK، بررسی دسترسی‌های خطرناک، و کشف بدافزارها با هوش مصنوعی را ارزیابی کند.
|
||||||
|
- [ ] **درک کند (Understand):** سازوکار موتور جستجو و سیستم پیشنهاد هوشمند اپلیکیشن‌ها (Recommendation System) در استور و نقش الگوریتم‌های هوش مصنوعی در درک مقصود کاربر را بشناسد.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** استانداردهای امنیتی مجوزهای اندروید (Android Permissions)، بهینه‌سازی حجم فایل‌های خروجی و قوانین انتشار استورها را در ساخت برنامه‌های آتی خود به کار گیرد.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **تصویر کلان کافه‌بازار: دروازه ورود ایرانیان به جهان اپلیکیشن‌های موبایل:**
|
||||||
|
* میزبانی بیش از ۴۵ میلیون کاربر، پتابایت‌ها دانلود ماهیانه، و تعامل روزانه با ده‌ها هزار تیم توسعه‌دهنده اندروید.
|
||||||
|
2. **محور اول هوش مصنوعی: بازرسی و ممیزی خودکار برنامه‌ها (Automated App Review):**
|
||||||
|
* چرا بررسی دستی صدها آپدیت روزانه غیرممکن است؟
|
||||||
|
* تحلیل ایستا (Static Analysis): دیکامپایل بایت‌کد APK و بررسی فایل `AndroidManifest.xml` برای کشف دسترسی‌های مشکوک (دسترسی به پیامک، دفترچه تلفن، ضبط صدا در پس‌زمینه).
|
||||||
|
* تحلیل پویا (Dynamic Sandbox Analysis): اجرای برنامه در یک شبیه‌ساز ایزوله و رصد ترافیک شبکه برای کشف رفتارهای بدافزاری، تبلیغات مزاحم و سرقت اطلاعات.
|
||||||
|
* ممیزی محتوایی با مدل‌های زبانی: بررسی خودکار تطابق توضیحات برنامه با قوانین کافه‌بازار و بررسی اسناد حریم خصوصی.
|
||||||
|
3. **محور دوم هوش مصنوعی: موتور جستجو و پیشنهاد هوشمند برنامه‌ها:**
|
||||||
|
* درک خطاهای املایی کاربران فارسی‌زبان در جستجوی نام برنامه‌ها و بازی‌ها (Typo-tolerant Search).
|
||||||
|
* سیستم پیشنهادگر شخصی‌سازی‌شده (Personalized Recommendations) بر اساس دسته‌بندی علاقه‌مندی‌ها و الگوهای دانلود قبلی کاربر.
|
||||||
|
4. **محور سوم: مهندسی نرم‌افزار با ابزارهای AI در کافه‌بازار:**
|
||||||
|
* توسعه خطوط لوله تحویل محتوای فوق‌پرسرعت (CDN Pipelines) و ذخیره‌سازی داده‌های حجیم.
|
||||||
|
* استفاده توسعه‌دهندگان از ایجنت‌های هوش مصنوعی برای تست خودکار کدهای پایتون و Go.
|
||||||
|
* خودکارسازی فرآیند امضای دیجیتال و بررسی چک‌سام‌های بسته‌های نصبی.
|
||||||
|
5. **درس‌های طلایی کافه‌بازار برای سازندگان وایب کدینگ:**
|
||||||
|
* چرا وقتی اپلیکیشن موبایل می‌سازید (درس ۱۵.۱۱)، نباید مجوزهای اضافه درخواست کنید؛ اصل حداقل دسترسی‌ها (Least Privilege).
|
||||||
|
6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:**
|
||||||
|
* کال‌اوت بنفش (`<details class="violet">`): روش کار موتورهای تحلیل بدافزار و اسکنرهای امضای ویروس در استورهای اپلیکیشن.
|
||||||
|
* کال‌اوت سبز (`<details class="green">`): آمادگی کامل فارغ‌التحصیل این دوره برای انتشار اپلیکیشن‌های خروجی Capacitor/Expo در کافه‌بازار بدون ریجکت شدن.
|
||||||
|
* کال‌اوت قرمز (`<details class="red">`): تله دسترسی‌های پنهان در پکیج‌های شخص ثالث؛ اگر یک کتابخانه تبلیغاتی بدون اجازه کاربر به مخاطبین دسترسی بخواهد، برنامه در کافه‌بازار مسدود خواهد شد.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- جزییات مهندسی معکوس کدهای امنیتی بانکی.
|
||||||
|
- الگوریتم‌های حفاظت از حق کپی‌رایت گوگل دروید (DRM).
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| Automated App Vetting | ممیزی خودکار برنامه‌ها | فرآیند ماشینی بازرسی کدهای اپلیکیشن پیش از انتشار در استور برای اطمینان از سلامت و امنیت |
|
||||||
|
| Static Analysis | تحلیل ایستای کد | بررسی سورس‌کد و ساختار فایل‌های برنامه بدون نیاز به اجرای واقعی آن در سیستم‌عامل |
|
||||||
|
| Dynamic Sandbox | سندباکس اجرای پویا | محیط ایزوله مجازی برای اجرای برنامه و رصد رفتارهای مخفی و ترافیک خروجی آن به اینترنت |
|
||||||
|
| Android Permissions | مجوزهای دسترسی اندروید | دسترسی‌های صریحی که برنامه برای استفاده از حسگرها و داده‌های شخصی کاربر تقاضا می‌کند |
|
||||||
|
| Recommendation Engine | موتور پیشنهادگر هوشمند | سیستم تحلیلی که بر پایه الگوهای رفتاری کاربر، آیتم‌های مرتبط و جذاب را به او پیشنهاد می‌دهد |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** گیت بازرسی امنیتی دیجیتال با آیکون سبز سبد کافه‌بازار که فایل‌های APK ورودی را اسکن و تایید می‌کند.
|
||||||
|
2. **فرآیند دو مرحله‌ای بازرسی برنامه‌ها در کافه‌بازار:** `images/cafebazaar-vetting-pipeline.png`
|
||||||
|
* **موضوع:** اینفوگرافیک گام‌به‌گام: بارگذاری APK توسط توسعه‌دهنده $\rightarrow$ ۱) تحلیل ایستا (بررسی منیفست و دسترسی‌ها) $\rightarrow$ ۲) تحلیل پویا در سندباکس $\rightarrow$ ۳) تایید محتوا با مدل زبانی $\rightarrow$ انتشار عمومی.
|
||||||
|
3. **نمودار معماری موتور جستجوی هوشمند کافه‌بازار:** `images/cafebazaar-search-architecture.png`
|
||||||
|
* **موضوع:** دیاگرام تعاملی: کوئری کاربر $\rightarrow$ رفع غلط املایی $\rightarrow$ جستجوی معنایی تگ‌ها و نام‌ها $\rightarrow$ اولویت‌بندی رتبه‌ها بر اساس رضایت و تعداد نصب $\rightarrow$ نمایش نتایج.
|
||||||
|
4. **داشبورد توسعه‌دهندگان کافه‌بازار و گزارش بررسی برنامه:** `images/cafebazaar-developer-panel-review.png`
|
||||||
|
* **موضوع:** اسکرین‌شات از پنل توسعه‌دهندگان بازار با تیک‌های سبز اعتبارسنجی امنیتی و وضعیت آماده انتشار.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# بررسی موردی کافه‌بازار؛ بررسی خودکار اپلیکیشن‌ها، تحلیل بدافزارها و موتور پیشنهاد`
|
||||||
|
2. **مقدمه:** چگونه کافه‌بازار با بیش از ۴۵ میلیون کاربر، صدها هزار اپلیکیشن را بدون ارتش انسانی و با کمک هوش مصنوعی از بدافزارها پاک نگه می‌دارد؟
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **مقیاس کافه‌بازار: قلب تپنده اپلیکیشن‌های موبایل در ایران:**
|
||||||
|
* پتابایت‌ها دانلود ماهانه و ده‌ها هزار تیم توسعه‌دهنده در سرتاسر کشور.
|
||||||
|
5. **کارخانه بررسی خودکار برنامه‌ها (Automated App Review Pipeline):**
|
||||||
|
* دیکامپایل بایت‌کد و تحلیل ایستا (Static Analysis).
|
||||||
|
* شکار دسترسی‌های خطرناک در `AndroidManifest.xml`.
|
||||||
|
6. **سندباکس تست پویا (Dynamic Sandbox): اجرای آزمایشی در قفس شیشه‌ای:**
|
||||||
|
* اگر برنامه‌ای سعی کند پنهانی به سرورهای ناشناس پیامک بفرستد، چگونه در سندباکس رسوا می‌شود؟
|
||||||
|
7. **موتور جستجو و سیستم پیشنهادگر محتوا:**
|
||||||
|
* اصلاح خطاهای تایپی فارسی و ارائه پیشنهادات شخصی‌سازی‌شده در صفحه اصلی استور.
