آموزش سئو (SEO)
-70%
5,976,000 تومان1,792,800 تومان
کدنویسی با هوش مصنوعی در سالهای اخیر به یکی از روشهای جدید برای افزایش سرعت توسعه نرمافزار تبدیل شده است. ابزارهای AI Coding میتوانند در بخشهایی مانند تولید کد، نوشتن تست، Debug، Refactoring و مدیریت پروژه به برنامهنویسان کمک کنند.
Devin Desktop یکی از محیطهایی است که در این دوره برای کار با Agentهای هوش مصنوعی و فرآیند توسعه نرمافزار بررسی میشود. در آموزش Devin با Devin Local، نحوه تبدیل Specification و PRD به TODO، تولید کد، تست، Debug و مدیریت تغییرات با Git آشنا میشوید.
در این دوره همچنین نحوه کنترل رفتار AI با انتخاب مدل، Rules و Workflowها، ارائه Context مناسب، کار با پروژههای موجود و استفاده از ابزارهایی مانند GitHub و MCP بررسی میشود.
دوره آموزش Devin در قالب ۵ بخش آموزشی و ۳۸ جلسه، با مدت زمان مجموع ۲ ساعت و ۵ دقیقه ارائه شده است.
در ادامه دوره، مباحثی مانند GitHub MCP، ایجاد Issue با کمک AI، Knowledge Base، Code Review، Conversation Sharing و قابلیتهای تیمی نیز بررسی میشوند.
اگر به Vibe Coding، AI Coding یا استفاده از Agentهای هوش مصنوعی در توسعه نرمافزار علاقه دارید، این دوره مجموعهای از Workflowهای عملی برای کار با Devin Desktop را ارائه میدهد.
یادگیری کدنویسی با هوش مصنوعی تنها به تولید چند خط کد با یک ابزار AI محدود نمیشود. برای استفاده مؤثرتر از Agentهای هوش مصنوعی باید بتوانید نیازمندیهای پروژه را مشخص کنید، Context مناسب در اختیار AI قرار دهید، خروجی را بررسی کنید و تغییرات ایجادشده را مدیریت کنید.
دوره آموزش Devin این فرآیند را از نصب و راهاندازی محیط توسعه شروع میکند و سپس به سراغ Specification، TODO، تولید کد، تست، Git، Debug، Refactoring، MCP و GitHub میرود.
در طول دوره با موضوعات مختلفی آشنا میشوید، از جمله:
در این دوره با Devin Desktop و Devin Local کار میکنید و یاد میگیرید چگونه Specification را به TODO تبدیل کنید، کد و تست تولید کنید، پروژههای موجود را Debug و Refactor کنید و با استفاده از GitHub و MCP، Workflowهای توسعه را با AI گسترش دهید.
یکی از موضوعات مهم در کدنویسی با هوش مصنوعی این است که AI را صرفاً به عنوان ابزاری برای تولید کد در نظر نگیریم. در Workflowهای Agentic، هوش مصنوعی میتواند در بخشهای مختلف فرآیند توسعه نرمافزار مورد استفاده قرار گیرد.
در این دوره با Devin Local آشنا میشوید و یاد میگیرید چگونه یک پروژه را از مرحله تعریف نیازمندیها به سمت پیادهسازی، تست و بررسی پیش ببرید.
در پروژه عملی دوره، ابتدا یک Specification برای یک اپلیکیشن وب ایجاد میشود، سپس این Specification به TODOهای کوچکتر تبدیل شده و Featureهای مختلف با کمک AI پیادهسازی میشوند.
در ادامه نیز نحوه استفاده از Git برای کنترل تغییرات، ایجاد تست، Refactoring و بررسی پروژه آموزش داده میشود.
دوره Devin Desktop: AI-Powered Development در ۵ بخش، ۳۸ جلسه و ۲ ساعت و ۵ دقیقه ارائه شده است.
محتوای دوره را میتوان در چهار محور اصلی دنبال کرد:
در بخش پایانی نیز قابلیتهای تیمی مانند Code Review، Knowledge Base، Conversation Sharing و Teams Deploys بررسی میشوند.
