دسته نرم افزار

The Great Courses – Microeconomics Made Clear 2026-10

Microeconomics Made Clear، دوره آموزش اقتصاد خرد به زبان ساده توسط آکادمی The Great Courses منتشر شده است.از بازارهای کشاورزان گرفته تا هیئت‌مدیره شرکت‌های بزرگ، و از بحث‌های سیاسی درباره مالیات و تعرفه‌ها تا اختلافات میان نیروی کار و سرمایه، اقتصاد خرد بخشی از زندگی روزمره است. مردم هر روز در شرایط کمیابی تصمیم می‌گیرند که چگونه زمان و پول خود را مصرف کنند؛ کسب‌وکارها درباره تولید محصولات تصمیم می‌گیرند و دولت‌ها تعیین می‌کنند که چگونه مالیات وضع کنند، یارانه بدهند یا مقررات اعمال کنند. تعامل میلیون‌ها تصمیم از این دست باعث می‌شود بازارها منابع را تخصیص دهند، رفاه ایجاد کنند، نابرابری به وجود آورند و گاهی نیز با شکست مواجه شوند. این دوره با تدریس دکتر آکیلا ویراپانا از کالج ولزلی، در قالب 24 جلسه آموزنده، سازوکار اقتصاد خرد را با استفاده از نمودارها و مدل‌های قابل فهم توضیح می‌دهد. مباحث از کمیابی و تصمیم‌گیری هدفمند آغاز می‌شوند و هزینه فرصت، مرز امکانات تولید، تحلیل نهایی، مبادله، ترجیحات مصرف‌کننده، تقاضا، عرضه، تعادل بازار، کشش و کارایی بازارها را در بر می‌گیرند.

Pluralsight – FastMCP Foundations 2025-11

دوره FastMCP Foundations. این دوره آموزشی به توسعه‌دهندگان می‌آموزد که چگونه با استفاده از فریم‌ورک FastMCP، فرآیند ساخت و توسعه پروتکل زمینه مدل را به شکلی سریع‌تر و بهینه‌تر انجام دهند. این دوره آموزشی به بررسی نحوه استفاده از FastMCP برای تسریع توسعه Model Context Protocol می‌پردازد. فضای کاری توسعه‌دهندگان هوش مصنوعی به سرعت در حال تغییر است؛ زیرا تیم‌های بیشتری پروتکل زمینه مدل را برای اتصال مدل‌های زبانی بزرگ به ابزارهای خارجی، رابط‌های برنامه‌نویسی و منابع اطلاعاتی به کار می‌گیرند. چنانچه توسعه‌دهندگان درک درستی از نحوه ساده‌سازی این اکوسیستم توسط FastMCP نداشته باشند، ممکن است وقت خود را صرف پیکربندی‌های پیچیده یا ساخت نمونه‌های اولیه شکننده کنند. در این دوره، فراگیران با اصول اولیه نظیر ماهیت FastMCP، مقایسه آن با استاندارد MCP و دلیل لقب گرفتن آن به عنوان Express.js برای پروتکل زمینه آشنا می‌شوند. مباحث کاربردی شامل راه‌اندازی کلاینت و سرور، استفاده از میان‌افزارها، افزونه‌ها و مدیریت پیام‌های ساختاریافته برای ایجاد جریان‌های کاری مقیاس‌پذیر است. همچنین نمونه‌های واقعی و بهترین روش‌های عیب‌یابی، نظارت و زمان مناسب برای به‌کارگیری یا عدم استفاده از این ابزار در محیط‌های تولیدی مورد بحث قرار می‌گیرد. در پایان، شرکت‌کنندگان تجربه عملی لازم برای ساخت و گسترش کلاینت‌ها و سرورهای MCP را به دست می‌آورند.

LinkedIn – Build and Deploy Secure AI Workloads with Docker 2026-6

دوره Build and Deploy Secure AI Workloads with Docker. این دوره آموزشی یک راهنمای عملی برای راه‌اندازی، اجرا و مدیریت امن مدل‌های زبانی بزرگ به‌صورت محلی با استفاده از ابزار Docker Model Runner جهت توسعه برنامه‌های کاربردی هوش مصنوعی بدون نیاز به سرویس‌های ابری است. این دوره آموزشی به بررسی نحوه استفاده از ظرفیت‌ها و توانمندی‌های مدل‌های زبانی بزرگ (LLM) بر روی سیستم‌های محلی با بهره‌گیری از ابزار Docker Model Runner می‌پردازد. مدرس دوره، Pawel Piwosz که از سفیران موسسه DevOps و از متخصصان برجسته داکر است، تمامی مراحل راه‌اندازی، پیکربندی و اجرای محلی مدل‌های زبانی را آموزش می‌دهد؛ به طوری که این مدل‌ها هم از داخل کانتینرها و هم از طریق سیستم میزبان قابل دسترسی و مدیریت باشند. فراگیران در این برنامه آموزشی با نحوه دریافت، مدیریت و سازمان‌دهی مدل‌های پیش‌ساخته از بستر Docker Hub و همچنین بسته‌بندی و توزیع مدل‌های اختصاصی خود آشنا می‌شوند. یکی از بخش‌های کلیدی این آموزش، یادگیری نحوه یکپارچه‌سازی و اتصال مدل‌های زبانی محلی به نرم‌افزارها و برنامه‌های کاربردی با استفاده از واسط برنامه‌نویسی استاندارد OpenAI API است. این دوره برای افرادی که به دنبال ساخت نمونه‌های اولیه پروژه‌ها، حفظ کامل حریم خصوصی داده‌ها، افزایش امنیت و کاهش هزینه‌های پردازشی بدون وابستگی به زیرساخت‌های ابری هستند، راهکارهای عملی ارائه می‌دهد. فراگیران در طول این مسیر یاد می‌گیرند که چگونه بدون نیاز به پردازش‌های ابری، مدل‌های هوش مصنوعی قدرتمند را در محیط‌های ایزوله و امن مدیریت کنند. تمرکز اصلی دوره بر روی مفاهیم کاربردی عملیات مدل‌های زبانی (LLMOps) است تا توسعه‌دهندگان بتوانند برنامه‌های مبتنی بر AI را با بهره‌وری بالا و طبق استانداردهای دنیای واقعی اجرا نمایند.