|
||||||
|
8. **مهندسی مدرن با AI در تیم‌های کافه‌بازار:**
|
||||||
|
* استفاده از ایجنت‌های هوش مصنوعی برای اتوماسیون پایپ‌لاین‌های بیلد و ممیزی PRها.
|
||||||
|
9. **درس‌های عملیاتی کافه‌بازار برای اپلیکیشن موبایل پورتفولیوی شما:**
|
||||||
|
* چطور پکیج خروجی Capacitor یا Expo خود را آماده کنیم تا بدون اخطار در کافه‌بازار پذیرفته شود.
|
||||||
|
10. **باکس نکته Quera (`<details class="violet">`):** اهمیت رعایت قانون شفافیت حریم خصوصی (Privacy Policy URL)؛ چرا گذاشتن لینک صفحه حریم خصوصی در صفحه استور الزامی است.
|
||||||
|
11. **باکس هشدار Quera (`<details class="red">`):** خطر کتابخانه‌های تبلیغاتی مشکوک؛ اضافه کردن یک پکیج نامعتبر به پروژه می‌تواند کل زحمات ساخت اپلیکیشن شما را به عنوان بدافزار زیر سوال ببرد.
|
||||||
|
12. **باکس رضایت‌بخش Quera (`<details class="green">`):** لذت دیدن اپلیکیشن خودساخته در میان نتایج جستجوی کافه‌بازار با نشان تایید اصالت و امنیت.
|
||||||
|
13. **جمع‌بندی درس‌نامه:** پایان بررسی کافه‌بازار؛ ورود به آخرین ایستگاه بررسی موردی شرکت‌های ایرانی: دیوار (پالایش آگهی‌ها و چت امن) در درس بعدی.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] مقیاس مهندسی کافه‌بازار و چالش‌های میزبانی هزاران اپلیکیشن تبیین شود.
|
||||||
|
- [ ] متدولوژی تحلیل ایستا و پویای فایل‌های APK به زبان فنی و شفاف تشریح گردد.
|
||||||
|
- [ ] نحوه کارکرد موتور جستجو و پیشنهادگر استور بررسی شود.
|
||||||
|
- [ ] راهنمای آماده‌سازی اپلیکیشن‌های دانشجویان برای انتشار موفق در استورها ارائه گردد.
|
||||||
104
chapters/16-future-path/05-lesson-case-study-divar/spec.md
Normal file
104
chapters/16-future-path/05-lesson-case-study-divar/spec.md
Normal file
@@ -0,0 +1,104 @@
|
|||||||
|
# مشخصات درس‌نامه: بررسی موردی دیوار؛ پالایش هوشمند آگهی‌ها، چت امن و سیستم‌های ضدکلاهبرداری
|
||||||
|
- **شناسه در سیلابس:** `L16.3d`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۱۸ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L16.3c` (بررسی موردی کافه‌بازار)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** مقیاس عظیم پلتفرم نیازمندی‌های آنلاین **دیوار** با بیش از ۵۰ میلیون کاربر فعال و صدها هزار آگهی جدید روزانه در صدها شهر ایران را تحلیل نماید.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** سامانه پالایش خودکار آگهی‌ها (Automated Content Moderation) را با ترکیب مدل‌های پردازش زبان طبیعی (NLP/LLMs) برای کشف کلمات فریبکارانه و مدل‌های بینایی ماشین برای اسکن تصاویر آگهی‌ها ارزیابی کند.
|
||||||
|
- [ ] **درک کند (Understand):** سازوکار پایش بلادرنگ چت امن (Safe Chat) و سیستم‌های هشداردهنده خودکار ضد فیشینگ (Anti-Phishing) را در هنگام تبادل پیام میان خریدار و فروشنده بشناسد.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** الگوهای گاردریل محتوایی، اعتبارسنجی ورودی‌های متنی و دیوارهای امنیتی ضدسوءاستفاده را در بخش‌های تعاملی پروژه‌های آینده پیاده کند.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **تصویر کلان مقیاس دیوار: بازار آنلاین ایران:**
|
||||||
|
* انتشار صدها هزار آگهی روزانه در دسته‌های خودرو، مسکن، لوازم و استخدام، و میلیاردها بار بازدید هفتگی.
|
||||||
|
2. **محور اول هوش مصنوعی: پالایش خودکار و انتشار آنی آگهی‌ها (Ad Moderation):**
|
||||||
|
* چالش تایید آگهی در کمتر از چند ثانیه بدون تشکیل صف‌های چندساعته انسانی.
|
||||||
|
* پردازش متن با مدل‌های NLP: کشف کلمات ممنوعه، دور زدن‌های فریبکارانه شماره تماس (نوشتن شماره با حروف یا ایموجی)، و قیمت‌های غیرواقعی یا فیک.
|
||||||
|
* بینایی ماشین برای تصاویر: رد کردن عکس‌های تار، تشخیص عکس‌های کپی‌شده از اینترنت، و فیلتر محتوای نامناسب.
|
||||||
|
* تایید خودکار بیش از ۸۰٪ آگهی‌های سالم و ارجاع موارد مشکوک به کارشناسان انسانی.
|
||||||
|
3. **محور دوم هوش مصنوعی: سامانه چت امن و مقابله با فیشینگ (Safe Chat & Fraud Prevention):**
|
||||||
|
* کلاهبرداری کلاسیک «دریافت بیعانه با لینک پرداخت جعلی»: خریدار پیام می‌دهد «وارد این لینک شو بیعانه‌ت رو بگیر».
|
||||||
|
* مدل‌های هوش مصنوعی چطور در لحظه (Real-time) لینک‌های فیشینگ و الگوهای کلاهبرداری را شناسایی کرده و با کادر هشدار قرمز به کاربر اخطار می‌دهند؟
|
||||||
|
4. **محور سوم: مهندسی نرم‌افزار با AI در تیم‌های فنی دیوار:**
|
||||||
|
* معماری میکروسرویس‌های فوق‌پرسرعت با زبان‌های Go و Python و پایگاه داده توزیع‌شده.
|
||||||
|
* استفاده از ایجنت‌های هوش مصنوعی برای مستندسازی میکروسرویس‌ها و بازبینی کدهای PRها.
|
||||||
|
* ارکستراسیون ایجنت‌های پاسخ‌گوی پشتیبانی: پیشنهاد پاسخ‌های دقیق و سریع به اپراتورهای مرکز تماس برای حل مشکلات کاربران.
|
||||||
|
5. **درس‌های طلایی دیوار برای سازندگان وایب کدینگ:**
|
||||||
|
* حفظ سلامت اکوسیستم؛ اگر روی محتوای ورودی کاربران نظارت نکنید، اعتماد به برند شما در چند روز نابود می‌شود.
|
||||||
|
6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:**
|
||||||
|
* کال‌اوت بنفش (`<details class="violet">`): مفهوم مهار خطای انسانی و سیستم‌های هیبریدی (ترکیب ماشین + انسان)؛ هوش مصنوعی غربالگری اولیه را انجام می‌دهد و انسان تصمیم نهایی موارد مرزی را می‌گیرد.
|
||||||
|
* کال‌اوت سبز (`<details class="green">`): افتخار به مهندسی ایرانی؛ دیواری که کاملاً متناسب با زبان فارسی، لحن‌ها و اصطلاحات بومی ایران بهینه‌سازی شده است.
|
||||||
|
* کال‌اوت قرمز (`<details class="red">`): اهمیت حفاظت از حریم خصوصی؛ پایش محتوا برای امنیت نباید بهانه‌ای برای نقض حریم خصوصی و افشای چت‌های خصوصی کاربران باشد.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- جزییات تعاملات مالی با پلیس فتا و فرآیندهای استعلام قضایی.
|
||||||
|
- الگوریتم‌های هوش مصنوعی تخمین رسمی قیمت املاک برای مراجع دولتی.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| Content Moderation | پالایش و مدیریت محتوا | فرآیند بازرسی متون و تصاویر بارگذاری‌شده برای انطباق با قوانین و پیشگیری از تخلفات |
|
||||||
|
| Phishing Detection | کشف درگاه‌های جعلی فیشینگ | شناسایی پیوندها و رفتارهای کلاهبردارانه‌ای که قصد سرقت اطلاعات کارت بانکی کاربران را دارند |
|
||||||
|
| Text Obfuscation | مبهم‌سازی متنی فریبکارانه | تلاش کاربران خاطی برای دور زدن فیلترها با نوشتن اعداد با حروف، نمادها یا غلط املایی عمدی |
|
||||||
|
| Real-time Guardrails | سپرهای محافظتی بلادرنگ | فیلترهای ماشینی آنی که پیام‌ها را در کسری از ثانیه پیش از تحویل به طرف مقابل ارزیابی می‌کنند |
|
||||||
|
| Hybrid Moderation | پالایش ترکیبی انسان و ماشین | مدل همکاری که در آن هوش مصنوعی پالایش سریع را انجام داده و موارد مشکوک را به ناظر انسانی ارجاع می‌دهد |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** سپر دیجیتال نئونی درخشان با نشان قرمز و سفید دیوار که از میان میلیون‌ها آگهی آنلاین، آگهی‌های سالم را تایید و پیام‌های مشکوک را متوقف می‌کند.
|
||||||
|
2. **خط تولید پالایش خودکار آگهی در دیوار:** `images/divar-ad-moderation-pipeline.png`
|
||||||
|
* **موضوع:** اینفوگرافیک گام‌به‌گام: کاربر آگهی را ثبت می‌کند $\rightarrow$ اسکن متن با NLP (بررسی قیمت و کلمات) $\rightarrow$ اسکن عکس‌ها با بینایی ماشین $\rightarrow$ تایید آنی یا ارجاع به کارشناس $\rightarrow$ انتشار عمومی.
|
||||||
|
3. **سازوکار سپر محافظتی چت امن دیوار در برابر فیشینگ:** `images/divar-safe-chat-phishing-shield.png`
|
||||||
|
* **موضوع:** اسکرین‌شات از محیط چت دیوار با هایلایت قرمز دور پیام کلاهبردار و نمایش بنر اخطار نارنجی: «توجه: هرگز وارد لینک‌های ناشناس برای دریافت بیعانه نشوید!».
|
||||||
|
4. **داشبورد ارکستراسیون ایجنت‌های پشتیبانی دیوار:** `images/divar-support-ai-agent-screen.png`
|
||||||
|
* **موضوع:** اسکرین‌شات از پنل اپراتور پشتیبانی با متن پیشنهادی خودکار ایجنت هوش مصنوعی برای پاسخ سریع به کاربر.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# بررسی موردی دیوار؛ پالایش هوشمند آگهی‌ها، چت امن و سیستم‌های ضدکلاهبرداری`
|
||||||
|
2. **مقدمه:** چگونه پلتفرمی با بیش از ۵۰ میلیون کاربر، صدها هزار آگهی جدید در روز را در کمتر از چند ثانیه بدون به خطر افتادن امنیت مردم تایید و منتشر می‌کند؟
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **مقیاس خارق‌العاده دیوار: بزرگ‌ترین بازار معاملات بدون واسطه ایران:**
|
||||||
|
* انتشار آگهی‌ها در صدها شهر و تنوع بی‌شمار دسته‌بندی‌ها از ملک و خودرو تا استخدام.
|
||||||
|
5. **موتور پالایش محتوا (Content Moderation Engine):**
|
||||||
|
* شکار خودکار کلمات ممنوعه، قیمت‌های غیرواقعی و ترفندهای دور زدن شماره تماس.
|
||||||
|
* پردازش تصاویر با بینایی ماشین برای کشف عکس‌های دانلودی و بی‌کیفیت.
|
||||||
|
6. **سامانه چت امن: مبارزه هوشمند با کلاهبرداری بیعانه و فیشینگ:**
|
||||||
|
* پایش بلادرنگ پیام‌های رد و بدل شده و نمایش هشدارهای زنده به محض ارسال لینک‌های خطرناک.
|
||||||
|
7. **ترکیب طلایی انسان و ماشین (Hybrid Intelligence):**
|
||||||
|
* چرا هوش مصنوعی ۸۵٪ آگهی‌های استاندارد را فوراً آزاد می‌کند و ۱۵٪ موارد مشکوک را برای چشم تیزبین انسان می‌فرستد.
|
||||||
|
8. **مهندسی مدرن در دیوار: تیم‌هایی که با ابزارهای AI پرواز می‌کنند:**
|
||||||
|
* نوشتن میکروسرویس‌های پایدار Go و اتوماسیون تست‌ها و مستندات.
|
||||||
|
9. **درس‌های دیوار برای پروژه‌های شما:**
|
||||||
|
* ایجاد گاردریل‌های سخت‌گیرانه برای ورودی‌های کاربران؛ هرگز نگویید «کاربران من قصد بدی ندارند!».
|
||||||
|
10. **باکس نکته Quera (`<details class="violet">`):** چالش زبان فارسی و عامیانه در NLP؛ چگونه مهندسان دیوار مدل‌های زبانی را برای درک اصطلاحات محاوره‌ای و بازاری ایرانی بومی‌سازی کردند.
|
||||||
|
11. **باکس هشدار Quera (`<details class="red">`):** مسئولیت حفظ حریم خصوصی؛ پایش امنیتی چت‌ها باید کاملاً ماشینی، رمزنگاری‌شده و بدون نقض حریم شخصی کاربران انجام گیرد.
|
||||||
|
12. **باکس رضایت‌بخش Quera (`<details class="green">`):** الهام‌گیری از استانداردهای ایمن‌سازی دیوار و استفاده از این الگوها در فرم‌ها و چت‌بات پورتفولیو.
|
||||||
|
13. **جمع‌بندی درس‌نامه:** پایان بخش بررسی موردی شرکت‌های بزرگ فناوری ایران؛ ورود به ایستگاه سرنوشت‌ساز: نقش جدید توسعه‌دهنده به عنوان ارکستراتور سیستم‌ها در درس بعدی.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] مقیاس مهندسی و چالش‌های اعتماد در پلتفرم دیوار تشریح گردد.
|
||||||
|
- [ ] معماری پالایش خودکار آگهی‌ها (متن و تصویر) با جزئیات فنی ارائه شود.
|
||||||
|
- [ ] مکانیزم امنیتی چت امن و کشف بلادرنگ فیشینگ تبیین شود.
|
||||||
|
- [ ] رویکرد هیبریدی انسان و ماشین (Human-in-the-Loop) در پالایش محتوا تحلیل گردد.
|
||||||
@@ -0,0 +1,97 @@
|
|||||||
|
# مشخصات درس‌نامه: نقش جدید توسعه‌دهنده؛ ارکستراتور سیستم‌ها و کارگردان ایجنت‌های نرم‌افزاری
|
||||||
|
- **شناسه در سیلابس:** `L16.4`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۱۸ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L16.3d` (بررسی موردی دیوار)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** گذار تاریخی نقش مهندس نرم‌افزار از «تایپیست کدهای نحوی» (Syntax Bricklayer) به «ارکستراتور و کارگردان سیستم‌ها» (Systems Orchestrator) را درک و تبیین نماید.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** پنج ابرمهارت کلیدی ارکستراتور مدرن (فرمول‌بندی مسئله و مشخصات‌نویسی، ذائقه معماری سیستم، هدایت دقیق ایجنت‌ها، بازبینی کیفی و امنیتی کد، و درک عمیق محصول و کاربر) را در برابر مهارت‌های سنتی حفظ کردن نحو زبان‌ها ارزیابی کند.
|
||||||
|
- [ ] **درک کند (Understand):** پارادوکس جونز (Jevons Paradox) در صنعت نرم‌افزار را بشناسد؛ پدیده‌ای که نشان می‌دهد با کاهش هزینه تولید کد به نزدیک صفر، تقاضا برای ساخت نرم‌افزارها و جایگاه معماران سیستم انفجاری رشد می‌کند.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** ذهنیت رهبری و ارکستراسیون را در مدیریت روزانه ابزارهای Cursor, Claude Code, Supabase و سیستم‌های تست خودکار نهادینه کند.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **پایان دوران آجرچینی کدها: مرگ برنامه‌نویسی به مثابه تایپ کردن:**
|
||||||
|
* در گذشته ۶۰٪ زمان صرف براکت‌ها، سمیکالن‌ها، و حفظ سینتکس می‌شد؛ امروز هوش مصنوعی در چند ثانیه کد را می‌نویسد.
|
||||||
|
2. **استعاره رهبر ارکستر سمفونیک و کارگردان سینما:**
|
||||||
|
* رهبر ارکستر تک‌تک ویولن‌ها یا شیپورها را خودش نمی‌نوازد؛ او پارتیتور موسیقی (مشخصات و معماری) را می‌داند، هماهنگی سازها (ایجنت‌ها) را هدایت می‌کند و کیفیت نهایی اجرا را می‌سنجد.
|
||||||
|
3. **پنج ابرمهارت معماران و ارکستراتورهای سیستم‌ها:**
|
||||||
|
* مهارت ۱: فرمول‌بندی مسئله و تدوین مشخصات (Problem Formulation & Specs): شفاف‌سازی آنچه باید ساخته شود.