Devin Desktop محیطی برای استفاده از Agentهای هوش مصنوعی در فرآیند توسعه نرمافزار است.
در این دوره با Devin Local آشنا میشوید که در محتوای دوره به عنوان جانشین Cascade معرفی شده است. Devin Local میتواند در فرآیندهایی مانند تولید کد، ایجاد تست، بررسی پروژه و اعمال تغییرات به توسعهدهنده کمک کند.
در کنار کار با Agent، نحوه انتخاب Model، تعریف Rules و ارائه Context مناسب نیز بررسی میشود تا بتوانید رفتار AI را در پروژه بهتر کنترل کنید.
Devin و ابزارهای مرتبط با آن میتوانند در بخشهای مختلف فرآیند توسعه نرمافزار مورد استفاده قرار گیرند.
در این دوره کاربردهایی مانند موارد زیر بررسی میشوند:
یکی از بخشهای اصلی آموزش Devin کار با Devin Local و استفاده از آن برای توسعه نرمافزار است.
در این فرآیند ابتدا نیازمندیهای پروژه مشخص میشوند و سپس با تبدیل Specification به TODO، مراحل پیادهسازی به وظایف کوچکتر تقسیم میشوند.
پس از آن، Devin Local میتواند برای پیادهسازی Featureها مورد استفاده قرار گیرد و توسعهدهنده میتواند خروجی ایجادشده را بررسی و تغییرات را با Git مدیریت کند.
یکی از مباحث مهم دوره، Product Requirements Document یا PRD است.
PRD به مشخص کردن نیازمندیها و ویژگیهای مورد انتظار یک محصول کمک میکند. در دوره یاد میگیرید چگونه یک Specification را به TODOهای کوچکتر تبدیل کنید و برای هر بخش Acceptance Criteria مشخص کنید.
در پروژه عملی دوره، یک اپلیکیشن وب برای دریافت فایل CSV و نمایش نمودار ساخته میشود و فرآیند تعریف Specification، ایجاد TODO و پیادهسازی Featureها بررسی میشود.
یکی از کاربردهای اصلی Devin Desktop کمک به تولید و تغییر کد است.
در دوره یاد میگیرید چگونه Featureهای تعریفشده در TODO را با کمک Devin Local پیادهسازی کنید و سپس نتیجه را در محیط Preview بررسی کنید.
این فرآیند کمک میکند توسعه پروژه به جای ارسال یک درخواست بسیار بزرگ به AI، به مراحل کوچکتر و قابل بررسی تقسیم شود.
تست یکی از بخشهای مهم توسعه نرمافزار است و در این دوره نحوه استفاده از AI برای ایجاد تست بررسی میشود.
در این بخش با انواع تستها آشنا میشوید:
همچنین استفاده از Playwright برای ایجاد تستهای End-to-End و مدیریت Scope تستها بررسی میشود.
در فرآیند کدنویسی با هوش مصنوعی ممکن است یک Command متوقف شود یا AI نتواند فرآیند موردنظر را به شکل صحیح ادامه دهد.
در این دوره تکنیکهایی برای Troubleshooting در محیط توسعه بررسی میشود.
همچنین نحوه استفاده از گزینه Stop، ادامه دادن فرآیند و بررسی Conversation برای مدیریت بهتر شرایطی که AI پیشرفت نمیکند، آموزش داده میشود.
در پروژههای نرمافزاری ممکن است ساختار اولیه کد پس از مدتی نیاز به بازطراحی داشته باشد.
در این دوره یک نمونه عملی از Code Refactoring بررسی میشود که طی آن یک فایل main.js بزرگ به یک برنامه ماژولار React تبدیل میشود.
در این فرآیند ابتدا یک TODO کامل ایجاد شده و سپس با استفاده از تستهای End-to-End، تغییرات بررسی میشوند تا احتمال Regression کاهش پیدا کند.
وقتی AI در یک پروژه تغییرات مختلفی ایجاد میکند، مدیریت Version اهمیت بیشتری پیدا میکند.
در دوره یاد میگیرید:
مدلهای مختلف میتوانند برای وظایف متفاوت عملکرد متفاوتی داشته باشند.
