کتاب از مقدماتی تا پیشرفته: آموزش جامع هوش مصنوعی بازی‌ها با رویکرد Ian Millington

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: از مقدماتی تا پیشرفته: آموزش جامع هوش مصنوعی بازی‌ها با رویکرد Ian Millington

موضوع کلی: هوش مصنوعی در بازی‌سازی

موضوع میانی: تکنیک‌های پایه هوش مصنوعی در بازی‌ها

📋 سرفصل‌های دوره (100 موضوع)

• 1. مقدمه‌ای بر هوش مصنوعی در بازی‌ها
• 2. تاریخچه و تکامل هوش مصنوعی بازی
• 3. نقش هوش مصنوعی در تجربه بازیکن
• 4. معماری‌های کلی هوش مصنوعی بازی
• 5. چرخه به‌روزرسانی هوش مصنوعی (AI Update Loop)
• 6. مفاهیم پایه ریاضیاتی برای هوش مصنوعی (بردارها و ماتریس‌ها)
• 7. محاسبات فیزیکی پایه برای حرکت AI
• 8. معرفی موتورهای بازی و ابزارهای AI
• 9. اصول طراحی هوش مصنوعی قابل درک و چالش‌برانگیز
• 10. مدل‌سازی عامل‌های هوشمند (Agents) در بازی‌ها
• 11. مقدمه‌ای بر رفتار‌های حرکتی (Steering Behaviors)
• 12. رفتار Seek: تعقیب هدف
• 13. رفتار Flee: فرار از هدف
• 14. رفتار Arrive: رسیدن به هدف با توقف
• 15. رفتار Wander: حرکت تصادفی و گشت‌زنی
• 16. رفتار Pursuit: تعقیب پیش‌بینی‌کننده
• 17. رفتار Evade: فرار پیش‌بینی‌کننده
• 18. رفتار Obstacle Avoidance: اجتناب از موانع ثابت
• 19. رفتار Wall Avoidance: اجتناب از دیوارها و مرزها
• 20. رفتار Collision Avoidance: اجتناب از برخورد با سایر عامل‌ها
• 21. رفتار Separation: حفظ فاصله از عامل‌های دیگر
• 22. رفتار Alignment: هم‌جهت شدن با گروه
• 23. رفتار Cohesion: نزدیک شدن به مرکز گروه
• 24. رفتار Flocking: ترکیب رفتارهای جدایی، هم‌ترازی و هم‌بستگی
• 25. ترکیب رفتارهای حرکتی پیچیده
• 26. مقدمه‌ای بر مسیر‌یابی (Pathfinding)
• 27. گراف‌ها و نمایش محیط بازی
• 28. الگوریتم جستجوی BFS و DFS در مسیر‌یابی
• 29. الگوریتم Dijkstra: یافتن کوتاه‌ترین مسیر
• 30. الگوریتم A* (A-Star): بهینه‌سازی مسیر‌یابی
• 31. هیوریستیک‌ها در الگوریتم A*
• 32. پیاده‌سازی A* روی شبکه‌های سلولی (Grids)
• 33. سیستم نقاط مسیر (Waypoints)
• 34. شبکه‌های ناوبری (Navigation Meshes – NavMesh)
• 35. تولید و بهینه‌سازی NavMesh
• 36. پیمایش NavMesh
• 37. جستجوی نقطه پرش (Jump Point Search)
• 38. میدان‌های جریان (Flow Fields) برای حرکت گروهی
• 39. حرکت گروهی و NavMesh
• 40. حرکت پویای عامل‌ها و بروزرسانی مسیر
• 41. مقدمه‌ای بر سیستم‌های تصمیم‌گیری هوش مصنوعی
• 42. ماشین‌های حالت متناهی (Finite State Machines – FSM)
• 43. طراحی FSM برای عامل‌های بازی
• 44. پیاده‌سازی FSM: حالت‌ها و انتقال‌ها
• 45. ماشین‌های حالت سلسله مراتبی (Hierarchical State Machines – HSM)
• 46. مزایا و معایب FSM و HSM
• 47. درختان رفتار (Behavior Trees – BT)
• 48. گره‌های کامپوزیت (Sequence, Selector) در درختان رفتار
• 49. گره‌های دکوراتور و برگ (Leaf Nodes) در درختان رفتار
• 50. طراحی و پیاده‌سازی درختان رفتار پیچیده
• 51. مزایا و معایب درختان رفتار در مقایسه با FSM
• 52. سیستم‌های مبتنی بر هدف و برنامه‌ریزی (Goal-Oriented Action Planning – GOAP)