|
||||||
|
* مهارت ۲: ذائقه معماری و طراحی سیستم (System Design Taste): انتخاب دیتابیس مناسب، اتصال سرویس‌ها و مرزبندی لایه‌ها.
|
||||||
|
* مهارت ۳: هدایت ایجنت‌ها و مهندسی پرامپت (Agentic Guidance): دادن کانتکست ایزوله، قیود منفی و هدایت اتمیک.
|
||||||
|
* مهارت ۴: بازبینی موشکافانه کیفیت و امنیت (Code Review & QA): کشف توهمات، باگ‌های لبه‌ای و رخنه‌های امنیتی.
|
||||||
|
* مهارت ۵: همدلی با کاربر و هوش تجاری (Product Empathy & Domain Knowledge): درک عمیق درد کاربر و چرایی ساخت محصول.
|
||||||
|
4. **اقتصاد بازار کار نرم‌افزار: پارادوکس جونز (Jevons Paradox):**
|
||||||
|
* چرا هوش مصنوعی برنامه‌نویسان را بیکار نمی‌کند؟ ارزان‌تر شدن کدنویسی مساوی با تقاضای بی‌پایان جهان برای اپلیکیشن‌ها، نرم‌افزارهای سلامت، لجستیک، هوشمندسازی و خودکارسازی است.
|
||||||
|
5. **جایگاه سازندگان وایب کدینگ در شرکت‌های بزرگ و استارتاپ‌ها:**
|
||||||
|
* یک فرد مجهز به مهارت ارکستراسیون می‌تواند خروجی یک تیم ۵ نفره سنتی را به تنهایی تحویل دهد.
|
||||||
|
6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:**
|
||||||
|
* کال‌اوت بنفش (`<details class="violet">`): پارادوکس جونز در علم اقتصاد؛ چطور اختراع موتور بخار مصرف زغال‌سنگ را به جای کاهش، هزار برابر افزایش داد و چرا هوش مصنوعی تقاضای نرم‌افزار را منفجر می‌کند.
|
||||||
|
* کال‌اوت سبز (`<details class="green">`): احساس آزادی و قدرت بی‌پایان؛ اکنون هیچ ایده‌ای در ذهن شما وجود ندارد که نتوانید آن را در یک آخرهفته به یک محصول تجاری کامل تبدیل کنید.
|
||||||
|
* کال‌اوت قرمز (`<details class="red">`): تله تنبلی فکری؛ ارکستراتور هرگز به معنای زدن چشم‌بسته دکمه Accept نیست؛ تسلط ادراکی و نظارت دقیق انسانی قلب تپنده ارکستراسیون است.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- پیش‌بینی‌های تاریخی درباره دهه‌های آینده دور و سایبرنتیک.
|
||||||
|
- دوره‌های آموزش رزومه‌نویسی سنتی بدون ارتباط با مهارت‌های مدرن دوره.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| Systems Orchestrator | ارکستراتور سیستم‌ها | مهندس مدرنی که طراحی معماری، تخصیص تسک‌ها و تضمین کیفیت زنجیره ایجنت‌های هوش مصنوعی را رهبری می‌کند |
|
||||||
|
| Jevons Paradox | پارادوکس جونز | اصل اقتصادی بیان‌کننده اینکه افزایش بهره‌وری و کاهش هزینه تولید یک منبع، موجب افزایش تصاعدی کل مصرف آن می‌شود |
|
||||||
|
| System Design Taste | ذائقه طراحی سیستم | توانایی شهودی و مهندسی انتخاب الگوهای معماری تمیز، متناسب و مقیاس‌پذیر برای یک محصول |
|
||||||
|
| Problem Formulation | فرمول‌بندی مسئله | مهارت تبدیل نیازهای مبهم و انسانی دنیای واقعی به مسائل شفاف، مرزبندی‌شده و قابل حل نرم‌افزاری |
|
||||||
|
| Intellectual Agency | تسلط و عاملیت ادراکی | حفظ کنترل، مسئولیت و درک عمیق مهندس نسبت به تمام خطوط و خروجی‌های کدهای تولیدشده توسط ماشین |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** رهبر ارکستر نئونی مدرن با چوب‌دستی نورانی که در میان امواج ایجنت‌های هوشمند دیجیتال ایستاده و هارمونی سیستم‌های ابری را هماهنگ می‌کند.
|
||||||
|
2. **مقایسه نقش برنامه‌نویس دیروز با ارکستراتور امروز:** `images/developer-vs-orchestrator.png`
|
||||||
|
* **موضوع:** اینفوگرافیک مقایسه‌ای: کدنویس سنتی (غرق در تایپ خطوط نحوی) در برابر ارکستراتور مدرن (ایستاده بر فراز معماری، مشخصات، تست‌ها و امنیت).
|
||||||
|
3. **پنج ستون مهارت‌های ابرارکستراتور نرم‌افزار:** `images/five-super-skills-radar.png`
|
||||||
|
* **موضوع:** نمودار راداری ۵ مهارت: فرمول‌بندی مسئله، ذائقه معماری، هدایت ایجنت، بازبینی کد، و همدلی محصولی.
|
||||||
|
4. **نمودار اقتصادی پارادوکس جونز در صنعت نرم‌افزار:** `images/jevons-paradox-software.png`
|
||||||
|
* **موضوع:** نمودار گرافیکی: کاهش هزینه تولید کد $\rightarrow$ انفجار تقاضا برای ساخت پروژه‌ها $\rightarrow$ رشد سرسام‌آور ارزش معماران و ارکستراتورها.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# نقش جدید توسعه‌دهنده؛ ارکستراتور سیستم‌ها و کارگردان ایجنت‌های نرم‌افزاری`
|
||||||
|
2. **مقدمه:** آیا هوش مصنوعی شغل برنامه‌نویسان را نابود می‌کند؟ خیر؛ بلکه هوش مصنوعی برنامه‌نویسان را از بردگی تایپ سینتکس آزاد کرده و به صندلی کارگردانی نشانده است!
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **دگرگونی بزرگ: از تایپیست کد به رهبر ارکستر:**
|
||||||
|
* رهبر ارکستر موسیقی را می‌شناسد، ناهماهنگی را می‌شنود و روح اثر را خلق می‌کند؛ شما رهبر ارکستر نرم‌افزار خود هستید.
|
||||||
|
5. **پنج ابرمهارت ارکستراتورها در عصر هوش مصنوعی:**
|
||||||
|
* تشریح عمیق ۵ مهارت کلیدی و چرایی اهمیت هر یک در بازار کار جدید.
|
||||||
|
6. **پارادوکس جونز (Jevons Paradox): چرا کار شما در آینده بیش از هر زمان دیگری رونق دارد؟**
|
||||||
|
* وقتی ساخت نرم‌افزار ارزان و سریع شود، هر کسب‌وکار، پزشک، معلم، فروشگاه و سازمانی نیازمند ده‌ها نرم‌افزار هوشمند اختصاصی خواهد بود.
|
||||||
|
7. **ارزش اقتصادی یک تیم تک‌نفره (The One-Person Unicorn):**
|
||||||
|
* چگونه سازنده‌ای که بر وایب کدینگ و مهندسی ایجنتیک مسلط است، می‌تواند به اندازه یک تیم مهندسی سنتی خروجی تجاری خلق کند.
|
||||||
|
8. **باکس نکته Quera (`<details class="violet">`):** تغییر لحن در مصاحبه‌های شغلی؛ به جای گفتن «من سینتکس جاوااسکریپت بلدم»، بگویید: «من می‌توانم با هدایت ایجنت‌های هوش مصنوعی، یک محصول کامل و امن را در یک هفته از ایده به پروداکشن برسانم».
|
||||||
|
9. **باکس هشدار Quera (`<details class="red">`):** خطر از دست دادن کنترل فکری؛ هرگز اجازه ندهید سرعت ایجنت‌ها باعث شود کدی را بدون اینکه از دلیل وجودش مطمئن باشید بپذیرید.
|
||||||
|
10. **باکس رضایت‌بخش Quera (`<details class="green">`):** احساس اقتدار، اعتماد به نفس و امید به آینده؛ شما اکنون مسلح به مدرن‌ترین شیوه خلق نرم‌افزار در جهان هستید.
|
||||||
|
11. **جمع‌بندی درس‌نامه:** تثبیت هویت ارکستراتور؛ ورود به مبحث استراتژی‌های یادگیری مستمر و به‌روز ماندن در میان طوفان ابزارهای نو در درس بعدی.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] تحول نقش سنتی برنامه‌نویس به ارکستراتور سیستم‌ها با استعاره رهبر ارکستر تبیین شود.
|
||||||
|
- [ ] مهارت‌های پنج‌گانه ارکستراتور مدرن به صورت عمیق و تفکیک‌شده ارائه گردند.
|
||||||
|
- [ ] پدیده اقتصادی پارادوکس جونز (Jevons Paradox) به همراه نمودار مفهومی تشریح شود.
|
||||||
|
- [ ] چشم‌انداز بازار کار و جایگاه سازندگان مستقل در اقتصاد دیجیتال تبیین گردد.
|
||||||
@@ -0,0 +1,102 @@
|
|||||||
|
# مشخصات درس‌نامه: مسیر آینده، یادگیری مستمر و فیلتر سیگنال از نویز در طوفان هوش مصنوعی
|
||||||
|
- **شناسه در سیلابس:** `L16.5`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۱۶ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L16.4` (نقش جدید توسعه‌دهنده: ارکستراتور سیستم‌ها)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** شتاب خیره‌کننده دنیای هوش مصنوعی را تحلیل کرده و روش‌های پیشگیری از فرسودگی ناشی از تغییرات مداوم ابزارها (AI Fatigue) را شرح دهد.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** تفاوت بنیادین میان «دانش پایدار زیرساختی» (Durable Knowledge: مفاهیم وب، امنیت، دیتابیس و معماری) با «دانش ابزاری زودگذر» (Ephemeral Knowledge: نام و رابط کاربری ابزارهای روزمره) را ارزیابی کند.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** فیلتر تفکیک سیگنال از نویز (Signal vs Noise Filter) را با دنبال کردن مراجع معتبر، خبرنامه‌های کیفی و مخازن گیت‌هاب برای به‌روز ماندن فعال نماید.
|
||||||
|
- [ ] **ایجاد کند (Create):** یک استراتژی ساخت در انظار عمومی (Build in Public) در شبکه‌های حرفه‌ای (لینکدین و گیت‌هاب) طراحی کند تا دستاوردها و پروژه‌ها به فرصت‌های واقعی شغلی و تجاری تبدیل شوند.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **طوفان هرروزه ابزارها: چگونه در دریای هوش مصنوعی غرق نشویم؟**
|
||||||
|
* هر هفته یک مدل جدید، یک فریم‌ورک جدید و یک ابزار ترند می‌آید؛ رمز آرامش و پیشرفت چیست؟
|
||||||
|
2. **سپر دفاعی در برابر فرسودگی: تمایز دانش پایدار و دانش زودگذر:**
|
||||||
|
* دانش پایدار (Durable Knowledge): اصول کارکرد اینترنت، دیتابیس رابطه‌ای، امنیت، تست‌نویسی، درک نیاز کاربر و هنر مشخصات‌نویسی (این دانش‌ها تا دهه‌ها ماندگارند).
|
||||||
|
* دانش زودگذر (Ephemeral Knowledge): نام دکمه‌های Cursor، دستورات خاص یک کتابخانه نوظهور، یا کلیدهای یک چت‌بات (این‌ها دائماً عوض می‌شوند و نباید برایشان نگران بود).
|
||||||
|
3. **فیلتر طلایی تفکیک سیگنال از هیاهو (Signal vs Noise):**
|
||||||
|
* دوری از موج‌سواری‌ها و توییت‌های اغراق‌آمیز «برنامه‌نویسی تمام شد!».
|
||||||
|
* مراجع درجه یک برای پیگیری تحولات واقعی:
|
||||||
|
- رصد ریپازیتوری‌های ترند گیت‌هاب (GitHub Trending).
|
||||||
|
- وبلاگ‌ها و نوشته‌های معماران برجسته (آندری کارپاتی، سایمون ویلیسون، مارتین فاولر).
|
||||||
|
- خبرنامه‌های مهندسی باکیفیت و بدون هیاهو نظیر The Batch و TLDR.
|
||||||
|
- کامیونیتی دانشجویان و فارغ‌التحصیلان کوئرا کالج.
|
||||||
|
4. **عادت آزمایش ۶۰ دقیقه‌ای آخر هفته (The 60-Minute Spike):**
|
||||||
|
* به جای خواندن ۵۰ خبر درباره یک ابزار جدید، ۶۰ دقیقه به خود فرصت دهید و یک مینی‌پروژه کوچک با آن بسازید تا حد و مرز واقعی‌اش را کشف کنید.
|
||||||
|
5. **قدرت خارق‌العاده ساخت در ملاء عام (Build in Public):**
|
||||||
|
* اشتراک‌گذاری فرآیند ساخت، چالش‌ها، حل باگ‌ها و لینک لایو پورتفولیو در لینکدین.
|
||||||
|
* چگونه مستند کردن مسیر، کارفرمایان و پروژه‌های بین‌المللی را به سوی شما جذب می‌کند.
|
||||||
|
6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:**
|
||||||
|
* کال‌اوت بنفش (`<details class="violet">`): مفهوم یادگیری تی‌شکل (T-Shaped Skills)؛ دانش عمومی در همه ابزارها در کنار تخصص عمیق در پشته اصلی خودتان.
|
||||||
|
* کال‌اوت سبز (`<details class="green">`): داستان‌های واقعی از اعضای کوئرا که با انتشار یک پست فنی از پورتفولیوی خود، پیشنهادهای کاری عالی دریافت کردند.
|
||||||
|
* کال‌اوت قرمز (`<details class="red">`): تله عوض کردن مداوم ابزارها (Shiny Object Syndrome)؛ با تغییر هرروزه ابزار، هرگز به استادی در یک اکوسیستم نخواهید رسید.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- آموزش الگوریتم‌های شبکه‌های اجتماعی برای جذب فالوور زرد.
|
||||||
|
- مباحث تخصصی بازاریابی ویروسی محتوا.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| Durable Knowledge | دانش پایدار بنیادین | اصول جاودانه مهندسی و علوم کامپیوتر که مستقل از تغییر نسخه‌ها و ابزارها معتبر باقی می‌مانند |
|
||||||
|
| Ephemeral Knowledge | دانش زودگذر ابزاری | جزییات موقتی نحو یا رابط کاربری ابزارها که دائماً در حال تغییر و جایگزینی هستند |
|
||||||
|
| Build in Public | ساخت در ملاء عام | رویکرد به اشتراک‌گذاری شفاف مراحل توسعه، شکست‌ها و پیشرفت‌های محصول در شبکه‌های حرفه‌ای |
|
||||||
|
| Signal vs Noise | سیگنال در برابر نویز | مهارت تفکیک اطلاعات ارزشمند و کاربردی فنی از هیاهوها و تبلیغات اغراق‌آمیز اینترنتی |
|
||||||
|
| Shiny Object Syndrome | سندروم شیء براق جدید | تمایل وسواسی به رها کردن کار روی پروژه اصلی برای پریدن روی هر ابزار یا فریم‌ورک تازه‌معرفی‌شده |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** فانوس دریایی نئونی درخشان در میان طوفان امواج دیجیتال که مسیر امن کشتی را در اقیانوس فناوری روشن می‌کند.
|
||||||
|
2. **کوه یخ دانش: پایدار در برابر زودگذر:** `images/durable-vs-ephemeral-iceberg.png`
|
||||||
|
* **موضوع:** اینفوگرافیک کوه یخ: نوک قله بیرون از آب (ابزارها و مدل‌های زودگذر) در برابر بدنه عظیم غوطه‌ور در آب (معماری، وب، امنیت، دیتابیس و حل مسئله).
|
||||||
|
3. **چرخه ساخت در ملاء عام (Build in Public Loop):** `images/build-in-public-cycle.png`
|
||||||
|
* **موضوع:** فلوچارت رشد: ساخت محصول $\rightarrow$ انتشار دموی زنده و گزارش در لینکدین $\rightarrow$ دریافت بازخورد و تعامل $\rightarrow$ جذب پروژه‌ها و ارتباطات کاری.
|
||||||
|
4. **نقشه منابع موثق سیگنال در برابر نویز:** `images/signal-sources-radar.png`
|
||||||
|
* **موضوع:** تصویر گرافیکی رادار با فیلتر هیاهو و نشانه‌گذاری مخازن معتبر، متون مهندسی و جامعه توسعه‌دهندگان کوئرا در کانون رادار.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# مسیر آینده، یادگیری مستمر و فیلتر سیگنال از نویز در طوفان هوش مصنوعی`
|
||||||
|
2. **مقدمه:** چگونه در دنیایی که هر روز صبح یک مدل یا ابزار جدید معرفی می‌شود، نه تنها دچار سردرگمی و خستگی نشویم، بلکه همیشه یک گام جلوتر باشیم؟
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **استعاره ریشه‌های درخت تنومند و برگ‌های فصلی:**
|
||||||
|
* برگ‌ها در پاییز می‌ریزند و برگ‌های نو در بهار می‌رویند (ابزارها)، اما ریشه محکم در خاک می‌ماند (دانش بنیادین مهندسی).
