[](https://github.com/microsoft/AI-For-Beginners/blob/main/LICENSE) [](https://GitHub.com/microsoft/AI-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/AI-For-Beginners/issues/) [](https://GitHub.com/microsoft/AI-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/AI-For-Beginners/watchers/) [](https://GitHub.com/microsoft/AI-For-Beginners/network/) [](https://GitHub.com/microsoft/AI-For-Beginners/stargazers/) [](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD) [](https://gitter.im/Microsoft/ai-for-beginners?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge) [](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) # هوش مصنوعی برای مبتدیان - یک برنامه آموزشی || |:---:| | هوش مصنوعی برای مبتدیان - _طرح‌نگاری توسط [@girlie_mac](https://twitter.com/girlie_mac)_ | دنیای **هوش مصنوعی** (AI) را با برنامه آموزشی ۱۲ هفته‌ای و ۲۴ درس ما کشف کنید! این برنامه شامل درس‌های عملی، آزمون‌ها و آزمایشگاه‌ها است. این برنامه آموزشی برای مبتدیان طراحی شده و ابزارهایی مانند TensorFlow و PyTorch و همچنین اخلاق در هوش مصنوعی را پوشش می‌دهد. ### 🌐 پشتیبانی چندزبانه #### پشتیبانی شده از طریق GitHub Action (خودکار و همیشه به‌روز) [فرانسوی](../fr/README.md) | [اسپانیایی](../es/README.md) | [آلمانی](../de/README.md) | [روسی](../ru/README.md) | [عربی](../ar/README.md) | [فارسی](./README.md) | [اردو](../ur/README.md) | [چینی (ساده‌شده)](../zh/README.md) | [چینی (سنتی، ماکائو)](../mo/README.md) | [چینی (سنتی، هنگ‌کنگ)](../hk/README.md) | [چینی (سنتی، تایوان)](../tw/README.md) | [ژاپنی](../ja/README.md) | [کره‌ای](../ko/README.md) | [هندی](../hi/README.md) | [بنگالی](../bn/README.md) | [مراتی](../mr/README.md) | [نپالی](../ne/README.md) | [پنجابی (گرمکی)](../pa/README.md) | [پرتغالی (پرتغال)](../pt/README.md) | [پرتغالی (برزیل)](../br/README.md) | [ایتالیایی](../it/README.md) | [لهستانی](../pl/README.md) | [ترکی](../tr/README.md) | [یونانی](../el/README.md) | [تایلندی](../th/README.md) | [سوئدی](../sv/README.md) | [دانمارکی](../da/README.md) | [نروژی](../no/README.md) | [فنلاندی](../fi/README.md) | [هلندی](../nl/README.md) | [عبری](../he/README.md) | [ویتنامی](../vi/README.md) | [اندونزیایی](../id/README.md) | [مالایی](../ms/README.md) | [تاگالوگ (فیلیپینی)](../tl/README.md) | [سواحیلی](../sw/README.md) | [مجاری](../hu/README.md) | [چکی](../cs/README.md) | [اسلواکی](../sk/README.md) | [رومانیایی](../ro/README.md) | [بلغاری](../bg/README.md) | [صربی (سیریلیک)](../sr/README.md) | [کرواتی](../hr/README.md) | [اسلوونیایی](../sl/README.md) | [اوکراینی](../uk/README.md) | [برمه‌ای (میانمار)](../my/README.md) **اگر می‌خواهید زبان‌های بیشتری برای ترجمه پشتیبانی شوند، لیست زبان‌های موجود [اینجا](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) قابل مشاهده است.** ## به جامعه بپیوندید [](https://discord.gg/kzRShWzttr) ## آنچه خواهید آموخت **[نقشه ذهنی دوره](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)** در این برنامه آموزشی، شما یاد خواهید گرفت: * رویکردهای مختلف به هوش مصنوعی، از جمله رویکرد نمادین "قدیمی خوب" با **نمایش دانش** و استدلال ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)). * **شبکه‌های عصبی** و **یادگیری عمیق** که در قلب هوش مصنوعی مدرن قرار دارند. ما مفاهیم پشت این موضوعات مهم را با استفاده از کد در دو چارچوب محبوب - [TensorFlow](http://Tensorflow.org) و [PyTorch](http://pytorch.org) توضیح خواهیم داد. * **معماری‌های عصبی** برای کار با تصاویر و متن. ما مدل‌های اخیر را پوشش خواهیم داد، اما ممکن است در برخی موارد از آخرین پیشرفت‌ها عقب باشیم. * رویکردهای کمتر محبوب هوش مصنوعی، مانند **الگوریتم‌های ژنتیک** و **سیستم‌های چندعاملی**. آنچه در این برنامه آموزشی پوشش داده نمی‌شود: > [تمام منابع اضافی این دوره را در مجموعه Microsoft Learn ما پیدا کنید](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) * موارد تجاری استفاده از **هوش مصنوعی در کسب‌وکار**. پیشنهاد می‌کنیم مسیر یادگیری [مقدمه‌ای بر هوش مصنوعی برای کاربران کسب‌وکار](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) را در Microsoft Learn یا [مدرسه کسب‌وکار هوش مصنوعی](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum) که با همکاری [INSEAD](https://www.insead.edu/) توسعه یافته است، دنبال کنید. * **یادگیری ماشین کلاسیک** که به‌خوبی در برنامه آموزشی [یادگیری ماشین برای مبتدیان](http://github.com/Microsoft/ML-for-Beginners) ما توضیح داده شده است. * کاربردهای عملی هوش مصنوعی که با استفاده از **[خدمات شناختی](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ساخته شده‌اند. برای این موضوع، پیشنهاد می‌کنیم با ماژول‌های Microsoft Learn برای [بینایی](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum)، [پردازش زبان طبیعی](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum)، **[هوش مصنوعی مولد با سرویس Azure OpenAI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** و دیگر موارد شروع کنید. * چارچوب‌های ابری خاص یادگیری ماشین، مانند [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum)، [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum)، یا [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). پیشنهاد می‌کنیم مسیرهای یادگیری [ساخت و بهره‌برداری از راه‌حل‌های یادگیری ماشین با Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) و [ساخت و بهره‌برداری از راه‌حل‌های یادگیری ماشین با Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) را دنبال کنید. * **هوش مصنوعی مکالمه‌ای** و **چت‌بات‌ها**. یک مسیر یادگیری جداگانه [ایجاد راه‌حل‌های هوش مصنوعی مکالمه‌ای](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) وجود دارد، و همچنین می‌توانید به [این پست وبلاگ](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) برای جزئیات بیشتر مراجعه کنید. * **ریاضیات عمیق** پشت یادگیری عمیق. برای این موضوع، پیشنهاد می‌کنیم کتاب [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) نوشته ایان گودفلو، یوشوا بنجیو و آرون کورویل را مطالعه کنید که به‌صورت آنلاین نیز در دسترس است: [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/). برای یک مقدمه ملایم به موضوعات _هوش مصنوعی در ابر_، می‌توانید مسیر یادگیری [شروع با هوش مصنوعی در Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) را دنبال کنید. # محتوا | | لینک درس | PyTorch/Keras/TensorFlow | آزمایشگاه | | :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ | | 0 | [تنظیم دوره](./lessons/0-course-setup/setup.md) | [تنظیم محیط توسعه خود](./lessons/0-course-setup/how-to-run.md) | | | I | [**مقدمه‌ای بر هوش مصنوعی**](./lessons/1-Intro/README.md) | | | | 01 | [مقدمه و تاریخچه هوش مصنوعی](./lessons/1-Intro/README.md) | - | - | | II | **هوش مصنوعی نمادین** | | 02 | [نمایش دانش و سیستم‌های خبره](./lessons/2-Symbolic/README.md) | [سیستم‌های خبره](./lessons/2-Symbolic/Animals.ipynb) / [هستی‌شناسی](./lessons/2-Symbolic/FamilyOntology.ipynb) /[گراف مفهومی](./lessons/2-Symbolic/MSConceptGraph.ipynb) | | | III | [**مقدمه‌ای بر شبکه‌های عصبی**](./lessons/3-NeuralNetworks/README.md) ||| | 03 | [پرسپترون](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [دفترچه یادداشت](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) | | 04 | [پرسپترون چندلایه و ایجاد چارچوب خودمان](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [دفترچه یادداشت](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) | | 05 | [مقدمه‌ای بر فریم‌ورک‌ها (PyTorch/TensorFlow) و بیش‌برازش](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [آزمایشگاه](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) | | IV | [**بینایی کامپیوتر**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [کاوش بینایی کامپیوتر در Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) | | 06 | [مقدمه‌ای بر بینایی کامپیوتر. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [دفترچه یادداشت](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) | | 07 | [شبکه‌های عصبی کانولوشنی](./lessons/4-ComputerVision/07-ConvNets/README.md) & [معماری‌های CNN](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) | | 08 | [شبکه‌های از پیش آموزش‌دیده و یادگیری انتقالی](./lessons/4-ComputerVision/08-TransferLearning/README.md) و [ترفندهای آموزشی](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) | | 09 | [اتواینکدرها و VAEs](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | | | 10 | [شبکه‌های مولد متخاصم و انتقال سبک هنری](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | | | 11 | [تشخیص اشیا](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [آزمایشگاه](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) | | 12 | [تقسیم‌بندی معنایی. U-Net](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | | | V | [**پردازش زبان طبیعی**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [کاوش پردازش زبان طبیعی در Microsoft Azure](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)| | 13 | [نمایش متن. Bow/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | | | 14 | [تعبیه‌های معنایی کلمات. Word2Vec و GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | | | 15 | [مدل‌سازی زبان. آموزش تعبیه‌های خودتان](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [آزمایشگاه](./lessons/5-NLP/15-LanguageModeling/lab/README.md) | | 16 | [شبکه‌های عصبی بازگشتی](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | | | 17 | [شبکه‌های بازگشتی مولد](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [آزمایشگاه](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) | | 18 | [ترانسفورمرها. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | | | 19 | [تشخیص موجودیت‌های نام‌گذاری‌شده](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [آزمایشگاه](./lessons/5-NLP/19-NER/lab/README.md) | | 20 | [مدل‌های زبانی بزرگ، برنامه‌نویسی با پرامپت و وظایف کم‌شات](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | | | VI | **سایر تکنیک‌های هوش مصنوعی** || | | 21 | [الگوریتم‌های ژنتیک](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [دفترچه یادداشت](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | | | 22 | [یادگیری تقویتی عمیق](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [آزمایشگاه](./lessons/6-Other/22-DeepRL/lab/README.md) | | 23 | [سیستم‌های چندعاملی](./lessons/6-Other/23-MultiagentSystems/README.md) | | | | VII | **اخلاق هوش مصنوعی** | | | | 24 | [اخلاق هوش مصنوعی و هوش مصنوعی مسئولانه](./lessons/7-Ethics/README.md) | [Microsoft Learn: اصول هوش مصنوعی مسئولانه](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | | | IX | **موارد اضافی** | | | | 25 | [شبکه‌های چندوجهی، CLIP و VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [دفترچه یادداشت](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | | ## هر درس شامل * مطالب پیش‌مطالعه * دفترچه‌های Jupyter اجرایی که اغلب به فریم‌ورک خاصی (**PyTorch** یا **TensorFlow**) اختصاص دارند. این دفترچه‌ها همچنین شامل مطالب نظری زیادی هستند، بنابراین برای درک موضوع باید حداقل یکی از نسخه‌های دفترچه (PyTorch یا TensorFlow) را مرور کنید. * **آزمایشگاه‌ها** که برای برخی موضوعات در دسترس هستند و به شما فرصت می‌دهند تا مطالبی که یاد گرفته‌اید را روی یک مسئله خاص اعمال کنید. * برخی بخش‌ها شامل لینک‌هایی به ماژول‌های [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) هستند که موضوعات مرتبط را پوشش می‌دهند. ## شروع به کار ### 🎯 تازه‌کار در هوش مصنوعی؟ از اینجا شروع کنید! اگر کاملاً در هوش مصنوعی تازه‌کار هستید و می‌خواهید مثال‌های سریع و عملی ببینید، به [**مثال‌های مناسب مبتدیان**](./examples/README.md) ما سر بزنید! این مثال‌ها شامل: - 🌟 **سلام دنیای هوش مصنوعی** - اولین برنامه هوش مصنوعی شما (تشخیص الگو) - 🧠 **شبکه عصبی ساده** - ساخت یک شبکه عصبی از ابتدا - 🖼️ **دسته‌بندی تصویر** - دسته‌بندی تصاویر با توضیحات دقیق - 💬 **احساسات متن** - تحلیل متن مثبت/منفی این مثال‌ها برای کمک به شما در درک مفاهیم هوش مصنوعی قبل از ورود به برنامه درسی کامل طراحی شده‌اند. ### 📚 راه‌اندازی برنامه درسی کامل - ما یک [درس راه‌اندازی](./lessons/0-course-setup/setup.md) ایجاد کرده‌ایم تا به شما در راه‌اندازی محیط توسعه کمک کند. - برای مربیان، ما یک [درس راه‌اندازی برنامه درسی](./lessons/0-course-setup/for-teachers.md) نیز ایجاد کرده‌ایم! - نحوه [اجرای کد در VSCode یا Codepace](./lessons/0-course-setup/how-to-run.md) مراحل زیر را دنبال کنید: مخزن را فورک کنید: روی دکمه "Fork" در گوشه بالا-راست این صفحه کلیک کنید. مخزن را کلون کنید: `git clone https://github.com/microsoft/AI-For-Beginners.git` فراموش نکنید که به این مخزن ستاره (🌟) بدهید تا بعداً راحت‌تر آن را پیدا کنید. ## ملاقات با دیگر یادگیرندگان به [سرور رسمی دیسکورد AI](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) بپیوندید تا با دیگر یادگیرندگان این دوره آشنا شوید، شبکه‌سازی کنید و پشتیبانی دریافت کنید. اگر در حین ساخت پروژه بازخورد محصول یا سوالی دارید، به [فروم توسعه‌دهندگان Azure AI Foundry](https://aka.ms/foundry/forum) مراجعه کنید. ## آزمون‌ها > **نکته‌ای درباره آزمون‌ها**: تمامی آزمون‌ها در پوشه Quiz-app در مسیر etc\quiz-app قرار دارند، یا [آنلاین اینجا](https://ff-quizzes.netlify.app/) در دسترس هستند. این آزمون‌ها از داخل درس‌ها لینک شده‌اند. اپلیکیشن آزمون می‌تواند به صورت محلی اجرا شود یا در Azure مستقر شود؛ دستورالعمل‌ها را در پوشه `quiz-app` دنبال کنید. این آزمون‌ها به تدریج بومی‌سازی می‌شوند. ## درخواست کمک آیا پیشنهادی دارید یا خطاهای املایی یا کدی پیدا کرده‌اید؟ یک Issue ایجاد کنید یا یک Pull Request ارسال کنید. ## تشکر ویژه * **✍️ نویسنده اصلی:** [Dmitry Soshnikov](http://soshnikov.com)، دکترا * **🔥 ویراستار:** [Jen Looper](https://twitter.com/jenlooper)، دکترا * **🎨 تصویرگر Sketchnote:** [Tomomi Imura](https://twitter.com/girlie_mac) * **✅ سازنده آزمون:** [Lateefah Bello](https://github.com/CinnamonXI)، [MLSA](https://studentambassadors.microsoft.com/) * **🙏 مشارکت‌کنندگان اصلی:** [Evgenii Pishchik](https://github.com/Pe4enIks) ## سایر برنامه‌های آموزشی تیم ما برنامه‌های آموزشی دیگری نیز تولید می‌کند! بررسی کنید: - [Generative AI برای مبتدیان](https://aka.ms/genai-beginners) - [Generative AI برای مبتدیان .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generative AI با JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Generative AI با Java](https://github.com/microsoft/Generative-AI-for-beginners-java) - [AI برای مبتدیان](https://aka.ms/ai-beginners) - [علم داده برای مبتدیان](https://aka.ms/datascience-beginners) - [یادگیری ماشین برای مبتدیان](https://aka.ms/ml-beginners) - [امنیت سایبری برای مبتدیان](https://github.com/microsoft/Security-101) - [توسعه وب برای مبتدیان](https://aka.ms/webdev-beginners) - [اینترنت اشیا برای مبتدیان](https://aka.ms/iot-beginners) - [توسعه XR برای مبتدیان](https://github.com/microsoft/xr-development-for-beginners) - [تسلط بر GitHub Copilot برای استفاده عامل‌محور](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [تسلط بر GitHub Copilot برای توسعه‌دهندگان C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [ماجراجویی Copilot خود را انتخاب کنید](https://github.com/microsoft/CopilotAdventures) ## دریافت کمک اگر گیر کردید یا سوالی درباره ساخت اپلیکیشن‌های AI دارید، به اینجا بپیوندید: [](https://aka.ms/foundry/discord) اگر بازخورد محصول یا خطاهایی در حین ساخت دارید، به اینجا مراجعه کنید: [](https://aka.ms/foundry/forum) --- **سلب مسئولیت**: این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.