• 53. جهان‌بینی عامل و اهداف در GOAP
• 54. اقدامات و اثرات آن‌ها در GOAP
• 55. برنامه‌ریزی پویا با GOAP
• 56. سیستم‌های سودمندی (Utility Systems)
• 57. ارزیابی امتیازات و انتخاب عمل بهینه در Utility Systems
• 58. فازی‌سازی و منطق فازی (Fuzzy Logic) در تصمیم‌گیری
• 59. مجموعه و توابع فازی
• 60. قوانین فازی و استنتاج فازی
• 61. سیستم‌های مبتنی بر قانون (Rule-Based Systems)
• 62. هوش مصنوعی اسکریپت‌نویسی شده (Scripted AI)
• 63. ابزارهای اسکریپت‌نویسی برای هوش مصنوعی
• 64. ترکیب روش‌های مختلف تصمیم‌گیری
• 65. استراتژی‌های تصمیم‌گیری برای شخصیت‌های غیربازیکن (NPCs)
• 66. مقدمه‌ای بر سیستم‌های حسی و ادراکی AI
• 67. حس بینایی: خط دید (Line of Sight)
• 68. میدان دید (Field of View) و مخروط بینایی
• 69. حس شنوایی: ردیابی صدا
• 70. حس لامسه و برخورد
• 71. سیستم‌های حافظه برای هوش مصنوعی
• 72. ذخیره‌سازی و بازیابی اطلاعات محیطی
• 73. مدیریت توجه عامل هوشمند
• 74. درک محیط و ارزیابی تهدید
• 75. ارتباط و هماهنگی بین عامل‌ها (Communication)
• 76. مقدمه‌ای بر تاکتیک‌ها و استراتژی‌های هوش مصنوعی
• 77. سیستم‌های پوشش‌گیری (Cover Systems)
• 78. هوش مصنوعی برای یورش و دور زدن دشمن (Flanking)
• 79. آرایش‌ها و تشکیلات گروهی (Formations)
• 80. هوش مصنوعی گروهی و فرماندهی
• 81. استراتژی‌های جمع‌آوری منابع و مدیریت
• 82. برنامه‌ریزی استراتژیک در مقیاس بزرگ
• 83. هوش مصنوعی برای مدیریت اقتصاد و تولید
• 84. پیش‌بینی حرکات و واکنش‌های بازیکن
• 85. سازگاری با سبک بازی بازیکن
• 86. مقدمه‌ای بر یادگیری ماشین در هوش مصنوعی بازی
• 87. الگوریتم‌های ژنتیک برای بهینه‌سازی AI
• 88. شبکه‌های عصبی پایه در AI بازی
• 89. یادگیری تقویتی (Reinforcement Learning) مقدماتی
• 90. هوش مصنوعی تطبیق‌پذیر و یادگیری آنلاین
• 91. معماری‌های پیشرفته هوش مصنوعی بازی
• 92. سیستم‌های تابلوی سیاه (Blackboard Systems)
• 93. بهینه‌سازی عملکرد هوش مصنوعی
• 94. موازی‌سازی و چند رشته‌ای کردن AI
• 95. اشکال‌زدایی (Debugging) و تست هوش مصنوعی
• 96. هوش مصنوعی داده‌محور (Data-Driven AI)
• 97. تولید محتوای رویه‌ای (Procedural Content Generation) با AI
• 98. هوش مصنوعی ظهوریافته (Emergent AI)
• 99. هوش مصنوعی برای بازی‌های چندنفره (Multiplayer AI)
• 100. آینده هوش مصنوعی در بازی‌ها و چالش‌ها

از مقدماتی تا پیشرفته: آموزش جامع هوش مصنوعی بازی‌ها با رویکرد Ian Millington

روح بخشیدن به دنیای دیجیتال: هنر خلق هوش مصنوعی در بازی‌ها

آیا تا به حال در دنیای یک بازی غرق شده‌اید و از هوشمندی دشمنان، واقع‌گرایی همراهان یا پویایی محیط شگفت‌زده شده‌اید؟ کاراکترهایی که شما را تعقیب می‌کنند، پناه می‌گیرند، با یکدیگر همکاری می‌کنند و به هر حرکت شما واکنشی هوشمندانه نشان می‌دهند، قلب تپنده هر بازی مدرن هستند. این جادو، هنر و علم «هوش مصنوعی بازی» است؛ مهارتی که مرز بین یک دنیای دیجیتال بی‌روح و یک تجربه زنده و نفس‌گیر را تعیین می‌کند.

دوره جامع هوش مصنوعی بازی‌ها، با الهام مستقیم از کتاب مرجع و جریان‌ساز “Artificial Intelligence for Games” نوشته Ian Millington، دروازه‌ای برای ورود به این دنیای شگفت‌انگیز است. ما در این دوره، مفاهیم پیچیده و تئوریک یکی از مهم‌ترین کتاب‌های این حوزه را به پروژه‌های عملی، کدهای قابل فهم و تکنیک‌های کاربردی تبدیل کرده‌ایم. این دوره فقط یک آموزش تئوری نیست، بلکه یک نقشه راه کامل برای ساخت کاراکترهای غیرقابل بازی (NPC) باورپذیر، دشمنان چالش‌برانگیز و دنیاهایی پویا است که بازیکن را مجذوب خود می‌کنند.

درباره دوره: ترجمه تئوری به کد

کتاب “Artificial Intelligence for Games” به عنوان یکی از منابع اصلی و کلاسیک در صنعت بازی‌سازی شناخته می‌شود، اما درک عمیق و پیاده‌سازی مفاهیم آن می‌تواند برای بسیاری از توسعه‌دهندگان چالش‌برانگیز باشد. این دوره آموزشی دقیقاً برای پر کردن این شکاف طراحی شده است. ما قدم به قدم، فصل به فصل، و مفهوم به مفهوم، تئوری‌های بنیادین کتاب را استخراج کرده و آن‌ها را در قالب مثال‌های واقعی و پروژه‌های عملی در محیط‌های بازی‌سازی مدرن پیاده‌سازی می‌کنیم. شما یاد می‌گیرید که چگونه الگوریتم‌های حرکت، ماشین‌های حالت، درخت‌های رفتار و سایر تکنیک‌های پیشرفته را نه تنها درک کنید، بلکه به صورت بهینه در بازی‌های خود به کار بگیرید.

موضوعات کلیدی دوره

• الگوریتم‌های حرکت و مسیریابی (Movement & Pathfinding): از رفتارهای فرمان‌پذیری ساده تا الگوریتم پیچیده A* و NavMesh.
• تکنیک‌های تصمیم‌گیری (Decision Making): ساخت مغز متفکر کاراکترها با ماشین‌های حالت متناهی (FSM)، درخت‌های رفتار (Behavior Trees) و سیستم‌های مبتنی بر سودمندی (Utility AI).
• هوش مصنوعی تاکتیکی و استراتژیک (Tactical & Strategic AI): آموزش به NPCها برای همکاری تیمی، استفاده از پوشش و تحلیل محیط.
• درک و شبیه‌سازی جهان (World Perception): ایجاد سیستم‌های بینایی و شنوایی برای کاراکترها تا بتوانند دنیای اطراف خود را درک کنند.
• هوش مصنوعی گروهی (Group AI): پیاده‌سازی رفتارهای گروهی مانند ازدحام (Flocking)، حرکت لشکریان و مدیریت جمعیت.
• یادگیری و انطباق‌پذیری (Learning AI): آشنایی با مفاهیم پایه‌ای یادگیری ماشین و شبکه‌های عصبی برای ساخت دشمنانی که از بازیکن یاد می‌گیرند.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان بازی‌های ویدیویی: برنامه‌نویسانی که می‌خواهند مهارت‌های خود را ارتقا داده و بازی‌های پیچیده‌تر و جذاب‌تری بسازند.
• دانشجویان رشته‌های کامپیوتر و نرم‌افزار: علاقه‌مندانی که به دنبال کاربردی کردن دانش آکادمیک خود در یکی از هیجان‌انگیزترین شاخه‌های صنعت نرم‌افزار هستند.
• توسعه‌دهندگان مستقل (Indie Developers): بازیسازانی که به تنهایی یا در تیم‌های کوچک کار می‌کنند و نیاز به ابزاری قدرتمند برای خلق تجربه‌های منحصربه‌فرد دارند.
• طراحان بازی (Game Designers): طراحانی که می‌خواهند با درک عمیق‌تر از قابلیت‌های فنی هوش مصنوعی، مکانیک‌های گیم‌پلی خلاقانه‌تر و هوشمندانه‌تری طراحی کنند.
• برنامه‌نویسان تازه‌کار: کسانی که با یک موتور بازی‌سازی (مانند Unity یا Unreal Engine) آشنایی اولیه دارند و می‌خواهند وارد دنیای تخصصی هوش مصنوعی شوند.

چرا باید در این دوره شرکت کنید؟

۱. نقشه راه ساختاریافته و جامع

به جای سردرگمی در میان صدها آموزش پراکنده و ناقص، یک مسیر یادگیری مدون و کامل را از مبانی اولیه تا تکنیک‌های پیشرفته طی کنید. این دوره تمام آن چیزی است که برای تسلط بر هوش مصنوعی بازی نیاز دارید.

۲. یادگیری پروژه-محور و کاربردی

ما به شما ماهیگیری یاد می‌دهیم! هر مفهوم تئوریک بلافاصله با یک مثال عملی و پیاده‌سازی در یک پروژه واقعی همراه می‌شود تا دانش شما عمیق و کاربردی شود.

۳. خلق دنیاهای زنده و باورپذیر

یاد بگیرید چگونه کاراکترهایی خلق کنید که فقط در صفحه حرکت نمی‌کنند، بلکه “زندگی” می‌کنند. کاراکترهایی که فکر می‌کنند، تصمیم می‌گیرند، احساس خطر می‌کنند و بازیکن را به چالش می‌کشند.

۴. افزایش چشمگیر ارزش حرفه‌ای شما

هوش مصنوعی یکی از تخصصی‌ترین و پرتقاضاترین مهارت‌ها در صنعت بازی‌سازی است. با گذراندن این دوره، رزومه خود را متمایز کرده و شانس خود را برای ورود به تیم‌های بزرگ بازی‌سازی افزایش دهید.

۵. الهام‌گرفته از بهترین منبع جهانی

شما عصاره یکی از معتبرترین کتاب‌های جهان در زمینه هوش مصنوعی بازی را به صورت عملی و بومی‌سازی شده دریافت می‌کنید. این یک میان‌بر هوشمندانه برای یادگیری تکنیک‌های اثبات‌شده جهانی است.

سرفصل‌های جامع دوره (بیش از ۱۰۰ سرفصل کاربردی)

فصل اول: مبانی و معماری هوش مصنوعی در بازی

• مقدمه‌ای بر هوش مصنوعی بازی
• تاریخچه و تکامل AI در بازی‌ها
• تفاوت هوش مصنوعی بازی با هوش مصنوعی آکادمیک
• معماری‌های رایج در سیستم‌های AI
• چرخه هوش مصنوعی (Sense-Think-Act)
• اهمیت بهینه‌سازی و عملکرد در AI
• ابزارهای دیباگ و بصری‌سازی AI
• مفهوم عامل (Agent) در هوش مصنوعی
• طراحی مبتنی بر رفتار (Behavior-Driven Design)
• اتصال هوش مصنوعی به انیمیشن (Animation-Driven AI)

فصل دوم: حرکت، پویایی و مسیریابی

• فیزیک پایه برای حرکت
• الگوریتم‌های فرمان‌پذیری (Steering Behaviors)
• رفتار Seek و Flee
• رفتار Arrive و Pursuit
• رفتار Wander (پرسه زدن)
• رفتار Evade و Obstacle Avoidance
• ترکیب رفتارهای فرمان‌پذیری
• مقدمه‌ای بر مسیریابی (Pathfinding)
• الگوریتم جستجوی A* به صورت گام به گام
• پیاده‌سازی A* در یک محیط شبکه‌ای (Grid)
• کار با NavMesh در موتورهای بازی‌سازی
• مسیریابی دینامیک و اجتناب از موانع متحرک

فصل سوم: تکنیک‌های پایه تصمیم‌گیری

• مقدمه‌ای بر ماشین‌های حالت متناهی (Finite State Machines – FSM)
• پیاده‌سازی یک FSM ساده برای دشمن
• مدیریت انتقال حالت‌ها (Transitions)
• ماشین‌های حالت سلسله‌مراتبی (Hierarchical FSMs)
• مزایا و معایب FSM
• درخت‌های تصمیم (Decision Trees)
• پیاده‌سازی درخت تصمیم برای انتخاب اسلحه
• منطق فازی (Fuzzy Logic) چیست؟
• کاربرد منطق فازی در تصمیم‌گیری‌های غیرقطعی
• پیاده‌سازی یک کنترلر فازی ساده

فصل چهارم: تکنیک‌های پیشرفته تصمیم‌گیری

• معرفی درخت‌های رفتار (Behavior Trees – BT)
• مفاهیم پایه: Sequence, Selector, Decorator
• پیاده‌سازی یک درخت رفتار ساده
• مقایسه درخت رفتار با FSM
• استفاده از Blackboard برای اشتراک داده
• مفهوم هوش مصنوعی مبتنی بر سودمندی (Utility AI)
• طراحی توابع ارزیابی (Evaluation Functions)
• پیاده‌سازی یک سیستم تصمیم‌گیری Utility-Based
• برنامه‌ریزی عمل‌گرای هدف-محور (GOAP)
• طراحی اکشن‌ها و اهداف در GOAP

فصل پنجم: هوش مصنوعی تاکتیکی و گروهی

• مفهوم آگاهی تاکتیکی (Tactical Awareness)
• تحلیل میدان نبرد: نقاط پوشش (Cover Points)
• الگوریتم پیدا کردن بهترین نقطه پوشش
• نقشه‌های نفوذ (Influence Maps)
• کاربرد Influence Maps در تصمیم‌گیری استراتژیک
• هوش مصنوعی جوخه (Squad AI)
• پیاده‌سازی دستورات تیمی (حمله، دفاع، پشتیبانی)
• الگوریتم‌های حرکت در آرایش نظامی (Formations)
• حفظ آرایش هنگام حرکت و درگیری
• تحلیل گلوگاه‌ها (Choke Point Analysis)

فصل ششم: درک جهان و مدیریت دانش

• طراحی سیستم‌های حسی (Sensing Systems)
• شبیه‌سازی حس بینایی (Vision Cone)
• شبیه‌سازی حس شنوایی (Sound Perception)
• مدیریت دانش و حافظه در AI
• سیستم پیام‌رسانی بین عامل‌ها (Inter-Agent Communication)
• مفهوم بازنمایی دانش (Knowledge Representation)
• استفاده از محرک‌ها (Stimulus) و حسگرها
• مدل‌سازی حافظه کوتاه‌مدت و بلندمدت
• به اشتراک‌گذاری اطلاعات در تیم
• واکنش به رویدادهای غیرمنتظره

فصل هفتم: هوش مصنوعی در ژانرهای مختلف بازی

• هوش مصنوعی در بازی‌های تیراندازی اول شخص (FPS)
• هوش مصنوعی در بازی‌های استراتژی همزمان (RTS)
• مدیریت منابع و ساخت و ساز در RTS
• هوش مصنوعی در بازی‌های نقش‌آفرینی (RPG)
• سیستم دیالوگ و انتخاب‌های هوشمند
• هوش مصنوعی برای همراهان (Companion AI)
• هوش مصنوعی در بازی‌های ورزشی
• هوش مصنوعی در بازی‌های مخفی‌کاری (Stealth)
• الگوهای گشت‌زنی (Patrolling Patterns)
• طراحی Boss Fight های هوشمند

فصل هشتم: هوش مصنوعی ازدحام و جمعیت

• الگوریتم Boids برای شبیه‌سازی ازدحام
• سه قانون اصلی: Cohesion, Separation, Alignment
• پیاده‌سازی شبیه‌سازی پرواز پرندگان
• کاربرد Flocking در حرکت ماهی‌ها یا لشکریان
• شبیه‌سازی جمعیت (Crowd Simulation)
• مسیریابی جمعیت و اجتناب از برخورد
• بهینه‌سازی شبیه‌سازی جمعیت‌های بزرگ
• رفتارهای اضطراری در جمعیت (فرار از خطر)
• جریان‌های حرکتی (Flow Fields) برای هدایت گروهی
• ترکیب Flocking با مسیریابی

فصل نهم: یادگیری و انطباق‌پذیری در هوش مصنوعی

• مقدمه‌ای بر یادگیری ماشین در بازی‌ها
• یادگیری تقویتی (Reinforcement Learning) چیست؟
• یادگیری از طریق آزمون و خطا
• شبکه‌های عصبی مصنوعی (Artificial Neural Networks) به زبان ساده
• کاربرد شبکه‌های عصبی در کنترل کاراکتر
• الگوریتم‌های ژنتیک (Genetic Algorithms)
• تکامل رفتارها از طریق الگوریتم ژنتیک
• ساخت دشمنانی که با سبک بازی بازیکن سازگار می‌شوند
• تحلیل الگوی بازیکن (Player Modeling)
• چالش‌ها و فرصت‌های یادگیری ماشین در بازی‌سازی

فصل دهم: بهینه‌سازی، دیباگ و مباحث پیشرفته

• تکنیک‌های بهینه‌سازی عملکرد هوش مصنوعی
• مفهوم Level of Detail (LOD) برای AI
• استفاده از پروفایلر برای شناسایی گلوگاه‌ها
• ابزارهای بصری‌سازی و دیباگینگ پیشرفته
• لاگ‌گیری رفتار AI برای تحلیل
• هوش مصنوعی برای تولید محتوای رویه‌ای (PCG)
• طراحی مراحل بازی با کمک هوش مصنوعی
• کارگردان هوش مصنوعی (AI Director) مانند بازی Left 4 Dead
• مدیریت پویای سختی بازی
• جمع‌بندی و مسیر پیش رو برای تبدیل شدن به یک متخصص AI

📚 محتوای این محصول آموزشی (پکیج کامل)

🎁 محتویات کامل بسته دانلودی

• ویدیوهای آموزشی فارسی — آموزش قدم‌به‌قدم، کاربردی و قابل فهم
• پادکست‌های صوتی فارسی — توضیح مفاهیم کلیدی و نکات تکمیلی
• کتاب PDF فارسی — شامل کلیهٔ سرفصل‌ها و محتوای آموزشی
• کتاب خلاصه نکات ویدیوها و پادکست‌ها – نسخه PDF — مناسب مرور سریع و جمع‌بندی مباحث
• کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
• کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد، علمی و مناسب چاپ
• کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
  — هر سؤال بلافاصله همراه با پاسخ کامل و شفاف ارائه شده است؛ مناسب درک عمیق مفاهیم و رفع ابهام.
• کتاب صدها پرسش و پاسخ چهارگزینه‌ای – نسخه PDF (نسخه یادگیری سریع)
  — پاسخ‌ها بلافاصله پس از سؤال قرار دارند؛ مناسب یادگیری سریع و تثبیت مطالب.
• کتاب صدها پرسش و پاسخ چهارگزینه‌ای – نسخه PDF (نسخه خودآزمایی پایان‌بخش)
  — پاسخ‌ها در انتهای هر بخش آمده‌اند؛ مناسب آزمون واقعی و سنجش میزان یادگیری.
• کتاب تمرین‌های درست / نادرست (True / False) – نسخه PDF
  — مناسب افزایش دقت مفهومی و تشخیص صحیح یا نادرست بودن گزاره‌ها.
• کتاب تمرین‌های جای خالی – نسخه PDF
  — تقویت یادگیری فعال و تسلط بر مفاهیم و اصطلاحات کلیدی.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل آموزش تصویری، صوتی، کتاب‌ها، تمرین‌ها و خودآزمایی .

---

ℹ️ نکات مهم هنگام خرید

• این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
• تمامی فایل‌ها و کتاب‌ها کاملاً فارسی هستند.
• توجه: لینک‌های اختصاصی دوره طی ۴۸ ساعت پس از ثبت سفارش ارسال می‌شوند.
• نیازی به درج شماره موبایل نیست؛ اما برای پشتیبانی سریع‌تر توصیه می‌شود.
• در صورت بروز مشکل در دانلود با شماره 09395106248 تماس بگیرید.
• اگر پرداخت انجام شده ولی لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا پیامک: 09395106248
تلگرام: @ma_limbs