|
||||||
|
5. **دانش پایدار در برابر دانش زودگذر: روی چه چیزی سرمایه‌گذاری کنیم؟**
|
||||||
|
* چرا یادگیری معماری سیستم، امنیت و مهارت دیباگ همیشه شما را برنده نگه می‌دارد.
|
||||||
|
6. **فیلتر سیگنال از نویز: کانال‌های اصیل اطلاعاتی را بشناسید:**
|
||||||
|
* دوری از تیترهای زرد کلیک‌خور و مراجعه به منابع موثق، گیت‌هاب و مهندسان تراز اول.
|
||||||
|
7. **عادت جادویی تست ۶۰ دقیقه‌ای (Weekend Spike):**
|
||||||
|
* چگونه در یک ساعت ابزارهای نوظهور را به چالش بکشیم بدون اینکه وقتمان هدر برود.
|
||||||
|
8. **هنر Build in Public: کاری کنید که فرصت‌ها به سراغ شما بیایند:**
|
||||||
|
* انتشار دموی پورتفولیو، ویدیوی کارکرد چت‌بات، و نوشتن یک پست آموزشی کوتاه درباره چالش‌هایی که در این دوره حل کردید.
|
||||||
|
9. **باکس نکته Quera (`<details class="violet">`):** استفاده از مهارت یادگیری T-Shaped؛ داشتن درک کلی از تمام ابزارهای AI در کنار تسلط عمیق بر پشته مدرن Next.js + Supabase.
|
||||||
|
10. **باکس هشدار Quera (`<details class="red">`):** سندروم شیء براق (Shiny Object Syndrome)؛ هرگز پروژه در حال پیشرفت خود را برای سوار شدن بر موج یک فریم‌ورک آزمایشی جدید نیمه‌کاره رها نکنید.
|
||||||
|
11. **باکس رضایت‌بخش Quera (`<details class="green">`):** احساس آرامش و بینش روشن نسبت به آینده؛ شما اکنون فرمول بقا و درخشش در عصر هوش مصنوعی را می‌دانید.
|
||||||
|
12. **جمع‌بندی درس‌نامه:** تثبیت رویکرد یادگیری مستمر؛ ورود به باشکوه‌ترین لحظه: جشن فارغ‌التحصیلی، جمع‌بندی دوره و دریافت گواهینامه کوئرا در درس پایانی!
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] پدیده فرسودگی هوش مصنوعی (AI Fatigue) و راهکارهای غلبه بر آن تبیین شود.
|
||||||
|
- [ ] تمایز میان دانش پایدار و دانش زودگذر با مصادیق عینی تشریح گردد.
|
||||||
|
- [ ] استراتژی فیلتر سیگنال از نویز و منابع معتبر معرفی شوند.
|
||||||
|
- [ ] مزایای رویکرد ساخت در ملاء عام (Build in Public) برای جذب فرصت‌های شغلی لحاظ گردد.
|
||||||
@@ -0,0 +1,106 @@
|
|||||||
|
# مشخصات درس‌نامه: جشن پایان دوره، کارنامه دستاوردها، منابع طلایی و گواهی کوئرا کالج
|
||||||
|
- **شناسه در سیلابس:** `L16.6`
|
||||||
|
- **فصل:** فصل ۱۶: ادامه راه (Ch 16)
|
||||||
|
- **نوع محتوا:** 📘 درس‌نامه متنی
|
||||||
|
- **زمان تقریبی مطالعه:** ۱۵ دقیقه
|
||||||
|
- **پیش‌نیازهای مستقیم:** `L16.5` (مسیر آینده، یادگیری مستمر و فیلتر سیگنال از نویز)
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
|
||||||
|
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
|
||||||
|
- [ ] **درک کند (Understand):** تصویر کلان ۱۶ فصل پرماجرای دوره و تحول شگفت‌انگیز هویت خود از یک فرد ناآشنا با کد تا یک معمار تمام‌عیار نرم‌افزار و ارکستراتور ایجنت‌ها را مرور نماید.
|
||||||
|
- [ ] **تحلیل/ارزیابی کند (Evaluate):** کارنامه فنی محصول ساخته‌شده در طول دوره (پورتفولیوی چندسکویی، پنل ادمین، دیتابیس Supabase، پیامک، ایمیل، درگاه پرداخت، چت‌بات هوش مصنوعی، مانیتورینگ سنتری، PWA، اپ اندروید و دسکتاپ) را ارزیابی کند.
|
||||||
|
- [ ] **به‌کار ببندد (Apply):** کتابخانه جامع منابع طلایی، مخازن مرجع، جامعه دانش‌آموختگان کوئرا و الگوهای پرامپت‌های پیشرفته را در پروژه‌های حرفه‌ای بعدی به کار گیرد.
|
||||||
|
- [ ] **ایجاد کند (Create):** گواهی رسمی معتبر و دو زبانه پایان دوره کوئرا کالج را دریافت کرده و پروژه خود را در تالار افتخارات کوئرا و شبکه‌های حرفه‌ای با افتخار ثبت کند.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
|
||||||
|
|
||||||
|
### آنچه باید پوشش داده شود (In-Scope):
|
||||||
|
1. **لحظه باشکوه فارغ‌التحصیلی: شما فاتح قله وایب کدینگ شدید!**
|
||||||
|
* مروری بر روزهای اول فصل ۱ و ۲؛ جایی که شاید نوشتن یک پرامپت ساده دلهره‌آور بود، تا امروز که یک سیستم چندپلتفرمه جهانی را اداره می‌کنید.
|
||||||
|
2. **کارنامه افتخارات مهندسی: آنچه در این دوره واقعاً خلق کردید:**
|
||||||
|
* پورتفولیوی مدرن با فریم‌ورک Next.js و استایل‌های شکیل TailwindCSS.
|
||||||
|
* پایگاه داده ابری رابطه‌ای PostgreSQL در Supabase با سیاست‌های ضدگلوله RLS.
|
||||||
|
* احراز هویت امن با Google، GitHub و الگوی ورود پیامکی بومی.
|
||||||
|
* اتصال وب‌سرویس پیامک کاوه‌نگار و SMS.ir با الگوهای خدماتی عبور از بلک‌لیست.
|
||||||
|
* اتصال ایمیل‌سرور تراکنشی لیارا با پروتکل استاندارد SMTP.
|
||||||
|
* اتصال درگاه پرداخت آنلاین ایرانی با زرین‌پال و پروتکل تایید تراکنش (Verification).
|
||||||
|
* تزریق مغز متفکر هوش مصنوعی با چت‌بات رزومه زنده و استریم توکن‌ها.
|
||||||
|
* جستجوی معنایی پیشرفته با اکستنشن برداری pgvector.
|
||||||
|
* سپرهای دفاعی اعتبارسنجی Zod، مقابله با XSS و ریت لیمیتینگ سرورلس با Upstash Redis.
|
||||||
|
* استقرار زنده روی پلتفرم‌های لیارا و ورسل با دامنه اختصاصی، SSL رایگان و CDN ابر آروان و کلودفلر.
|
||||||
|
* جعبه سیاه ردگیری باگ با Sentry و مانیتورینگ ۲۴ ساعته آپتایم با هشدار تلگرام UptimeRobot.
|
||||||
|
* سئو تکنیکال خودکار، سرچ کنسول گوگل و تحلیل ویدیویی رفتار با Microsoft Clarity.
|
||||||
|
* وب‌اپلیکیشن پیش‌رونده (PWA) با قابلیت کارکرد آفلاین.
|
||||||
|
* خروجی اپلیکیشن موبایل اندروید (APK) با Capacitor و نسخه Expo.
|
||||||
|
* خروجی نرم‌افزار دسکتاپ سبک با فریم‌ورک انقلابی Tauri.
|
||||||
|
3. **گنجینه منابع طلایی برای ادامه مسیر (Resource Vault):**
|
||||||
|
* پیوند مخازن پرامپت‌های مهندسی، قوانین استانداردهای ادیتورها (`.cursorrules`).
|
||||||
|
* جامعه توسعه‌دهندگان و کانال‌های اختصاصی فارغ‌التحصیلان کوئرا کالج برای شبکه‌سازی و جذب پروژه.
|
||||||
|
4. **راهنمای دریافت گواهی رسمی کوئرا کالج:**
|
||||||
|
* شرایط نهایی، دریافت لینک استعلام بین‌المللی گواهی و افزودن آن به پروفایل لینکدین (Licenses & Certifications).
|
||||||
|
5. **پیام تبریک و بدرقه رسمی تیم کوئرا کالج:**
|
||||||
|
* دعوت به ادامه پرواز، جسارت در ساخت ایده‌ها و رها نکردن اشتیاق خلق کردن.
