[فارسی]

01 مقدمه
01-01 معرفی دوره

02 استفاده مسئول از AI را توضیح دهید
02-01 اهداف یادگیری
02-02 خطرات مرتبط با استفاده از ابزارهای AI در توسعه نرم افزار را بیاموزید
02-03 محدودیت های AI مولد را بیاموزید
02-04 کشف کنید که چرا اعتبار کد تولید شده توسط AI برای کیفیت و امنیت ضروری است
02-05 بهترین شیوه ها را برای ابزارهای AI با مسئولیت پذیری شناسایی کنید
02-06 مضرات بالقوه مانند تعصب و کد ناامن را کاهش دهید
02-07 اصول هوش مصنوعی اخلاقی و نحوه اعمال آنها در مورد GitHub Copilot را تعریف کنید

03 ویژگی های Github Copilot را شناسایی کنید
03-01 اهداف یادگیری
03-02 ویژگی های موجود را در محیط توسعه یکپارچه (IDE) برای فرد Github Copilot Enders بیاموزید
03-03 تفاوت های اصلی بین فرد و تجارت Copilot Github را مشخص کنید
03-04 تنظیمات Copilot Github را برای کاربران شخصی پیکربندی کنید

04 ویژگی های کسب و کار GitHub Copilot را مشخص کنید
04-01 اهداف یادگیری
04-02 پرونده های خاص را از پیشنهادات GitHub Copilot حذف کنید
04-03 مدیریت سیاست های گسترده سازمان را برای استفاده هوش مصنوعی ایجاد کنید
04-04 هدف و استفاده از سیاهههای مربوط به حسابرسی سازمان را برای نظارت
04-05 اشتراک های کسب و کار GitHub Copilot را از طریق API REST مدیریت کنید

05 ویژگی های شرکت GitHub Copilot Enterprise را مشخص کنید
05-01 اهداف یادگیری
05-02 مزایای استفاده از شرکت GitHub Copilot Enterprise را برای تیم های توسعه در مقیاس بزرگ بیاموزید
05-03 با پایگاه های دانش GitHub Copilot آشنا شوید
05-04 برای بهبود کیفیت کد ، قوام و کارآیی باعث ایجاد و مدیریت پایگاه های دانش
05-05 مزایای استفاده از مدل های سفارشی را برای پیشنهادات کد AI پیشرفته شناسایی کنید

06 ویژگی های اصلی چت Copilot Github را مشخص کنید
06-01 اهداف یادگیری
06-02 موارد استفاده اصلی را شناسایی کنید که چت کپیلوت GitHub مؤثرترین است
06-03 برای بهبود عملکرد آن بازخورد در مورد چت کوپیلوت به اشتراک بگذارید
06-04 بهترین روشها را برای چت کپیلوت ، از جمله دستورات Slash موجود یاد بگیرید
06-05 محدودیت های چت Copilot Github را بیاموزید

07 توضیح دهید که چگونه GitHub Copilot داده ها را کنترل می کند
07-01 اهداف یادگیری
07-02 بیاموزید که چگونه GitHub Copilot داده ها را برای پیشنهادات کد پردازش می کند
07-03 بیاموزید که چگونه GitHub Copilot از داده ها و مشاغل استفاده و به اشتراک می گذارد
07-04 انواع ورودی های مختلف فرآیند کوپیلوت و نحوه تأثیر آنها بر روی خروجی را مشخص کنید
07-05 جریان داده ها را برای گپ GitHub Copilot و ادغام IDE Copilot توضیح دهید

08 چرخه عمر خط لوله خط لوله داده GitHub را شرح دهید
08-01 اهداف یادگیری
08-02 چرخه حیات یک پیشنهاد کد GitHub Copilot را تجسم کنید
08-03 بیاموزید که چگونه Github Copilot زمینه را جمع می کند و یک فوریت ایجاد می کند
08-04 در مورد نقش خدمات پروکسی و مکانیسم های فیلتر در خط لوله داده Copilot اطلاعات کسب کنید
08-05 کشف کنید که چگونه مدل زبان بزرگ و پاسخ های پس از فرآیند تولید می کند

09 محدودیت های Copilot Github را شرح دهید
09-01 اهداف یادگیری
09-02 بدانید که نمونه های مکرر در داده های منبع بر پیشنهادات کد تأثیر می گذارد
09-03 کشف کنید که سن داده های منبع چگونه بر اهمیت پیشنهادات تأثیر می گذارد
09-04 چالش های ویندوزهای زمینه محدود را در رسیدگی سریع Copilot شناسایی کنید

10 از Copilot Github در رابط خط فرمان (CLI) استفاده کنید
10-01 اهداف یادگیری
10-02 مراحل نصب Copilot GitHub را در CLI بیاموزید
10-03 دستورات مشترک و موارد استفاده آنها را هنگام کار با GitHub Copilot در CLI شناسایی کنید
10-04 تنظیمات را در GitHub Copilot برای استفاده CLI پیکربندی کنید

11 اصول اولیه مهندسی و فوری را توصیف کنید
11-01 اهداف یادگیری
11-02 اصول مهندسی سریع را بیاموزید
11-03 ساختار و مؤلفه های اصلی یک فوری مؤثر را بیاموزید
11-04 بهترین شیوه ها را برای ساخت و سازها برای به حداکثر رساندن کیفیت خروجی Copilot شناسایی کنید
11-05 به نحوه درخواست Copilot GitHub از تاریخ چت مراجعه کنید

12 بهبود بهره وری توسعه دهنده با GitHub Copilot
12-01 اهداف یادگیری
12-02 به موارد استفاده متداول مراجعه کنید که GitHub Copilot باعث افزایش بهره وری می شود
12-03 بیاموزید که چگونه کوپیلوت در مدیریت چرخه توسعه نرم افزار کمک می کند
12-04 برای اندازه گیری تأثیر از API بهره وری GitHub Copilot استفاده کنید

13 کیفیت کد را از طریق آزمایش افزایش دهید
13-01 اهداف یادگیری
13-02 بیاموزید که چگونه GitHub Copilot می تواند در تولید تست های واحد ، تست های ادغام و آزمایش موارد لبه کمک کند
13-03 بیاموزید که چگونه Copilot موارد لبه بالقوه را شناسایی می کند و پیشرفت های آزمون را پیشنهاد می کند
13-04 برای انواع تست های مختلف با استفاده از Copilot ، ادعاها و کد دیگهای بخار را بنویسید

14 اهرم GitHub Copilot برای امنیت و عملکرد
14-01 اهداف یادگیری
14-02 بیاموزید که چگونه GitHub Copilot آسیب پذیری های امنیتی بالقوه را در کد شناسایی می کند
14-03 بیاموزید که چگونه Copilot می تواند بهینه سازی عملکرد را پیشنهاد کند
14-04 ببینید که چگونه Copilot از بررسی کد مشترک با بهترین شیوه های امنیتی پشتیبانی می کند

15 SKU های مختلف را برای Copilot Github شرح دهید
15-01 اهداف یادگیری
15-02 SKU های موجود برای GitHub Copilot ، از جمله برنامه های فردی ، تجاری و شرکت های آن را شناسایی کنید
15-03 ملاحظات حریم خصوصی برای هر SKU را درک کنید
15-04 گزینه های پیکربندی پیشنهادات کد را در سطح سازمان بیاموزید

16 استثناء محتوا را شناسایی کنید
16-01 اهداف یادگیری
16-02 محرومیت های محتوا را در سطح مخزن و سازمان پیکربندی کنید
16-03 اثرات و محدودیت های حذف محتوا را در پیشنهادات Copilot درک کنید
16-04 در مورد ملاحظات مالکیت برای خروجی های Copilot Github بیاموزید

