iTrain

​Վայբկոդինգ. Ստեղծեք Արտադրանքներ Նեյրոցանցերի Միջոցով (2026) ​1. Ներածություն և Հիմնարար Հասկացություններ ​Ի՞նչ է վայբկոդինգը (Vibe Coding). Ինչպես է AI-ը փոխում ծրագրավորման և թվային արտադրանքների ստեղծման կանոնները (game-changer մոտեցում): ​Առաջին Քայլեր. Առաջին պորտֆոլիոյի կամ վიզիտկա կայքի ստեղծումը անմիջապես նեյրոցանցի միջավայրում: ​Աշխատանքային Միջավայրի Կարգավորում. Անհրաժեշտ գործիքակազմի նախապատրաստում արդյունավետ աշխատանքի համար: ​2. Արդյունավետ Պրոմպտինգ և Google Էկոհամակարգի Ավտոմատացում ​AI Probing & Prompts. Ճիշտ խնդիրների դրման և հրահանգների կազմման արվեստը՝ կայուն արդյունքներ ստանալու համար: ​Google Տվյալների Ավտոմատացում. Փաստաթղթերի գեներատորների ստեղծում Google Թերթիկների (Google Sheets) և Փաստաթղթերի համար: ​Google Scripts. Սկрипտների առաջադեմ մշակում և ավտոմատացում Google-ի գործիքների բազայի վրա: ​3. Google Chrome Ընդլայնումների Մշակում և Հրապարակում ​Extension Development. Սեփական Chrome ընդլայնման ստեղծում զարգացման ռեժիմում (Developer Mode): ​Մշակողի Ակաունտ. Ինչպես գրանցել և կարգավորել Google Developer հաշիվը: ​Store Publishing. Ընդլայնման պատրաստում, փաթեթավորում և հրապարակում պաշտոնական Chrome Web Store-ում: ​4. Telegram Բոտերի Ստեղծում և Դեպլոյ ​Bot Architecture. Ստարտային շաբլոնի ստեղծում և բոտի տրամաբանության կարգավորում: ​Audio Transcription Bot. Ձայնային ֆայլերի և աուդիոյի վերծանման (расшифровка) գործառույթով բոտի մշակում: ​Large Files & Auto-Deployment. Մեծ ֆայլերի հետ աշխատանքի ապահովում և ավտոմատ դեպլոյ GitHub Actions-ի միջոցով ինտերնետում: ​5. Վեբ Հավելվածներ, Cursor և AI-Ագենտների Գերհզորություն (Superpowers) ​Cursor IDE & Debugging. Ժամանակակից AI-կոդերի խմբագրիչի կիրառում, տեղային отладка (debugging) և վեբ կայքերի ստեղծում: ​Advanced Vibe Coding Tools. Վայբկոդինգի առաջադեմ գործիքներ և տեխնոլոգիաներ: ​MCP Servers for Development. Model Context Protocol սերվերների ինտեգրում՝ զարգացած և մասնագիտական ավտոմատացման համար: ​AI Agents Skills (Superpowers). AI ագենտներին անհրաժեշտ հմտությունների փաթեթների ստեղծում: ​Ուսումնական Արդյունք ​Կուրսի ավարտին դուք կհավաքեք 5 աշխատող արտադրանք (Products) և ձեռք կբերեք ինքնուրույն նոր գաղափարներ կյանքի կոչելու գործնական հմտություններ՝ առանց տող կոդ գրելու իմացության։

​AI-Ագենտների Ինճինիրինգ. Զրոյից Մինչև Պրոդակշն (2026) ​1. Ներածություն և Ագենտային Մտածելակերպ ​Ագենտների Հայեցակարգը. Ինչով է AI-ագենտը տարբերվում սովորական LLM հարցում-պատասխան (Prompt-Response) սխեմայից: ​Մտածողություն և Գործողություն (Thought & Action). Ինչպես է ագենտը պլանավորում իր քայլերը, օգտագործում գործիքներ (Tools) և վերլուծում միջանկյալ արդյունքները: ​Գործնական Սկիզբ. Առաջին ագենտի ինքնուրույն գրումը, սխալների վերլուծություն և համեմատություն փորձագետի մոտեցման հետ: ​2. Անհատականություն, Հիշողություն և Վիճակ (Memory & State) ​Կարճաժամկետ և Երկարաժամկետ Հիշողություն. Ինչպես կառավարել կոնտեքստը, վክտորային բազաները (Vector DB) և արտաքին