|
||||||
|
|
||||||
|
### آنچه نباید وارد آن شویم (Out-of-Scope):
|
||||||
|
- مباحث دوره‌های دیگر یا تبلیغات نامرتبط تجاری.
|
||||||
|
- آزمون‌های داوری مجدد؛ این درس جشن پایان و تحویل کارنامه است.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
|
||||||
|
|
||||||
|
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
|
||||||
|
| :--- | :--- | :--- |
|
||||||
|
| End-to-End Product Builder | سازنده کامل محصول | فردی توانمند که می‌تواند تمام مراحل یک پروژه از ایده تا فرانت، بک، دیتابیس، دیپلوی و نگهداری را رهبری کند |
|
||||||
|
| Quera College Certificate | گواهی رسمی کوئرا کالج | مدرک معتبر مهارت‌آموزی دارای کد استعلام آنلاین و شناسه رسمی برای ارائه به کارفرمایان داخلی و خارجی |
|
||||||
|
| Resource Vault | گنجینه منابع تخصصی | مجموعه دستچین‌شده و غنی از مستندات، پرامپت‌ها، مخازن و ابزارهای توسعه برای پروژه‌های آینده |
|
||||||
|
| Hall of Fame | تالار افتخارات | بخش ویژه نمایش برترین پروژه‌ها و پورتفولیوهای فارغ‌التحصیلان برتر در پلتفرم کوئرا |
|
||||||
|
| Ship, Iterate, Scale | بساز، تکرار کن، مقیاس بده | مانیفست بنیادین سازندگان موفق دنیای فناوری برای استمرار در خلق ارزش |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
|
||||||
|
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:
|
||||||
|
|
||||||
|
1. **تصویر کاور درس:** `images/cover.png`
|
||||||
|
* **موضوع:** صحنه جشن باشکوه دیجیتال نئونی با پرتاب کاغذهای رنگی (Confetti)، جام درخشان قهرمانی و کلاه فارغ‌التحصیلی طلایی بر فراز لپ‌تاپ پورتفولیو.
|
||||||
|
2. **اینفوگرافیک کارنامه جامع دستاوردهای دوره (۱۶ فصل در یک نگاه):** `images/course-mastery-infographic.png`
|
||||||
|
* **موضوع:** پوستر کامل مسیر: از پرامپت‌نویسی $\rightarrow$ فرانت‌اند Next.js $\rightarrow$ دیتابیس Supabase $\rightarrow$ پیامک و پرداخت $\rightarrow$ امنیت $\rightarrow$ دیپلوی لیارا $\rightarrow$ مانیتورینگ $\rightarrow$ موبایل و دسکتاپ.
|
||||||
|
3. **نمونه گواهی رسمی فارغ‌التحصیلی کوئرا کالج:** `images/quera-certificate-sample-preview.png`
|
||||||
|
* **موضوع:** تصویر لوکس و باکیفیت از گواهی انگلیسی و فارسی کوئرا کالج با مهر طلایی، کد استعلام QR و عنوان دوره وایب کدینگ.
|
||||||
|
4. **دعوت‌نامه ورود به تالار افتخارات و کامیونیتی کوئرا:** `images/quera-community-hall-of-fame.png`
|
||||||
|
* **موضوع:** بنر گرافیکی جامعه دانش‌آموختگان با آیکون‌های تعامل، فرصت‌های شغلی و اشتراک‌گذاری پروژه‌ها.
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)
|
||||||
|
|
||||||
|
1. **تیتر اصلی:** `# جشن پایان دوره، کارنامه دستاوردها، منابع طلایی و گواهی کوئرا کالج`
|
||||||
|
2. **مقدمه:** کلاه‌ها را به هوا پرتاب کنید! به خط پایان یکی از جامع‌ترین و مدرن‌ترین دوره‌های مهندسی نرم‌افزار جهان رسیدید؛ لحظه‌ای برای افتخار به مسیری که پیمودید.
|
||||||
|
3. **جدول کاور درس**
|
||||||
|
4. **نگاهی به پشت سر: روز اول در برابر امروز:**
|
||||||
|
* یادآوری اولین باری که با ابزارهای هوش مصنوعی آشنا شدید در برابر قدرتی که امروز در ساخت و انتشار سیستم‌های پیچیده دارید.
|
||||||
|
5. **کارنامه درخشان یک ارکستراتور: چه چیزهایی در دستان شماست؟**
|
||||||
|
* مرور تیتروار ۱۶ شاهکار فنی ساخته‌شده در پروژه پورتفولیو.
|
||||||
|
6. **جعبه ابزار طلایی برای پروژه‌های آینده (Resource Vault):**
|
||||||
|
* معرفی مخازن گیت‌هاب برتر، سایت‌های الهام‌بخش طراحی (21st.dev, Mobbin)، پرامپت‌های نجات‌بخش، و مراجع تخصصی.
|
||||||
|
7. **شبکه‌سازی و ورود به جامعه فارغ‌التحصیلان کوئرا:**
|
||||||
|
* چگونه با سایر سازندگان دوره ارتباط بگیرید، تیم تشکیل دهید و پروژه‌های تجاری بزرگ‌تر را شکار کنید.
|
||||||
|
8. **راهنمای گام‌به‌گام دریافت گواهی رسمی کوئرا کالج:**
|
||||||
|
* ثبت اطلاعات، صدور مدرک دارای بارکد اصالت‌سنجی آنلاین، و قرار دادن نشان افتخار در لینکدین.
|
||||||
|
9. **باکس نکته Quera (`<details class="violet">`):** ثبت لینک پروژه در تالار افتخارات (Hall of Fame) کوئرا برای دیده‌شدن توسط شرکت‌های همکار و کارفرمایان متقاضی نیرو.
|
||||||
|
10. **باکس رضایت‌بخش Quera (`<details class="green">`):** پیام پرشور و صمیمانه تیم منتورها و طراحان دوره کوئرا کالج: «شما مایه افتخار ما هستید؛ دنیا منتظر دیدن ایده‌های بزرگی است که خواهید ساخت!»
|
||||||
|
11. **سخن پایانی و مانیفست همیشگی وایب کدرها:**
|
||||||
|
> **«ایده‌ها ارزانند؛ این توانایی ساختن، منتشر کردن و هدایت هوشمندانه است که از شما یک سازنده تسلیم‌ناپذیر می‌سازد. به ساختن ادامه دهید!»**
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)
|
||||||
|
- [ ] دستاوردهای جامع ۱۶ فصل دوره به صورت منسجم و الهام‌بخش جمع‌بندی شود.
|
||||||
|
- [ ] فهرست منابع طلایی، مخازن کمکی و راهنمای کامیونیتی ارائه گردد.
|
||||||
|
- [ ] شیوه دریافت و اعتبارسنجی گواهی رسمی کوئرا کالج تشریح شود.
|
||||||
|
- [ ] لحن پایانی پرشور، حرفه‌ای و منطبق بر استانداردهای والای پداگوژی کوئرا باشد.