در بخش Model Selection دوره، نحوه انتخاب مدل مناسب برای وظایف کدنویسی بررسی میشود.
همچنین تفاوت مدلهای استاندارد و Reasoning، نحوه مصرف Credit و تفاوت Agent Mode و Chat Mode مورد بررسی قرار میگیرد.
یکی از روشهای کنترل رفتار AI، استفاده از Rules است.
در این دوره با Workspace Rules و Global Rules آشنا میشوید و حالتهای مختلف فعالسازی Ruleها، از جمله Always On، Manual، Model Decision و Glob بررسی میشوند.
Rules میتوانند به AI کمک کنند هنگام کار روی پروژه، دستورالعملهای مشخصشده را در نظر بگیرد.
هرچه Context مناسبتری در اختیار AI قرار گیرد، Agent میتواند اطلاعات بیشتری درباره پروژه و مسئله موردنظر داشته باشد.
در این دوره روش ارائه Context از طریق موارد زیر بررسی میشود:
همچنین نحوه استفاده از Context برای توضیح کد و Troubleshooting در Terminal بررسی میشود.
در فرآیند توسعه، مشاهده نتیجه اجرای برنامه و بررسی رابط کاربری اهمیت زیادی دارد.
در محتوای دوره قابلیت Windsurf Preview برای اجرای پروژه و مشاهده Live UI بررسی میشود.
همچنین Windsurf Browser با قابلیتهایی مانند DevTools، DOM Access، Logs، Screenshot و ارسال Elementها برای فرآیند توسعه معرفی میشود.
وقتی پروژهای پیچیدهتر میشود، مدیریت Conversationهای طولانی نیز اهمیت پیدا میکند.
در این دوره با روشهایی مانند استفاده از Memory، شروع Conversationهای جدید و ارجاع دادن به اطلاعات قبلی برای مدیریت بهتر Context آشنا میشوید.
هدف این بخش، سازماندهی بهتر فرآیند تعامل با AI در پروژههای طولانیتر است.
Model Context Protocol یا MCP یک استاندارد برای در اختیار قرار دادن Context و ابزارهای خارجی برای مدلهای زبانی است.
در این دوره ابتدا مفهوم MCP توضیح داده میشود و سپس نحوه استفاده از MCP در Workflowهای توسعه بررسی میشود.
همچنین با MCP Store آشنا میشوید و نحوه نصب، تنظیم Permission و مدیریت MCP Serverها را بررسی میکنید.
یکی از کاربردهای عملی MCP در این دوره، اتصال GitHub به محیط توسعه است.
در بخش GitHub MCP Server، نحوه فعالسازی GitHub MCP و اتصال آن به Repository بررسی میشود.
همچنین در ادامه یاد میگیرید چگونه از GitHub MCP برای تبدیل TODOها به GitHub Issues و ایجاد Workflowهای مبتنی بر Repository استفاده کنید.
در بخشهای مربوط به همکاری تیمی، قابلیت Windsurf Reviews بررسی میشود.
این قابلیت برای اتصال به GitHub و بررسی تغییرات کد معرفی شده و در محتوای دوره بررسی تغییرات، شناسایی Bugها، Missing Imports، Conflictها و Missing Tests مطرح میشود.
در بخش Knowledge Base، نحوه در اختیار قرار دادن اسناد و اطلاعات پروژه برای استفاده به عنوان Context بررسی میشود.
در محتوای دوره امکان بارگذاری اسناد از Google Drive و استفاده از اطلاعاتی مانند Coding Standards، API References و Project Requirements به عنوان Context مطرح شده است.
در بخش پایانی دوره، قابلیتهای مربوط به استفاده تیمی از محیط توسعه بررسی میشوند.
موضوعاتی مانند:
در این بخش مورد بررسی قرار میگیرند.
در دوره قابلیت Windsurf Deploys نیز بررسی میشود.
در یک Workflow آموزشی، پروژه از طریق Netlify برای Preview Deployment آماده میشود و فرآیند Deploy کردن پروژه در کنار توسعه مبتنی بر AI بررسی میشود.
برای شروع دوره به امکان نصب نرمافزار و ابزارها با دسترسی Administrator، یک حساب Windsurf با Free Trial یا Pro و یک حساب GitHub نیاز دارید.
این دوره برای Software Developers، QA Engineers، DevOps Engineers و Technical Leads طراحی شده است.
دوره آموزش Devin برای افرادی طراحی شده است که میخواهند از Agentهای هوش مصنوعی در فرآیند توسعه نرمافزار استفاده کنند.
این دوره میتواند برای گروههای زیر مناسب باشد:
اگر نمیدانید دوره آموزش Devin برای سطح و نیاز شما مناسب است یا خیر، قبل از تهیه دوره میتوانید از مشاوره رایگان لرن فایلز استفاده کنید تا مسیر یادگیری مناسب خود را بهتر مشخص کنید.
این دوره شامل ۲ ساعت و ۵ دقیقه محتوای آموزشی در ۵ بخش و ۳۸ جلسه است و مباحث آن از نصب و راهاندازی Devin Desktop شروع شده و تا GitHub، MCP و قابلیتهای همکاری تیمی ادامه پیدا میکند.
برای شروع این دوره به پیشنیازهای زیر نیاز دارید:
پس از پایان دوره با فرآیند کدنویسی با هوش مصنوعی و Devin Desktop آشنا خواهید بود و میتوانید:
در پایان دوره، دید کاربردیتری نسبت به AI Coding و توسعه نرمافزار با Agentهای هوش مصنوعی خواهید داشت.
مهمترین مهارتهای این دوره عبارتاند از:
کدنویسی با هوش مصنوعی فقط به تولید کد محدود نمیشود و میتواند بخشهای مختلف فرآیند توسعه نرمافزار را تحت تأثیر قرار دهد.
دوره آموزش Devin از نصب و راهاندازی Devin Desktop شروع میکند و در ادامه با Devin Local، PRD، TODO، تولید کد، تست، Debug، Refactoring و Git پیش میرود.
در بخشهای بعدی دوره نیز موضوعاتی مانند Model Selection، Rules، Context، MCP، GitHub MCP، Code Review، Knowledge Base و قابلیتهای تیمی بررسی میشوند.
این دوره برای توسعهدهندگان، مهندسان QA، مهندسان DevOps و Technical Leadهایی طراحی شده است که میخواهند با Workflowهای توسعه مبتنی بر Agentهای هوش مصنوعی آشنا شوند.
با تهیه دوره آموزش Devin میتوانید مسیر یادگیری خود را از نصب و راهاندازی محیط توسعه آغاز کنید و سپس با Devin Local، Specification، PRD، TODO و تولید کد با AI کار کنید.
در ادامه با تست، Debug، Refactoring و Git آشنا میشوید و سپس میتوانید مباحث پیشرفتهتری مانند MCP، GitHub MCP، Code Review و قابلیتهای همکاری تیمی را دنبال کنید.
اگر هدف شما یادگیری کدنویسی با هوش مصنوعی و آشنایی عملی با Workflowهای Agentic در توسعه نرمافزار است، این دوره مجموعهای از مباحث موردنیاز برای شروع کار با Devin Desktop را در اختیار شما قرار میدهد.
ما در آکادمی لرن فایلز آموزش Devin کدنویسی با هوش مصنوعی را به گونهای تدریس و تولید کردهایم که این دوره برای تمام افراد اعم از مبتدی و متخصص کاربرد لازم خود را داشته باشد، اما شما برای شروع این دوره نیاز به:
اگر به دنبال نقشه راه بعد از آموزش Devin کدنویسی با هوش مصنوعی هستید همراه ما باشید.
بعد از آموزش Devin کدنویسی با هوش مصنوعی اگر تمایل دارید به مسیر آموزشی خود ادامه دهید، به ترتیب زیر حرکت کنید:
این آموزش تاکنون نیاز به آپدیت نداشته است و کاملاً بروز می باشد!
چنانچه احساس میکنید این آموزش نیاز به آپدیت و بروزرسانی دارد لطفاً این موضوع را با ما در میان بگذارید.
هنوز بررسیای ثبت نشده است.