հիշողության מודולים: ​State Management. Ագենտի ընթացիկ վիճակի, նպատակների և փոփոխականների վերահսկումը երկարատև սեսիաների ընթացքում: ​Վարքագծի Վերահսկում. Ինչպես սահմանել սահմանափակումներ և կանխել ագենտի «շեղումը» (Hallucination / Loop) տրված տրամաբանությունից: ​3. Բարդ Խնդիրներ. Մուլտիագենտային Համակարգեր և Կոորդինացում ​Multi-Agent Architectures. Մի քանի մասնագիտացված ագենտների միջև փոխգործակցության և դերերի բաշխման սկզբունքները: ​Կոորդինացման Մեխանիզմներ. Հաղորդագրությունների փոխանակում, ենթախնդիրների պատվիրակում (Delegation) և կոնսենսուսի հասնող համակարգեր: ​Pet-Project (Multi-Agent System). Կոմպլեքսային բազմաագենտային հավելվածի նախագծում և կառուցում ռեալ ժամանակում: ​4. Տեղափոխություն Պրոդակշն (Production, Security & Ops) ​Հուսալիություն և Անվտանգություն. AI ագենտների խոցելիությունների կանխարգելում, API բանալիների և անձնական տվյալների պաշտպանություն: ​Անվտանգ Անջատում (Kill Switch). Ագենտների ավտոմատ կանգնեցման մեխանիզմներ անսովոր կամ վտանգավոր վարքագծի հայտնաբերման դեպքում: ​Մոնիտորինգ և Լոգեր. Ագենտների գործողությունների հետևում, մետրիկների հավաքագրում, ծախսերի օպտիմալացում և արտադրական միջավայրում (Prod) դեպլոյի ամբողջական ցիկլ:

Պրոֆեսիոնալ Դեբագ Ֆրոնտենդում և Node.js-ում (2025) ​1. Բրաուզերային Developer Tools-ի Առաջադեմ Ներභերումներ և Node.js Դեբագ ​Source Maps & Production Workflow. Մինիֆիկացված կոդի վերծանում և անվտանգ դեբագի կազմակերպում ռեալ միջավայրում: ​Node.js Debugging. Node.js բնօրինակ դեբագերի, --inspect դրոշի, ինչպես նաև VS Code Debugger-ի ինտեգրում սերվերային հավելվածների շкаլայով: ​Memory Leaks & Profiling. Հիշողության արտահոսքերի (Memory Leaks), խցանումների (Bottlenecks) և կատարողականի անկումների հայտնաբերում Chrome DevTools-ի Memory/Performance ներդիրներով: ​2. Մոբայլ Վեբ Հավելվածների Ինտենսիվ Դեբագ (Mobile Web) ​Remote Debugging & Real Environment. Հեռահար դեբագի կարգավորում իրական բջջային սարքերի վրա (iOS Safari Web Inspector / Android Chrome Remote Debugging): ​Touch & Hardware Emulation. Թաչ-իրադարձությունների (Touch events), սարքերի ապարատային սահմանափակումների, էկրանի կողմնորոշման և վիրտուալ ստեղնաշարերի բագերի վերացում: ​CPU & Network Throttling. Հավելվածների վարքագծի ստուգում ցածր հզորության սարքերում և անկայուն ցանցային պայմաններում: ​3. Արտադրական (Production) Միջավայրի Դեբագ և Մոնիտորինգ ​Error Tracking Integration. Բագերի և վթարների ավտոմատ հավաքագրման համակարգերի (օր.՝ Sentry) խորացված կարգավորում և context-ի վերլուծություն: ​Network Mocking & Interception. API պատասխանների սիմուլյացիա, Charles Proxy, Proxyman կամ MSW (Mock Service Worker) գործիքների կիրառում առանց բեքենդին կախվածության: ​Hot-Fixing & Patches. Արտադրական միջավայրում հրատապ սխալների հայտնաբերման, լոգավորման և արագ արձագանքման ռազմավարություններ:

Համակարգերի Վերլուծություն և Աρχ<bos>3իտեկտուրա. Ուսումնական Ծրագիր ​1. Դաս 1. Kitten. Համակարգի Մասնատում և Առաջին Քայլեր ​Մոդուլի նպատակը. Ծանոթություն համակարգային վերլուծության հիմնական մոտեցումներին և համակարգը բաղադրիչների բաժանելու (Decomposition) սկզբունքներին: ​Գործնական քայլեր. Բարդ խնդրի պարզեցում, առաջին մոդելների կառուցում և ճարտարապետական մտածելակերպի ձևավորում: ​2. Դաս 2. House Cat. Աρχիտեկտուրային Ոճի Ընտրություն Բիզնեսի Հիման վրա ​Ռազմավարական Վերլուծություն (Strategic Analysis). Բիզնես պահանջների և սահմանափակումների կապը տեխնիկական ճարտարապետության հետ: ​Աρχիտեկտուրային Ոճեր. Ընտրել միջուկային (Core), շերտավոր (Layered), միկրոսերվիսային (Microservices) կամ այլ ոճեր՝ ըստ բիզնես նպատակների: ​3. Դաս 3. Tomcat. Հաղորդակցություն, Բրոքերներ և Տվյալների ԲАЗԱՆΕΡ ​Կոմունիկացիոն Մեխանիզմներ. Սინխրոն (REST/gRPC) և ասինխրոն (Event-driven, Message Brokers) տվյալների փոխանակում: ​Տվյալների Պահպանում. Տվյալների բազաների ճիշտ ընտրություն և ճարտարապետական որոշումների փաստաթղթավորում (ADR - Architectural Decision Records): ​4. Դաս 4. Alley Cat. Մոնոլիտների Ապամոնտաժում (Strangler Fig Pattern) ​Մոնոլիտի Վերլուծություն. Ինչպես հայտնաբերել կախվածությունները և բիզնես սահմանները (Bounded Contexts) հին համակարգերում: ​Անցումային Ռազմավարություններ. Մոնոլիտի աստիճանական «սղոցման» (Strangling) և միկրոծառայությունների բաժանման փուլային պլանավորում: ​5. Դաս 5. Ամփոփում, Զարգացման Հետագա Քայլեր և Չեկլիստ ​Համակարգային Փաստաթղթավորում. Ինչպես պարզ և հասկանալի կերպով նկարագրել համակարգի ճարտարապետությունը: ​Անհատական ​​Չեկլիստ. Գործնական ուղեցույց համակարգերի վերլուծության համար և հետագա ինքնուրույն զարգացման պլան: ​Ուսումնական Արդյունք (Capstone Result) ​Կուրսի ընթացքում դուք կնախագծեք իրական նախագծի ճարտարապետություն՝ հիմնված հավաքագրված պահանջների վրա. կստեղծեք տվյալների մոդել, կնկարագրեք կոմունիկացիոն հոսքերը, կսահմանեք սուբդոմենները և համակարգի ճարտարապետական բնութագրերը (Architectural Characteristics), որոնք զուգահեռաբար կզարգանան նոր գիտելիքների ստացմանը զուգընթաց:

DevOps-Ինժեներ. Հիմունքներից Մինչև Պրոդակшն (2026) ​1. Հիմնարար Բազա. Linux, Bash և Վერსիաների Կառավարում ​Linux Администрирование. Սերվերների կառավարում, պրոցեսների, թույլտվությունների (Permissions), օգտատերերի և ֆայլային համակարգերի կարգավորում: ​Bash Scripting. Ավտոմատացման սկրիպտների գրում սերվերային առօրյա խնդիրների համար: ​Git & Workflows. Git-ի առաջադեմ հնարավորություններ, ճյուղավորման ռազմավարություններ (GitFlow, Trunk-based development): ​2. Ցանցային Ենթակառուցվածք և Անվտանգություն (Networking & Security) ​Ցանցեր և Արձանագրություններ. DNS, VPN, Firewall, երթուղավորում (Routing) և TCP/IP հիմունքներ: ​Reverse Proxy & Load Balancing. Nginx և HAProxy կարգավորում, տրաֆիկի բաշխում և SSL/TLS սերտիֆիկատների կառավարում: ​Secrets Management. Զգայուն տվյալների, գաղտնաբառերի և տոկենների անվտանգ պահպանում HashiCorp Vault-ի միջոցով: ​3. Կոնտեյներացում և Օրքեստրացիա (Docker & Kubernetes) ​Docker. Օպտիմալացված Dockerfile-ների սկզբունքներ, multi-stage builds և կոնտեյներների