دوره آموزشی تحلیل مولد: قدرت هوش مصنوعی مولد برای مهندسی نرمافزار شیءگرا با UML
6 ساعت 22 دقیقهمتوسط2026-03-26
مدرسین

Pearson
جزئیات دوره
هوش مصنوعی مولد داره دنیای مهندسی نرمافزار رو کاملاً زیر و رو میکنه. مدلهایی مثل ChatGPT، Copilot، Claude و Gemini دیگه کدنویسی رو خیلی راحت کردن، پس الان مزیت رقابتی شما دیگه فقط کد زدن نیست؛ بلکه «تحلیل کردن» و تعریف دقیق اینه که نرمافزار دقیقاً قراره چه کاری انجام بده. این دوره به شما مفاهیم «تحلیل مولد» (Generative Analysis) رو یاد میده؛ یک روش کاربردی و تکرارپذیر که پل بین تحلیل کسبوکار و مهندسی نرمافزاره تا بتونید ورودیهای باکیفیتی به مدلهای زبانی بدید و خروجیهای قابلاعتمادی برای سیستمهاتون بگیرید.
در این مسیر یاد میگیرید چطور تصمیمات درستی درباره سطح انتزاع (Abstraction) بگیرید، با UML مدلسازی کنید و از فریمورک «فرایند یکپارچه» (Unified Process) در یک گردش کاری که با هوش مصنوعی تقویت شده، استفاده کنید. یکی از جذابترین بخشهای دوره، یادگیری استفاده از M++ برای بررسی دقیق صحت خروجیهای هوش مصنوعی با استفاده از الگوهای زبانی دقیق و منطق چندارزشیه. همچنین فرصت دارید بهصورت عملی با مهندسی پرامپت، نقشهبرداری مفاهیم و دیالوگ، مدلسازی موارد کاربرد (Use Cases)، طراحی کلاسها و معماری سیستم و پردازش نیازمندیها کار کنید تا بتونید پروژههای نرمافزاری رو با کمک AI به سطح جدیدی ببرید.
اهداف یادگیری:
استفاده از هوش مصنوعی مولد همراه با UML برای تولید، اعتبارسنجی و اصلاح مصنوعات مهندسی نرمافزار.
شناسایی و کار در سطح بهینه انتزاع برای تحلیل و تولید کد توسط مدلهای زبانی.
بهکارگیری مدلسازی ادبی و M++ برای ثبت دقیق نیازمندیها و بررسی صحت خروجیهای هوش مصنوعی.
در این مسیر یاد میگیرید چطور تصمیمات درستی درباره سطح انتزاع (Abstraction) بگیرید، با UML مدلسازی کنید و از فریمورک «فرایند یکپارچه» (Unified Process) در یک گردش کاری که با هوش مصنوعی تقویت شده، استفاده کنید. یکی از جذابترین بخشهای دوره، یادگیری استفاده از M++ برای بررسی دقیق صحت خروجیهای هوش مصنوعی با استفاده از الگوهای زبانی دقیق و منطق چندارزشیه. همچنین فرصت دارید بهصورت عملی با مهندسی پرامپت، نقشهبرداری مفاهیم و دیالوگ، مدلسازی موارد کاربرد (Use Cases)، طراحی کلاسها و معماری سیستم و پردازش نیازمندیها کار کنید تا بتونید پروژههای نرمافزاری رو با کمک AI به سطح جدیدی ببرید.
اهداف یادگیری:
استفاده از هوش مصنوعی مولد همراه با UML برای تولید، اعتبارسنجی و اصلاح مصنوعات مهندسی نرمافزار.
شناسایی و کار در سطح بهینه انتزاع برای تحلیل و تولید کد توسط مدلهای زبانی.
بهکارگیری مدلسازی ادبی و M++ برای ثبت دقیق نیازمندیها و بررسی صحت خروجیهای هوش مصنوعی.
