تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی تحلیل مولد: قدرت هوش مصنوعی مولد برای مهندسی نرم‌افزار شیءگرا با UML

دوره آموزشی تحلیل مولد: قدرت هوش مصنوعی مولد برای مهندسی نرم‌افزار شیءگرا با UML

6 ساعت 22 دقیقهمتوسط2026-03-26

مدرسین

Pearson

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.

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

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal