دنیای آینده اینجاست!

مسیر مهندسی نرم‌افزار با AI پیش‌فروش

صفر تا مهندسی نرم‌افزار با هوش مصنوعی

از مبانی AI و Context Engineering تا Agentها و پروژه‌های Enterprise؛ یاد بگیر با AI مهندسی کنی، نه فقط کدنویسی؛ آینده متعلق به کسانی است که AI را بلدند مهندسی کنند.

  • شروع رایگان
  • مسیر گام‌به‌گام
  • سیستم دیزاین
  • پروژه‌های واقعی
تا پایان پیش فروش دوره زمان باقی‌مانده برای قیمت فعلی دوره
4روز 21ساعت 54دقیقه 59ثانیه
  • ۳۲فصل
  • ۱۰پروژه
  • ۳۷.۱ساعت آموزش
  • دسترسی دائمی
مزیت رقابتی از همین امروز

هوش مصنوعی دیگر ابزار جانبی نیست؛ بخشی از WorkFlow مهندسی نرم‌افزار است

هوش مصنوعی دیگر فقط یک ابزار آینده نیست؛ امروز بخشی از فرایند طراحی، ساخت و عرضه نرم‌افزارهای حرفه‌ای است.

زمان کمتر تا MVP تجربه‌های هوشمندتر مزیت واقعی در بازار کار

محصولات هوشمندتر بسازید

قابلیت‌های واقعی AI را به تجربه کاربر و منطق محصول اضافه کنید.

یک قدم جلوتر در مسیر شغلی

ترکیب مهندسی نرم‌افزار و AI، شما را برای نقش‌های ارزشمندتر آماده می‌کند.

مهارتی ماندگار برای آینده

به‌جای وابستگی به یک ابزار، اصول ساخت سیستم‌های AI محور را یاد بگیرید.

در این دوره چه مهارت‌هایی را با کمک هوش مصنوعی یاد می‌گیرید؟

Frontend Engineering

HTML5 CSS3 TypeScript Next.js Tailwind CSS

Mobile Development

React Native Expo

Backend & Realtime

NestJS Node.js REST API SSE WebSocket

Database & Caching

PostgreSQL MongoDB Redis

Security

OWASP Top 10 Frontend Security API Security

Testing & Quality

Vitest / Jest React Testing Library Playwright API Testing

با چه ابزارهای هوش مصنوعی کار می‌کنیم؟

جعبه ابزار حرفه‌ای شما
GitHub CopilotAssist
CursorCode Faster
OllamaLocal AI
KimiResearch
JulesAutomate
ویژهClaudePlan
VS Code / AI ToolsExplore

تمام این ابزارها را یاد می‌گیرید تا با کمک هوش مصنوعی سریع‌تر، دقیق‌تر و حرفه‌ای‌تر نرم‌افزار بسازید.

بعد از یادگیری، نوبت ساختن مسیر درآمد است

بعد از اتمام این دوره چگونه درآمد کسب می‌کنید؟

مهارت‌های AI-first این دوره را می‌توانید به فرصت‌های شغلی، پروژه‌های مستقل و محصولات واقعی تبدیل کنید.

۰۱

ورود به بازار کار با نقش‌های Vibe Coding

با ساخت سریع‌تر، دقیق‌تر و حرفه‌ای‌تر محصول، برای نقش‌های جدید توسعه نرم‌افزار در تیم‌های AI محور آماده می‌شوید.

مسیر استخدام
۰۲

ورود به بازار فریلنسری

از طراحی MVP تا توسعه قابلیت‌های هوشمند، پروژه‌ها را با سرعت و کیفیت بالاتر تحویل دهید و نمونه‌کار بسازید.

پروژه‌محور
۰۳

ساخت و راه‌اندازی ایده و استارتاپ خودتان

ایده را به نسخه اولیه تبدیل کنید، بازخورد بگیرید و محصول خود را بدون وابستگی به یک تیم بزرگ به بازار برسانید.

ساخت محصول
۰۴

ورود به فریلنسری بین‌المللی و دلاری

با مهارت‌های قابل ارائه در بازار جهانی، برای همکاری از راه دور و گرفتن پروژه‌های بین‌المللی آماده‌تر می‌شوید.

بازار جهانی

ویدیو معرفی دوره

در این ویدیو با مسیر یادگیری، ساختار فصل‌ها و روش پروژه‌محور دوره آشنا می‌شوید تا پیش از شروع، تصویر روشنی از تمام مسیر داشته باشید.

  • بررسی گام‌به‌گام دوره و ترتیب پیشرفت یادگیری
  • بررسی مفاهیم سیستم دیزاین و مهندسی نرم افزار
  • نقش AI در طراحی، پیاده‌سازی، دیباگ و تحویل پروژه واقعی
  • خروجی شما در پایان دوره و مسیر شغلی پیش‌رو

تماشای این ویدیو کمتر از 30 دقیقه زمان می‌برد و به شما کمک می‌کند با دیدی شفاف‌تر تصمیم‌گیری کنید.

دوره آموزشی
تجربه عملی

پروژه‌هایی که در طول دوره می‌سازید

در طول دوره، پروژه‌های واقعی را از ایده تا خروجی قابل ارائه می‌سازید؛ تجربه‌ای که مستقیماً به نمونه‌کار حرفه‌ای شما تبدیل می‌شود.

پروژه 01

صفر تا صد سایت AIRBNB

پروژه‌ محورساخت مرحله ‌به‌ مرحلهسناریوی واقعیمسئله‌ای از بازار کارکد تمیزساختار قابل توسعهقابل افزودن به رزومهنمونه‌کار قابل ارائه

درباره این دوره

در دنیای توسعه امروز، AI دیگر یک گزینه نیست — سوال اصلی «چطور درست وارد چرخه مهندسی نرم‌افزار شویم؟» است.

این دوره پاسخ عملی همان سوال است: از پایه تا تحویل، با مسیر شفاف و قابل پیگیری.

در این مسیر یاد می‌گیرید چگونه از هوش مصنوعی به‌صورت هوشمند و مهندسی‌شده استفاده کنید؛ از تبدیل یک ایده خام به معماری قابل توسعه تا ساخت، تست و تحویل یک محصول نرم‌افزاری واقعی.

پروژه‌محور کاربردی مبتنی بر سناریوهای واقعی بازار کار

پروژه‌های واقعی و کاربردی

مهارت‌های موردنیاز بازار کار

مبتنی بر پروژه‌های عملی

تمرکز بر خروجی و نتیجه

مسیر یادگیری شما در این دوره

پنج گام پیوسته از آشنایی اولیه تا ارائه یک محصول واقعی

  1. 01

    آشنایی و مبانی

    ابزارها، اصول و ذهنیت مهندسی با AI

  2. 02

    طراحی و معماری

    طراحی سیستم و ساختار نرم‌افزار با AI

  3. 03

    توسعه و پیاده‌سازی

    کدنویسی، تست و دیباگ با کمک ابزارهای هوشمند

  4. 04

    تحویل و استقرار

    بهینه‌سازی، استقرار و تحویل نسخه نهایی

  5. 05

    پروژه نهایی

    ساخت و ارائه یک محصول واقعی و کاربردی

از مبانی AI و Context Engineering تا Agentها و پروژه‌های Enterprise؛ یاد بگیر با AI مهندسی کنی، نه فقط کد نویسی؛ آینده متعلق به کسانی است که AI را بلدند مهندسی کنند.

با پایان این دوره، شما توانایی ساخت ابزارها و اپلیکیشن‌های واقعی را خواهید داشت و آماده ورود به بازار کار حرفه‌ای خواهید بود.

مسیر ساخت محصول واقعی

آخر برنامه‌نویسی همین‌جاست!

از مفاهیم پایه برنامه نویسی تا پیاده سازی هر آنچه در ذهن دارید.

Frontend
Database
Backend
API
Clean Architecture
Microservices
DevOps
Security
Deployment
پیشنهاد ویژه مسیر آموزشی

خرید کامل دوره

با یک خرید، به تمام محتوای دوره «صفر تا مهندسی نرم افزار با هوش مصنوعی» و همه به‌روزرسانی‌های آینده دسترسی کامل خواهید داشت.

تا پایان پیش فروش دوره زمان باقی‌مانده برای استفاده از قیمت فعلی دوره
4روز 21ساعت 54دقیقه 59ثانیه

قیمت دسترسی کامل دوره

قیمت اصلی 30,000,000 تومان
60٪ تخفیف 18,000,000 تومان صرفه‌جویی
قیمت نهایی 12,000,000 تومان
امکان پرداخت ۴ قسطی
پرداخت امن و مطمئناز طریق درگاه‌های معتبر، همراه با پشتیبانی خرید

با خرید کامل دوره دریافت می‌کنید

  • دسترسی به همه فصل‌ها و درس‌هاتمام آموزش‌ها در یک مسیر کامل و منسجم
  • فعال‌سازی کامل SpotPlayerمشاهده امن و آسان محتوای ویدیویی دوره
  • محتوای آموزشی آینده بدون هزینهدسترسی خودکار به فصل‌ها و درس‌های جدید
  • به‌روزرسانی‌های آینده دورههمیشه همراه با ابزارها و روش‌های جدید مهندسی AI
  • مشاوره و پیشبرد آموزش با منتورهای دورههمراهی منتورها برای رفع موانع و ادامه هدفمند مسیر یادگیری

روش‌های پرداخت امن و منعطف

روش مناسب خود را انتخاب کنید؛ پرداخت کامل مبلغ به‌صورت نقدی الزامی نیست.

انتخاب منعطف

پرداخت در ۴ قسط با اسنپ‌پی

امکان خرید اقساطی؛ نیازی نیست کل مبلغ را نقدی پرداخت کنید.

بدون پرداخت کامل نقدی
درگاه معتبر

پرداخت امن با زرین‌پال

پرداخت سریع، امن و مطمئن از طریق درگاه زرین‌پال.

پرداخت رمزنگاری‌شده
دسترسی کامل دوره فعال است دسترسی کامل به همه آموزش‌های فعلی و محتوای آینده دوره 12,000,000تومان

می‌توانید هزینه دوره را در ۴ قسط پرداخت کنید.

۷ روز ضمانت بازگشت وجه

سرفصل‌های دوره

نمایی سریع از ساختار آموزشی دوره؛ فصل‌ها، ویدیوها و زمان تقریبی یادگیری را یک‌جا ببینید.

  • 10 پروژه
  • 32 فصل
  • 158 ویدیو
  • 2,228 دقیقه

با تهیه کامل دوره، همه فصل‌ها و ویدیوهای آموزشی در دسترس شما قرار می‌گیرد.

فصل 1شروع مسیر؛ آشنایی با دوره و نقشه راه پیش رو

3 ویدیو 57:36 فصل آموزشی

طراحی معماری و شکستن مسئله با کمک AI

مروری بر System Design و طراحی ERD؛ از معماری سیستم تا مدل‌سازی دیتابیس
System Design؛ از طراحی معماری سیستم تا توسعه نرم‌افزار
Business Workflow و Deployment؛ از فرآیند کسب‌وکار تا انتشار نرم‌افزار
Role های کلیدی در SDLC؛ چه کسی چه کاری انجام می‌ دهد؟

از Token و Transformer تا تولید پاسخ توسط مدل

تاریخچه AI؛ از گذشته تا امروز
LLM چیست؟ آشنایی با مدل‌های زبانی بزرگ
Attention Is All You Need؛ آغاز عصر Transformer
Tokenization و Embedding؛ تبدیل متن به توکن و بردارهای معنایی
Attention Mechanism چیست؟ بررسی سازوکار توجه در مدل‌ های زبانی
Pre-training چیست؟ آشنایی با فرآیند آموزش اولیه مدل‌های زبانی
Post-Training چیست؟ آموزش و بهینه‌سازی مدل‌های هوش مصنوعی
Fine-Tuning چیست؟ آموزش اختصاصی مدل‌های هوش مصنوعی
Context و Memory چیست؟ مدیریت زمینه و حافظه در AI
Hallucination چیست؟ خطای مدل‌ های هوش مصنوعی
جمع‌بندی فصل؛ مرور مفاهیم کلیدی هوش مصنوعی