կառավարում: ​Kubernetes (K8s). Օրքեստրացիայի հիմունքներ՝ Pods, Deployments, Services, Ingress և Persistent Volumes: ​Container Security. Խոցելիությունների ավտոմատ սկանավորում և անվտանգության քաղաքականություններ կոնտեյներների համար: ​4. Infrastructure as Code (IaC) և Configuration Management ​Terraform. Ենթակառուցվածքի հայտարարագրային կառավարում (Provisioning) ամպային հարթակներում: ​Ansible. Սերվերների կոնֆիգուրացիայի ավտոմատացում, Playbooks և Roles: ​Cloud Platforms (AWS / GCP / Azure). Ամպային ծառայությունների կիրառում՝ EC2, S3, VPC, IAM և ամպային տվյալների բազաներ: ​5. CI/CD Պայփլայններ և Ավտոմատացում ​CI/CD գործիքներ. GitLab CI, GitHub Actions և Jenkins փայփլայնների նախագծում: ​Автоматизация деплоя. Ավտոմատ թեստավորման, բինարների հավաքման և պրոդակշն արտածման (Continuous Deployment) ցիկլեր: ​6. Մոնիտորինգ, Լոգեր և Observability ​Metrics & Dashboards. Prometheus մետրիկների հավաքագրում և Grafana դաշբորդների ու ալերտների (Alerting) կարգավորում: ​Log Aggregation. Լոգերի հավաքագրում և վերլուծություն՝ ELK Stack (Elasticsearch, Logstash, Kibana) և Loki համակարգերի միջոցով: ​7. Տվյալների Բազաներ, Դիմացկունություն և Troubleshooting ​DB Administration. PostgreSQL, MySQL և Redis կառավարում, միգրացիաներ և ռեպլիկացիա: ​High Availability & Disaster Recovery. Բարձր հասանելիության (HA) համակարգերի նախագծում, պահուստային պատճենում (Backup) և վերականգնման պլանավորում: ​Interview Preparation & System Design. Ցանցային պրոտոկոլների վերլուծություն, համակարգային դիզայն (System Design) և խափանումների արագ վերացման (Troubleshooting) հմտություններ:

Գույնի Տեսության Հիմունքներ. RGB, CMY և HSB Մոդելներ ​1. Գույնի Տեսության Ֆիզիկական և Տեսական Հիմքեր ​Ի՞նչ է գույնը. Լույսի ֆիզիկական բնույթը, էլեկտրամագնիսական սպեկտրը և մարդու աչքի կողմից գույնի ընկալման մեխանիզմները: ​Գունային Բազա. Ինչու է տեսական գիտելիքը հանդիսանում Adobe Photoshop-ում գունային կորեկցիայի (Цветокоррекция) անխուսափելի հիմքը: ​2. Ադիտիվ և Սուբտրակտիվ Գունային Մոդելներ ​RGB Մոդել (Additive Color Model). Լույսի խառնման սկզբունքը, հիմնական գույները (Red, Green, Blue) և թվային արժեքների սահմանները (0-255): ​CMY / CMYK Մոդել (Subtractive Color Model). Ներկերի և գունանյութերի կլանման սկզբունքը, պոլիգրաֆիական տպագրության առանձնահատկությունները և CMY-ի կապը RGB-ի հետ: ​3. HSB Մոդել և Մարդկային Ընկալում ​Hue (Երանգ). Գույնի դիրքը գունային անիվի վրա (աստիճաններով): ​Saturation (Հագեցվածություն). Գույնի մաքրության և խորության աստիճանը: ​Brightness / Value (Պայծառություն). Գույնի բաց կամ մուգ լինելը, որն անչափ կարևոր է տոնային բալանսի համար: ​4. Գործնական Հմտություններ և Photoshop Ինտեգրացիա ​Մտային Գունային Վերլուծություն. Ինչպես նայելով թվային արժեքներին (RGB/HSB)՝ ակնթարթորեն և ճշգրիտ պատկերացնել կոնկրետ գույնը: ​Կեսժամյա Գործնական Պրակտիկա. Ինտերակտիվ վարժություններ և թեստեր գույների գնահատման, թվային ստուգման և Photoshop-ի գործիքների կիրառման համար: