کتاب جاوا برای توسعه‌دهندگان Spring Cloud Autodesk AI Platform با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جاوا برای توسعه‌دهندگان Spring Cloud Autodesk AI Platform

موضوع کلی: برنامه نویسی

موضوع میانی: جاوا (Java)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر جاوا و محیط توسعه
• 2. نصب JDK و تنظیم متغیرهای محیطی
• 3. اولین برنامه جاوا: Hello, World!
• 4. مبانی سینتکس جاوا: متغیرها، انواع داده ها و عملگرها
• 5. ساختار کنترل: دستورات شرطی (if, else, switch)
• 6. ساختار کنترل: حلقه ها (for, while, do-while)
• 7. مقدمه ای بر برنامه نویسی شی گرا (OOP)
• 8. مفهوم کلاس و اشیاء
• 9. سازنده ها (Constructors)
• 10. مفاهیم ارث بری (Inheritance)
• 11. چند ریختی (Polymorphism)
• 12. انتزاع (Abstraction) و کلاس های انتزاعی
• 13. رابط ها (Interfaces)
• 14. مدیریت خطا و استثناء (Exception Handling)
• 15. کلمات کلیدی final و static
• 16. بسته ها (Packages) و مدیریت آنها
• 17. کلاس های داخلی (Inner Classes)
• 18. رشته ها (Strings) و عملیات روی آنها
• 19. آرایه ها (Arrays)
• 20. کالکشن ها (Collections Framework): مقدمه
• 21. لیست ها (Lists): ArrayList, LinkedList
• 22. مجموعه ها (Sets): HashSet, TreeSet
• 23. نقشه ها (Maps): HashMap, TreeMap
• 24. کتابخانه های همزمان (Concurrency Utilities)
• 25. استریم ها (Java Streams API)
• 26. لامبدا اکسپرشن ها (Lambda Expressions)
• 27. متد های مرجع (Method References)
• 28. Optional Class
• 29. تعامل با فایل ها (File I/O)
• 30. سریالیزیشن (Serialization)
• 31. مقدمه ای بر JDBC (Java Database Connectivity)
• 32. اتصال به پایگاه داده
• 33. اجرای کوئری های SQL
• 34. مدیریت تراکنش ها
• 35. مقدمه ای بر Spring Framework
• 36. وابستگی وارونه (Dependency Injection) و وارونگی کنترل (IoC)
• 37. Context و Beans در Spring
• 38. انواع Inject کردن وابستگی ها
• 39. Spring AOP (Aspect-Oriented Programming)
• 40. مقدمه ای بر Spring Boot
• 41. ساخت اولین برنامه Spring Boot
• 42. پیکربندی Spring Boot
• 43. Spring Boot Starters
• 44. Spring Boot Auto-configuration
• 45. Spring Boot Actuator
• 46. Spring Boot Testing
• 47. معرفی Spring Cloud
• 48. هدف و معماری Spring Cloud
• 49. Service Discovery (Eureka, Consul)
• 50. API Gateway (Spring Cloud Gateway, Zuul)
• 51. Circuit Breaker (Resilience4j, Hystrix)
• 52. Configuration Management (Spring Cloud Config)
• 53. Distributed Tracing (Sleuth, Zipkin)
• 54. Message Brokers (Kafka, RabbitMQ)
• 55. Event-Driven Architecture
• 56. Microservices Design Patterns
• 57. RESTful Web Services با Spring Boot
• 58. Spring MVC در Spring Boot
• 59. Serialization/Deserialization با Jackson
• 60. Validations در Spring Boot
• 61. Exception Handling در Spring Boot (Global Exception Handler)
• 62. Security در Spring Boot (Spring Security)
• 63. OAuth2 و JWT
• 64. Testing Microservices
• 65. Dockerize Spring Boot Applications
• 66. Kubernetes Fundamentals
• 67. Deploying Spring Cloud Applications to Kubernetes
• 68. مقدمه ای بر هوش مصنوعی (AI)
• 69. یادگیری ماشین (Machine Learning)
• 70. انواع یادگیری ماشین (نظارت شده، نظارت نشده، تقویتی)
• 71. مدل های یادگیری ماشین (رگرسیون، طبقه بندی)
• 72. نحوه آموزش مدل های یادگیری ماشین
• 73. ارزیابی مدل های یادگیری ماشین
• 74. مقدمه ای بر پردازش زبان طبیعی (NLP)
• 75. کار با متن در NLP
• 76. Text Preprocessing (Tokenization, Stemming, Lemmatization)
• 77. Word Embeddings (Word2Vec, GloVe)
• 78. مدل های زبانی (Language Models)
• 79. مقدمه ای بر پلتفرم هوش مصنوعی Autodesk (Autodesk AI Platform)
• 80. معماری Autodesk AI Platform
• 81. ابزارها و سرویس های Autodesk AI Platform
• 82. نحوه ادغام Spring Cloud با Autodesk AI Platform
• 83. ساخت API برای سرویس های AI
• 84. استفاده از سرویس های AI در Spring Cloud Applications
• 85. پیاده سازی الگوهای MLOps
• 86. داده کاوی (Data Mining)
• 87. مهندسی ویژگی (Feature Engineering)
• 88. یادگیری عمیق (Deep Learning)
• 89. شبکه های عصبی (Neural Networks)
• 90. شبکه های عصبی کانولوشنال (CNNs)
• 91. شبکه های عصبی بازگشتی (RNNs)
• 92. مدل های ترنسفورمر (Transformers)
• 93. تکنیک های Fine-tuning
• 94. ملاحظات اخلاقی در AI
• 95. پایگاه داده های NoSQL
• 96. مقدمه ای بر Graph Databases
• 97. معرفی Spring Data Neo4j
• 98. معرفی Spring Data MongoDB
• 99. معرفی Spring Data Cassandra
• 100. مقدمه ای بر Big Data