|
||||||
@@ -3,7 +3,7 @@
|
|||||||
> **عنوان دوره:** وایب کدینگ: ساخت پروژهٔ واقعی با هوش مصنوعی (Build & Ship Real Projects with AI)
|
> **عنوان دوره:** وایب کدینگ: ساخت پروژهٔ واقعی با هوش مصنوعی (Build & Ship Real Projects with AI)
|
||||||
> **مخاطب:** بدون نیاز به دانش برنامه‌نویسی؛ فقط تجربهٔ کاربری کامپیوتر و چت با ابزارهای هوش مصنوعی (طراحان، مدیران محصول، کارآفرینان و متخصصان حوزه‌های مختلف)
|
> **مخاطب:** بدون نیاز به دانش برنامه‌نویسی؛ فقط تجربهٔ کاربری کامپیوتر و چت با ابزارهای هوش مصنوعی (طراحان، مدیران محصول، کارآفرینان و متخصصان حوزه‌های مختلف)
|
||||||
> **پیش‌نیاز:** آشنایی با کار با کامپیوتر و اینترنت (بدون نیاز به سابقه برنامه‌نویسی)
|
> **پیش‌نیاز:** آشنایی با کار با کامپیوتر و اینترنت (بدون نیاز به سابقه برنامه‌نویسی)
|
||||||
> **آمار کل دوره:** ۱۶ فصل | ۱۰۷ درس‌نامه متنی | ۲ آزمون تستی | ۲ نقطهٔ عطف پروژهٔ عملی | ۲۰۰ امتیاز کل
|
> **آمار کل دوره:** ۱۶ فصل | ۱۱۰ درس‌نامه متنی | ۲ آزمون تستی | ۲ نقطهٔ عطف پروژهٔ عملی | ۲۰۰ امتیاز کل
|
||||||
> **سند مرجع نهایی:** [Google Sheets — Vibe Coding Course Syllabus (FINAL)](https://docs.google.com/spreadsheets/d/1E3sD6iRgE_CzRktGRlggvuBLk2NRPPq1k8Mab7TcUMk/edit?gid=652437728#gid=652437728)
|
> **سند مرجع نهایی:** [Google Sheets — Vibe Coding Course Syllabus (FINAL)](https://docs.google.com/spreadsheets/d/1E3sD6iRgE_CzRktGRlggvuBLk2NRPPq1k8Mab7TcUMk/edit?gid=652437728#gid=652437728)
|
||||||
|
|
||||||
---
|
---
|
||||||
@@ -27,8 +27,8 @@
|
|||||||
| **۱۳** | نگهداری محصول | ۷ | ۰ | — | ۰ | مانیتورینگ، مدیریت لاگ، سئو فنی، تحلیل رفتار کاربر و مستندسازی |
|
| **۱۳** | نگهداری محصول | ۷ | ۰ | — | ۰ | مانیتورینگ، مدیریت لاگ، سئو فنی، تحلیل رفتار کاربر و مستندسازی |
|
||||||
| **۱۴** | پروژه ۲ | — | ۰ | نقطهٔ عطف ۲ | ۰ | یکپارچه‌سازی کامل سرویس‌ها، تست، ارتقای امنیت و انتشار نهایی |
|
| **۱۴** | پروژه ۲ | — | ۰ | نقطهٔ عطف ۲ | ۰ | یکپارچه‌سازی کامل سرویس‌ها، تست، ارتقای امنیت و انتشار نهایی |
|
||||||
| **۱۵** | تکامل محصول با AI | ۱۲ | ۰ | — | ۰ | تحلیل فیدبک، ریفکتور، ایجنت‌های خودکار، PWA، اپ موبایل و دسکتاپ |
|
| **۱۵** | تکامل محصول با AI | ۱۲ | ۰ | — | ۰ | تحلیل فیدبک، ریفکتور، ایجنت‌های خودکار، PWA، اپ موبایل و دسکتاپ |
|
||||||
| **۱۶** | ادامه راه | ۶ | ۰ | — | ۰ | گذار به مهندسی ایجنتیک، ارکستراسیون، بررسی موردی غول‌های فناوری و آینده |
|
| **۱۶** | ادامه راه | ۹ | ۰ | — | ۰ | گذار به مهندسی ایجنتیک، ارکستراسیون، بررسی موردی غول‌های فناوری (دیجی‌کالا، اسنپ، کافه‌بازار، دیوار) و آینده |
|
||||||
| **جمع** | **۱۶ فصل** | **۱۰۷** | **۲** | **۲ پروژه** | **۲۰۰** | — |
|
| **جمع** | **۱۶ فصل** | **۱۱۰** | **۲** | **۲ پروژه** | **۲۰۰** | — |
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
@@ -232,12 +232,15 @@
|
|||||||
### فصل ۱۶: ادامه راه (Ch 16)
|
### فصل ۱۶: ادامه راه (Ch 16)
|
||||||
| ردیف | شناسه | نوع | عنوان | توضیحات تحت پوشش | امتیاز / سطح |
|
| ردیف | شناسه | نوع | عنوان | توضیحات تحت پوشش | امتیاز / سطح |
|
||||||
| :---: | :--- | :--- | :--- | :--- | :---: |
|
| :---: | :--- | :--- | :--- | :--- | :---: |
|
||||||
| ۱ | `L16.1` | 📘 درس‌نامه | اهداف فصل | توضیح خلاصه‌ای از مباحث و اهداف فصل | — |
|
| ۱ | `L16.1` | 📘 درس‌نامه | اهداف فصل: افق آینده و مهندسی نرم‌افزار ایجنتیک | توضیح خلاصه‌ای از مباحث، مهارت‌های پایانی، نقشه راه و اهداف فصل | — |
|
||||||
| ۲ | `L16.2` | 📘 درس‌نامه | از Vibe Coding تا Agentic Engineering در سازمان‌ها | تفاوت کدنویسی تفریحی با مهندسی ایجنتیک، اهمیت معماری، حاکمیت (Governance) و تست‌های خودکار در تیم‌های بزرگ | — |
|
| ۲ | `L16.2` | 📘 درس‌نامه | از Vibe Coding تا Agentic Engineering در سازمان‌ها | تفاوت کدنویسی تفریحی با مهندسی ایجنتیک، اهمیت معماری، حاکمیت (Governance) و تست‌های خودکار در تیم‌های بزرگ | — |
|
||||||
| ۳ | `L16.3` | 📘 درس‌نامه | بررسی موردی: هوش مصنوعی در شرکت‌های بزرگ | نمونه‌های واقعی اسنپ، دیجی‌کالا، کافه‌بازار و دیوار در استفاده از ابزارهای AI و Agentها برای تسریع توسعه | — |
|
| ۳ | `L16.3a` | 📘 درس‌نامه | بررسی موردی دیجی‌کالا: هوش مصنوعی در مقیاس میلیون‌ها کالا، انبارداری و کاتالوگ | چالش‌های کاتالوگ با ۱۰ میلیون SKU، حذف اقلام تکراری با تعبیه برداری، بهینه‌سازی مسیر ناوگان و بازنویسی سرویس‌ها با ایجنت‌ها | — |
|
||||||
| ۴ | `L16.4` | 📘 درس‌نامه | نقش جدید توسعه‌دهنده: ارکستراتور سیستم‌ها | تبدیل شدن برنامه‌نویس به مدیر و ناظر ایجنت‌ها (Orchestrator)، و مهارت‌های کلیدی برای آینده بازار کار | — |
|
| ۴ | `L16.3b` | 📘 درس‌نامه | بررسی موردی اسنپ: مدیریت میلیون‌ها سفر روزانه، سیستم‌های دیسپچ و تاب‌آوری بلادرنگ | موتور تطبیق و تخصیص هوشمند (Dispatch Engine)، تخمین ETA، وب‌سوکت‌های بلادرنگ، لاگ‌های استریم کافکا و تست همزمانی با ایجنت‌ها | — |
|
||||||
| ۵ | `L16.5` | 📘 درس‌نامه | مسیر آینده و یادگیری مستمر | چگونه پس از پایان دوره به‌روز بمانیم و پیشرفت کنیم | — |
|
| ۵ | `L16.3c` | 📘 درس‌نامه | بررسی موردی کافه‌بازار: بررسی خودکار اپلیکیشن‌ها، تحلیل بدافزارها و موتور پیشنهاد | ممیزی خودکار فایل‌های APK، سندباکس کشف بدافزار، موتور پیشنهاد و سرچ، و استفاده از ایجنت‌های هوش مصنوعی در اتوماسیون تست استور | — |
|
||||||
| ۶ | `L16.6` | 📘 درس‌نامه | جمع‌بندی دوره و منابع تکمیلی | مرور مسیر طی شده و دستاوردهای دوره + معرفی منابع مفید | — |
|
| ۶ | `L16.3d` | 📘 درس‌نامه | بررسی موردی دیوار: پالایش هوشمند آگهی‌ها، چت امن و سیستم‌های ضدکلاهبرداری | پالایش خودکار متن و تصاویر آگهی‌ها با NLP و Vision، پایش بلادرنگ چت امن (Safe Chat) ضد فیشینگ، و ایجنت‌های پشتیبانی تیکتینگ | — |
|
||||||
|
| ۷ | `L16.4` | 📘 درس‌نامه | نقش جدید توسعه‌دهنده: ارکستراتور سیستم‌ها و ناظر هوش مصنوعی | تبدیل شدن برنامه‌نویس به مدیر و ناظر ایجنت‌ها (Orchestrator)، کنترل کیفیت، معماری نرم‌افزار و مهارت‌های کلیدی بازار کار | — |
|
||||||
|
| ۸ | `L16.5` | 📘 درس‌نامه | مسیر آینده و یادگیری مستمر: همگام ماندن با تحولات شتابان AI | ساخت سیستم یادگیری پایدار، تفکیک سیگنال از نویز، پیگیری مقالات و ابزارهای جدید و توسعه جعبه‌ابزار شخصی | — |
|
||||||
|
| ۹ | `L16.6` | 📘 درس‌نامه | جمع‌بندی دوره، منابع منتخب و گام‌های بعدی | مرور مسیر طی شده و دستاوردهای دوره از ایده تا مقیاس، معرفی منابع طلایی و مراجع تکمیلی و نقشه راه دریافت گواهی کوئرا کالج | — |
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
|
|||||||
Reference in New Issue
Block a user