17 حفاظت از GitHub Copilot را توضیح دهید
17-01 اهداف یادگیری
17-02 در مورد فیلتر تشخیص تکثیر Copilot بیاموزید
17-03 حمایت های قراردادی موجود برای کاربران Copilot را درک کنید
17-04 تشخیص و غیرفعال کردن تکثیر ، جمع آوری سریع و تنظیمات جمع آوری پیشنهاد

18 عیب یابی Github Copilot
18-01 اهداف یادگیری
18-02 مسائل مشترک را حل کنید ، مانند پیشنهادات کد گمشده در ویرایشگر
18-03 مراحل عیب یابی را مشخص کنید که محرومیت های متن مطابق آنچه انتظار می رود اعمال نمی شود
18-04 copilot github jithub در هنگام پیشنهادات وجود ندارد یا زیر حد متوسط ​​است

19 بررسی برای صدور گواهینامه GitHub Copilot
19-01 اهداف یادگیری
19-02 مفاهیم کلیدی
19-03 کار از طریق سوالات امتحان نمونه
19-04 استراتژی ها و نکات مربوط به موفقیت را بیاموزید

20 آینده توسعه AI را کشف کنید
20-01 اهداف یادگیری
20-02 روندهای آینده در توسعه AI را بیاموزید
20-03 ویژگی های جدید و به روزرسانی های آینده مورد انتظار در GitHub Copilot را شناسایی کنید
20-04 اهمیت ادامه یادگیری و توسعه مهارت را در مهندسی نرم افزار AI محور درک کنید

21 نتیجه گیری
21-01 به آنچه آموخته اید نگاه کنید

[ENGLISH]

01 Introduction
01-01 Introducing the course

02 Explain the Responsible Usage of AI
02-01 Learning objectives
02-02 Learn the risks associated with using AI tools in software development
02-03 Learn the limitations of generative AI
02-04 Discover why validating AI-generated code is essential for quality and security
02-05 Identify best practices for responsibly operating AI tools
02-06 Mitigate potential harms, such as bias and insecure code
02-07 Define ethical AI principles and how they apply to GitHub Copilot

03 Identify the Features of GitHub Copilot Individual
03-01 Learning objectives
03-02 Learn the available features in the integrated development environment (IDE) for GitHub Copilot Individual
03-03 Identify the main differences between GitHub Copilot Individual and Business
03-04 Configure GitHub Copilot settings for individual users

04 Identify the Features of GitHub Copilot Business
04-01 Learning objectives
04-02 Exclude specific files from GitHub Copilot suggestions
04-03 Establish organization-wide policy management for AI usage
04-04 Learn the purpose and use of organization audit logs to monitor GitHub Copilot activity
04-05 Manage GitHub Copilot Business subscriptions via the REST API

05 Identify the Features of GitHub Copilot Enterprise
05-01 Learning objectives
05-02 Learn the benefits of using GitHub Copilot Enterprise for large-scale development teams
05-03 Get familiar with GitHub Copilot knowledge bases
05-04 Create and manage knowledge bases to improve code quality, consistency, and efficiency
05-05 Identify the benefits of using custom models for enhanced AI code suggestions

06 Identify the Main Features of GitHub Copilot Chat
06-01 Learning objectives
06-02 Identify the key use cases where GitHub Copilot chat is most effective
06-03 Share feedback about Copilot chat to improve its performance
06-04 Learn best practices for Copilot chat, including available slash commands
06-05 Learn the limitations of GitHub Copilot chat

07 Describe How GitHub Copilot Handles Data
07-01 Learning objectives
07-02 Learn how GitHub Copilot processes data for code suggestions
07-03 Learn how GitHub Copilot uses and shares data for individuals and businesses
07-04 Identify the different input types Copilot processes and how they affect the output
07-05 Explain the data flow for GitHub Copilot chat and Copilot IDE integrations

08 Describe the GitHub Copilot Data Pipeline Lifecycle
08-01 Learning objectives
08-02 Visualize the lifecycle of a GitHub Copilot code suggestion
08-03 Learn how GitHub Copilot gathers context and builds a prompt
08-04 Learn about the role of proxy services and filtering mechanisms in Copilot’s data pipeline
08-05 Discover how the large language model generates and post-processes responses

09 Describe the Limitations of GitHub Copilot
09-01 Learning objectives
09-02 Learn how frequent examples in source data affect code suggestions
09-03 Discover how the age of source data affects the relevance of suggestions
09-04 Identify the challenges of limited context windows in Copilot’s prompt handling

10 Use GitHub Copilot in the Command-Line Interface (CLI)
10-01 Learning objectives
10-02 Learn the steps for installing GitHub Copilot in the CLI
10-03 Identify common commands and their use cases when working with GitHub Copilot in the CLI
10-04 Configure settings within GitHub Copilot for CLI usage

11 Describe Prompt Engineering and Prompt Crafting Fundamentals
11-01 Learning objectives
11-02 Learn the fundamentals of prompt engineering
11-03 Learn the structure and key components of an effective prompt
11-04 Identify best practices for crafting prompts to maximize Copilot’s output quality
11-05 See how GitHub Copilot prompts use chat history

12 Improve Developer Productivity with GitHub Copilot
12-01 Learning objectives
12-02 See common use cases where GitHub Copilot enhances productivity
12-03 Learn how Copilot aids in managing the software development lifecycle
12-04 Use the GitHub Copilot productivity API to measure impact

13 Enhance Code Quality Through Testing
13-01 Learning objectives
13-02 Learn how GitHub Copilot can assist in generating unit tests, integration tests, and edge case tests
13-03 Learn how Copilot identifies potential edge cases and suggests test improvements
13-04 Write assertions and boilerplate code for various test types using Copilot

14 Leverage GitHub Copilot for Security and Performance
14-01 Learning objectives
14-02 Learn how GitHub Copilot identifies potential security vulnerabilities in code
14-03 Learn how Copilot can suggest performance optimizations
14-04 See how Copilot supports collaborative code reviews with security best practices

15 Describe the Different SKUs for GitHub Copilot
15-01 Learning objectives
15-02 Identify the available SKUs for GitHub Copilot, including its Individual, Business, and Enterprise plans
15-03 Understand the privacy considerations for each SKU
15-04 Learn the configuration options for code suggestions at the organization level

16 Identify Content Exclusions
16-01 Learning objectives
16-02 Configure content exclusions at the repository and organization level
16-03 Understand the effects and limitations of content exclusions on Copilot’s suggestions
16-04 Learn about ownership considerations for GitHub Copilot outputs

17 Explain the GitHub Copilot Safeguards
17-01 Learning objectives
17-02 Learn about Copilot’s duplication detection filter
17-03 Understand the contractual protections available for Copilot users
17-04 Enable and disable duplication detection, prompt collection, and suggestion collection settings

18 Troubleshoot GitHub Copilot
18-01 Learning objectives
18-02 Resolve common issues, such as missing code suggestions in the editor
18-03 Identify troubleshooting steps when context exclusions do not apply as expected
18-04 Trigger GitHub Copilot when suggestions are absent or suboptimal

19 Review for the GitHub Copilot Certification
19-01 Learning objectives
19-02 Recap key concepts
19-03 Work through sample exam questions
19-04 Learn test-taking strategies and tips for success

20 Explore the Future of AI-Powered Development
20-01 Learning objectives
20-02 Learn the upcoming trends in AI-assisted development
20-03 Identify new features and future updates expected in GitHub Copilot
20-04 Understand the importance of continued learning and skill development in AI-driven software engineering

21 Conclusion
21-01 Look back on what youve learned