انتخاب و استفاده درست از ابزارهای AI در توسعه نرم‌ افزار

اکوسیستم AI چیست؟ آشنایی با ابزارها و فناوری‌ های هوش مصنوعی
مقایسه بهترین مدل‌های هوش مصنوعی؛ هوشمند، سریع و اقتصادی
آیا قوی‌ترین مدل، همیشه بهترین مدل هوش مصنوعی است؟
موج‌های هوش مصنوعی؛ از گذشته تا امروز
شروع برنامه‌نویسی با AI؛ نصب ابزارها و نوشتن اولین کد
GitHub Copilot؛ کار با دستیار هوش مصنوعی در برنامه‌نویسی
انواع AI Agent؛ بررسی Cursor به‌عنوان رابط هوشمند
مدل‌های Claude؛ بررسی انواع و کاربرد هر مدل
مدل‌های GPT؛ مقایسه Sol، Terra و Luna
آپدیت دوره ! Gpt Astra is Here!
مدل‌های Kimi؛ بررسی انواع مدل و کاربردهای آن‌ها
ZenMux و OpenCode؛ کار با ابزارهای هوشمند برنامه‌نویسی

از یک درخواست ساده تا Promptهای ساختاریافته و حرفه‌ای

مقدمه‌ای بر مهندسی پرامپت؛ اصول تعامل با هوش مصنوعی
آناتومی پرامپت؛ ساختار یک پرامپت حرفه‌ای
Zero-Shot Prompting
one-shot prompting
Few-Shot Prompting
Chain-of-Thought (CoT)
Self-Consistency Prompting
Tree-of-Thought (ToT)
ReAct؛ ترکیب استدلال و عمل در AI
Meta Prompting؛ طراحی پرامپت‌های هوشمند
Prompt Chaining؛ زنجیره‌سازی پرامپت‌ها در AI
Iterative Prompting؛ بهبود مرحله‌ای پرامپت‌ها
Negative Prompting؛ کنترل خروجی‌های ناخواسته در AI
Generated Knowledge Prompting
Program-Aided Language Models
RAG چیست؟ آشنایی با Retrieval-Augmented Generation

مدیریت Context، محدودیت‌ها و اطلاعات پروژه برای AI

مهندسی Context چیست؟ آشنایی با Context Engineering
آناتومی Context؛ اجزای اصلی Context در AI
ساختار Context در پروژه؛ مدیریت پوشه‌ها و فایل‌های Context
پیاده‌سازی Project.md؛ تعریف Context پروژه
پیاده‌سازی Requirements.md؛ تعریف نیازمندی‌های پروژه برای AI
پیاده سازی stack.md
پیاده‌سازی Rules.md؛ تعریف قوانین پروژه برای AI
Architecture.md چیست؟ پیاده‌سازی معماری پروژه برای AI
پیاده‌سازی Domain.md؛ تعریف دامنه پروژه برای AI
UI.md و Feature؛ ساختاردهی رابط کاربری و قابلیت‌های پروژه
پیاده‌سازی پروژه مشابه Trello با Jules
Context Hierarchy و Lifetime؛ ساختار و چرخه عمر Context
افزودن Featureهای جدید به پروژه؛ توسعه قابلیت‌ها با AI
Context Update؛ به‌روزرسانی Context پروژه
Context Selection و Assembly؛ انتخاب و ساخت Context برای AI
Just-in-Time Context؛ مدیریت پویای Context در AI

از Version Control تا Collaboration در پروژه‌های واقعی

Git Workflow؛ آشنایی با گردش کار Git
جابجایی بین Commitها در Git
کار با Branch در Git؛ مدیریت شاخه‌ های توسعه
رفع Merge Conflict در Git
کار با دستورات Reset و Restore در Git
GitHub چیست؟ آشنایی و کار با GitHub
ساخت README.md برای پروژه در GitHub
آشنایی و کار با Jules

آشنایی با Agent، Tool Calling و اجرای چندمرحله‌ای وظایف

مقدمه ای بر Ai Agent
Ai Agent System
RAG در AI Agent؛ از جستجو تا تولید پاسخ
MCP؛ اتصال AI Agent به ابزارها و داده‌ها
Monitoring در AI Agent؛ آشنایی با لایه مانیتورینگ و نظارت بر Agent
لایه Error Handling در AI Agent
AI Agent؛ مروری بر عملکرد و جریان اجرای یک Agent هوشمند

ساخت، تحلیل و تغییر پروژه‌های واقعی با Codex

Codex؛ راه‌اندازی و کار با CLI، Extension و App
نحوه تهیه اشتراک Plus برای Codex؛ فعال‌سازی و شروع کار با Codex
راهکارهای بهینه برای تهیه اکانت‌های AI
کار با Permission، Command و Reasoning در Codex
Plan Mode در Codex؛ برنامه‌ریزی و اجرای مرحله‌ای پروژه با AI
کار با AGENTS.md؛ مدیریت قوانین پروژه برای AI
Sandbox؛ محیط اجرای امن در Codex
اتصال Codex به MCP؛ اتصال AI به ابزارها و سرویس‌های خارجی
کار با Skill.md؛ تعریف مهارت برای AI
Delegation و Sub-Agent؛ مدیریت و تقسیم وظایف در Codex
Rollback و Revert؛ بازگردانی تغییرات در Codex
جمع‌بندی فصل؛ مرور صفر تا صد Codex

توسعه و مدیریت پروژه‌های واقعی با Claude Code

مقدمه‌ای بر Claude
نصب و راه‌اندازی Claude؛ از App و Terminal تا Extension
راهکارهای جلوگیری از بن شدن در Claude؛ مدیریت IP و اکانت
خرید و راه‌اندازی اکانت Claude؛ نکاتی برای جلوگیری از بن شدن
سایر قسمت ها در حال ضبط هستند و به زودی اضافه خواهند شد

از Open-Weight Models و Ollama تا اجرای Local Model

بررسی مدل‌های Open-Source / Open-Weight
Ollama؛ نصب، اجرای مدل‌های Open-Weight و بررسی آن‌ها
پیاده‌سازی پروژه با مدل‌های Local؛ (مراقب نابودی سیستم باشید)

آموزش مفاهیم پایه وب : Html5 , Css3 , Javascript

مبانی برنامه‌نویسی وب؛ آشنایی با مفاهیم پایه و نصب ابزارهای موردنیاز
ساختار HTML و تگ‌ها؛ آشنایی با ساختار صفحات وب و تگ‌های HTML
HTML Attributes؛ آشنایی با ویژگی‌های تگ‌ها
CSS چیست؟ آشنایی با مفاهیم پایه و دستورات مهم CSS
آشنایی با انواع Selector و نحوه انتخاب عناصر
تگ‌های Block و Inline در HTML؛ تفاوت و نحوه استفاده
پیاده‌سازی Header پروژه؛ ساخت و طراحی هدر صفحه وب
Nested Selectors؛ سلکتورهای تو‌در‌تو در CSS
اولویت استایل‌ها در CSS
ساخت Hero با Kimi، Claude و GPT؛ مقایسه خروجی‌ها
JavaScript؛ آشنایی با مفاهیم پایه، Data Typeها و Variableها
JavaScript Operators و شرط‌ ها
Loop در JavaScript؛ آشنایی با حلقه‌ ها و نحوه استفاده از آن‌ ها
Arrays در JavaScript؛ متدهای Push، Pop , slice , splice
متدهای آرایه در JavaScript؛ کار با Join، IndexOf و Spread
توابع در JavaScript؛ آشنایی با Function و نحوه استفاده از آن‌ها
متدهای آرایه در JavaScript؛ کار با Map، Find، Filter و Reduce
Objects در JavaScript؛ کار با Object و متدهای آن
JavaScript مدرن؛ آشنایی با ES6 و قابلیت‌های جدید JavaScript
DOM در JavaScript؛ آشنایی با ساختار و نحوه کار با DOM
Events در JavaScript؛ آشنایی با رویدادها و نحوه مدیریت آن‌ها
پیاده‌سازی Todo App با AI؛ مقایسه عملکرد Claude، GPT و Kimi
Web Storage در JavaScript؛ کار با LocalStorage و SessionStorage
API و عملیات Async در JavaScript
بررسی مفاهیم گفته شده در فصل