Pluralsight – Docker for Software Development: Your First Docker App 2025-11

دوره Docker for Software Development: Your First Docker App. این دوره آموزشی یک راهنمای عملی و کاربردی برای توسعه‌دهندگان نرم‌افزار است تا نحوه استفاده از کانتینرهای داکر، ساخت ایمیج‌ها و استقرار برنامه‌ها را از صفر فرا بگیرند. این دوره آموزشی به توسعه‌دهندگان نرم‌افزار کمک می‌کند تا به سرعت یاد بگیرند چگونه از کانتینرهای داکر در پروژه‌های توسعه خود استفاده کنند و به ساخت، استقرار و عیب‌یابی کانتینرها بپردازند. بسته‌بندی، استقرار و اجرای یکپارچه کدها بدون داشتن یک استراتژی مشخص می‌تواند چالش‌برانگیز باشد. در این دوره آموزشی، فراگیران یاد می‌گیرند که چگونه برنامه‌های خود را در یک محیط کانتینری بسازند و اجرا کنند. در گام‌های نخست، محیط توسعه محلی با نصب داکر دسکتاپ راه‌اندازی می‌شود و یک برنامه اولیه به همراه اکستنشن داکر در ویرایشگر کُد اجرا خواهد شد. سپس ساخت ایمیج‌ها از طریق نوشتن فایل‌های داکر، اجرای دستورات بیلد و ارسال آن‌ها به ریجستری آموزش داده می‌شود. در طول این مسیر، تکنیک‌های عملی عیب‌یابی با استفاده از لاگ‌ها و شل‌های تعاملی فرا گرفته می‌شود. همچنین نحوه اجرای کانتینرها با دستورات اجرایی، مدیریت وکتورهای ذخیره‌سازی داده‌های ماندگار، ایجاد شبکه‌های کانتینری و ارکستراسیون چند کانتینر با داکر کامپوز بررسی می‌گردد. در پایان این دوره، شرکت‌کنندگان به مفاهیم بنیادی داکر مسلط خواهند شد و می‌توانند با اطمینان کامل، اولین برنامه کاربردی خود را در محیط‌های مختلف کانتینری‌سازی و اجرا کنند.

Udemy – Generative AI on AWS – Amazon Bedrock, RAG & KIRO [2026] 2025-9

دوره Generative AI on AWS – Amazon Bedrock, RAG & KIRO [2026]. این دوره آموزشی یک برنامه جامع و پروژه‌محور برای یادگیری هوش مصنوعی مولد Generative AI در بستر cloud شرکت AWS است که به فراگیران روش‌های ساخت برنامه کاربردی آماده تولید Production Ready با استفاده از Amazon Bedrock، معماری RAG و ابزار AWS KIRO را آموزش می‌دهد. این دوره آموزشی توسط یک مدرس مطرح و معماری باتجربه در بستر AWS طراحی شده است تا فراگیران را از سطح پایه و مبانی اولیه AI و Machine Learning به سمت ساخت برنامه‌های کاربردی غول‌پیکر و سازمانی سوق دهد. هدف اصلی این برنامه آموزشی تسهیل تغییر مسیر شغلی فراگیران و کمک به آن‌ها برای ورود به موقعیت‌های شغلی پردرآمد در حوزه‌های Generative AI و Agentic AI است. روند آموزش از مفاهیم پایه‌ای مانند Prompt، Inference، Context Window و نحوه کارکرد Foundation Models آغاز می‌شود و سپس به بررسی عمیق سرویس Amazon Bedrock، معماری، قیمت‌گذاری و پارامترهای استنتاج می‌پردازد. ویژگی بارز این دوره، تمرکز ویژه بر پروژه‌های واقعی و کاربردی دنیای فناوری است. فراگیران در طول دوره سه پروژه بزرگ را پیاده‌سازی می‌کنند: ساخت دستیار تخصصی تجهیزات با استفاده از معماری Serverless و رعایت اصول Responsible AI و Guardrails، پیاده‌سازی برنامه آموزشی RAG بر پایه Agentic AI، و توسعه برنامه کاربردی FleetMate با ابزار جدید AWS KIRO. علاوه بر این، موضوعاتی نظیر ارزیابی مدل، شخصی‌سازی و Fine-Tuning، مانیتورینگ با CloudWatch، تبدیل مفاهیم از مرحله PoC به وضعیت قابل انتشار در دنیای واقعی و همچنین مرور مبانی زبان Python، AWS Lambda و API Gateway به صورت کاملاً عملی پوشش داده شده است تا تمامی شرکت‌کنندگان بتوانند دانش تئوری خود را به مهارت‌های اجرایی در بازار کار تبدیل کنند.