سرفصل ها
مقدمه
- تحلیل مولد
تکامل مهندسی نرمافزار در عصر هوش مصنوعی مولد
- اهداف یادگیری
- چگونه مهندسی نرمافزار در حال تغییر است
- تکامل و هدف تحلیل مولد
- خلاصه درس
تحلیل مولد برای هوش مصنوعی مولد
- اهداف یادگیری
- اصول کلیدی تحلیل مولد
- تعریف انتزاع
- تولید کد با هوش مصنوعی مولد
- آزمایشهای مهندسی سریع
- اصول فایلهای X
- استفاده از UML
- خلاصه درس
مدلسازی در تحلیل مولد
- اهداف یادگیری
- مهندسی همگرا
- انتزاع مؤثر در تحلیل شیءگرا
- ارزیابی مدلهای شما
- خلاصه درس
راهاندازی OLAS، پروژه نمونه
- اهداف یادگیری
- تعیین دامنه مسئله نمونه
- فرآیند یکپارچه
- ساختار فرآیند یکپارچه
- گردشهای کاری اصلی UP
- مراحل UP و هوش مصنوعی مولد
- آغاز به کار OLAS
- خلاصه درس
جمعآوری اطلاعات در تحلیل مولد - بخش ۱
- اهداف یادگیری
- استراتژی اطلاعات
- نقشه ذهنی در مهندسی نرمافزار
- نقشه مفهومی در مهندسی نرمافزار
- کار با گزارهها
- استفاده از هوش مصنوعی مولد با نقشه مفهومی
- خلاصه درس
جمعآوری اطلاعات در تحلیل مولد - بخش ۲
- اهداف یادگیری
- چهار تکنیک کلیدی
- تعریف نگاشت دیالوگ
- ضدالگوها و هوش مصنوعی مولد در جلسات نقشهبرداری
- استفاده از نوشتار ساختاریافته
- خلاصه درس
مرحله تدوین OLAS
- اهداف یادگیری
- مرحلهی بسط و توسعه
- نقشه مفهومی OLAS
- ایجاد نمودار کلاس اولیه برای OLAS
- معماری در مهندسی نرمافزار
- ایجاد معماری منطقی اولیه برای OLAS
- خلاصه درس
ارتباطات
- اهداف یادگیری
- ارتباطات در مهندسی نرمافزار
- نشانهشناسی در مهندسی نرمافزار
- هستیشناسی در مهندسی نرمافزار
- مهندسی همگرا، نشانهشناسی و هستیشناسی
- خلاصه درس
مدل تحلیل زایشی ارتباطات انسانی
- اهداف یادگیری
- توسعه یک مدل قدرتمند از ارتباطات در تحلیل زایشی
- مدل ارتباطی تحلیل مولد
- خلاصه درس
ام++
- اهداف یادگیری
- درک اصول اولیه M++
- حذف
- تعمیم
- اعوجاج
- توابع گزارهای در M++
- پیش فرض ها
- چگونه به طور مؤثر ++M را به کار ببریم
- خلاصه درس
مدلسازی ادیبانه
- اهداف یادگیری
- توجیه نیاز به مدلسازی باسوادانه
- ساختار یک مدل باسواد
- استفاده از هوش مصنوعی مولد برای مدلسازی سوادآموزی
- خلاصه درس
اطلاعات در تحلیل مولد
- اهداف یادگیری
- ضبط با مکالمات مولد هوش مصنوعی
- پردازش اطلاعات، منابع، سؤالات و ایدهها
- گزارهها
- اصطلاحات پردازش
- الزامات پردازش
- خلاصه درس
تحلیل مولد با مثال
- به کارگیری تحلیل مولد
- استفاده از برجستهسازی معنایی
- کار با اصطلاحات
- تحلیل گزارههای کلیدی - یک تکنیک ساده
- تحلیل مولد بیانیه چشمانداز OLAS
- دانستن زمان توقف
- خلاصه درس
- اهداف یادگیری
مدلسازی مورد کاربرد OLAS
- اهداف یادگیری
- نحوه کار با کلمات همنام
- اشتباهات رایج در مدلسازی موارد استفاده
- خلاصه درس
- ایجاد یک مدل مورد استفاده اولیه
- ارائه مدل مورد استفاده اولیه
نتیجهگیری
- خلاصه و مراحل بعدی
دوره های مرتبط
- دوره آموزشی طرحریزی هوش مصنوعی مولد خود برای موفقیت در بازاریابی
- دوره آموزشی بهبود مدلسازی فرآیندهای کسبوکار با هوش مصنوعی مولد
- دوره آموزشی ساخت اپلیکیشنهای هوش مصنوعی تولیدی برای گفتگو با دادههای شما
- دوره آموزشی با هوش مصنوعی مولد تأثیر مربیگری خود را افزایش دهید
- دوره آموزشی حسابداری مبتنی بر هوش مصنوعی
- دوره آموزشی هوش مصنوعی تولیدی برای مهندسی داده: نکات کاربردی ChatGPT
- دوره آموزشی هوش مصنوعی مولد: تکامل جستجوی آنلاین متفکرانه
- دوره آموزشی هک های بهره وری هوش مصنوعی با Miss Excel
مسیرهای مرتبط
- مسیر آموزشی گواهینامه حرفهای هوش مصنوعی مولد از Snowflake
- مسیر آموزشی ارتقای مهارتهای پایتون در اکسل
- مسیر آموزشی در تجزیه و تحلیل و تحلیل کسب و کار پیشرو باشید
- مسیر آموزشی مبانی هوش مصنوعی برای تحلیل کسبوکار
- مسیر آموزشی سواد فنی و آمادگی برای آینده برای مدیران ارشد
- مسیر آموزشی گواهی حرفهای هوش مصنوعی مولد برای بازاریابی با Microsoft 365 Copilot
- مسیر آموزشی گواهی حرفهای هوش مصنوعی مولد برای خدمات مشتری با Microsoft 365 Copilot
- مسیر آموزشی گواهی حرفهای هوش مصنوعی مولد برای فروش با Microsoft 365 Copilot