مفاهیم مدرن فرانت اند : ریکت ، تیلویند ، تایپ اسکریپت

Tailwind CSS؛ مقدمه‌ای بر Tailwind و نحوه نصب و راه‌ اندازی
Typography در Tailwind CSS
Flexbox و Hover در Tailwind CSS؛ چیدمان و تعامل عناصر
Breakpoints در Tailwind؛ طراحی Responsive
ساخت یک Modern Landing Page با AI
React چیست؟ مقدمه‌ای بر React و نحوه نصب و راه‌اندازی
JSX؛ آشنایی با سینتکس و قوانین JSX در React
Props و Data Flow در React
State در React؛ مدیریت وضعیت کامپوننت‌ها
Form و React DevTools؛ کار با فرم‌ها و ابزارهای توسعه React
useEffect در React؛ کار با Side Effectها
useRef در React؛ کاربردها و نحوه استفاده
کار با useMemo
کار با useContext
کار با API و Postman در React
Fetch و Promise؛ مدیریت درخواست‌های Async
پیاده سازی سایت مشابه AIRBNB با React
TanStack Query؛ نصب و استفاده برای مدیریت داده‌های سرور در React
useMutation در TanStack Query؛ مدیریت عملیات تغییر داده‌ها
React Router؛ آشنایی با Routing و مدیریت مسیرها در React
Dynamic Route و Outlet در React Router
Prop Drilling و Redux؛ آشنایی با مدیریت State و نصب و استفاده از Redux
مهندسی نرم‌افزار در Frontend؛ معماری لایه‌ها و نحوه ارتباط آن‌ها
مقدمه‌ای بر TypeScript و نحوه نصب و راه‌اندازی
Type Annotation و Interface در TypeScript؛ تعریف و مدیریت انواع داده
Union و Intersection Type؛ کار با انواع ترکیبی در TypeScript
Interface در TypeScript؛ تعریف ساختار داده
Function و Generic؛ کار با توابع و Generics در TypeScript
tsconfig.json؛ آشنایی با تنظیمات و پیکربندی TypeScript
TypeScript در React؛ پیاده‌سازی و استفاده از TypeScript در پروژه‌های React
پیاده سازی پروژه مشابه Netflix

یادگیری مفاهیم Node.js , Nest.js

از مدل‌سازی داده تا طراحی ارتباطات و Query های بهینه

طراحی APIهای استاندارد، امن و قابل توسعه

از Unit Test تا Integration و تست سناریوهای واقعی

از Authentication و Authorization تا مقابله با آسیب‌پذیری‌های رایج

از کد شلوغ تا معماری تمیز، ماژولار و قابل نگهداری

طراحی سیستم‌های مقیاس‌پذیر، توزیع‌شده و مبتنی بر AI

از اجرای محلی پروژه تا استقرار، مانیتورینگ و Production واقعی

معرفی مدرس و منتور دوره

فرهاد کاظم زاده

برنامه نویس فول استک وب

نزدیک به ده سال است که به‌ صورت تخصصی در حوزه برنامه‌نویسی و توسعه نرم‌افزار فعالیت می‌کنم و در حال حاضر به عنوان TeamLead در گروه نرم افزاری آفام ، منتور چندین شرکت و مدیر پروژه در گروه نرم‌افزاری فرین مشغول به کار هستم. از سال ۱۳۹۸ فعالیت آموزشی خود را در دانشگاه‌ها، موسسات آموزشی و آکادمی‌های استعدادیابی آغاز کرده و در زمینه کشف و پرورش استعدادها تجربه ارزشمندی کسب کرده‌ام. در سال ۱۴۰۲، آکادمی دومایندز (توسعه دهندگان ذهن) را تأسیس کردم تا با هدف ترویج مهارت‌های واقعی بازار کار، دانشجویان را به مهندسین نرم‌افزار توانمند تبدیل کنم؛ افرادی که نه تنها با مفاهیم برنامه‌نویسی آشنا هستند، بلکه درک عمیقی از معماری‌های بزرگ، پیاده‌سازی آن‌ها، مدیریت پرفورمنس و چشم‌اندازی واقعی نسبت به بازار جهانی مهندسی نرم‌افزار دارند.

تجربه پروژه واقعییادگیری بر پایه مسئله‌های واقعی بازار کار
تدریس کاربردیتبدیل مفاهیم به مهارت قابل استفاده
منتورینگ مستمرهمراهی روشن در طول مسیر یادگیری
به‌روز و آینده‌نگرتمرکز بر ابزارها و استانداردهای امروز
تجربه‌های واقعی از مسیر یادگیری

نظرات و پرسش‌های دانشجویان

0 دیدگاه
نمایش 0 تا 0 از 0 دیدگاه

دیدگاه خود را بنویسید

برای ثبت دیدگاه، ابتدا وارد حساب کاربری شوید یا ثبت‌نام کنید.

۰ / ۲۰۰۰

همین الان فصل رایگان را شروع کنید

بدون پرداخت — فقط مقدمات هوش مصنوعی در مهندسی نرم‌افزار.

شروع یادگیری رایگان