Design + AI
6.93K subscribers
538 photos
62 videos
25 files
220 links
﷽
محیطی در راستای ارتقاء دانش و مهارت در طراحی ‌رابط و تجربه‌ کاربر

👤ارتباط: @HamidRMousazade

📝کانال پروژه و استخدامی: @UIUXProjects
Download Telegram
شروع ثبت‌نام مدرسه تابستانی UX

در این بوت‌کمپ ۱۲ هفته‌ای تیمی از متخصصانی که پشت محصولات بزرگی مانند فیلیمو و آپارات بوده‌اند، تجربه‌شان را در اختیار شما می‌گذارند و قدم به قدم همراه‌تان در یادگیری خواهند آمد.

📍 اینجا یاد می‌گیرید چطور فکر کنید.
📍 چطور با داده و تحقیق، تصمیم‌گیری کنید.
📍 چطور حرف کاربر را بفهمید و به تیم محصول بفروشید.
📍 مهارت‌های روز مانند هوش مصنوعی و پرامپت‌نویسی، یوایکس رایتینگ، دسترس‌پذیری و مهارت‌های نرم و حرفه‌ای را یاد می‌گیرید

✅ دسترسی به ریکورد جلسات
✅ کتاب‌خانه‌ای شامل منابع به‌روز
✅ کامیونیتی اختصاصی

📅 شروع: مرداد ۱۴۰۵
⏳ مدت: ۱۲ هفته (فشرده و عملی)
👥 ظرفیت محدود: فقط ۴۰ نفر
🌍 مکان: آنلاین، گوگل میت
قیمت: ۲۸٫۰۰۰٫۰۰۰ تومان

با کد زیر هم میتونید یک میلیون تومان تخفیف بگیرید
DESIGNAI

🔗 برای ثبت‌نام به آیدی زیر پیام دهید:
📩 @bluebutton_support
👎19👍12
یه صحبت دلی و صادقانه از روی کلافگی:
همونطور که میبینید، اسم چنل رو عوض کردم گذاشتم Design + AI که جلوتر بیشتر درمورد هوش مصنوعی صحبت کنیم
(به مرور هم یکم شخصی‌ترش میکنم و شاید اصلا کاملا خصوصی کردمش)

ولی چیزی که الان داره آزارم میده این تب و حرارت چپاندن هوش مصنوعی به همه چیزه
عزیزجان یه دو دقیقه از هوش مصنوعی فاصله بگیر
یکم فکرکن
اون اسمش هوش مصنوعیه، عقل مصنوعی که نیست
از عقل خودمون هم کمی استفاده کنیم ببینیم اینکه یه چیز ساده رو هم میدیم هوش مصنوعی بزنه و از دور هم فریاد میزنه که توسط هوش مصنوعی زده شده، نتیجه‌ش چیه ذر ذهن و چشم مخاطب؟
به شخصه که بعضیاشون واقعا حال بهم زن هستن
آخه یعنی چی که یه بنر ساده رو هم میدی اون بزنه
(یه جا دیدم طرف تبریک ازدواج مجدد رو هم با هوش مصنوعی زده بود)

آیا مخاطب نمیفهمه که برای ساده‌ترین چیزها هم ارزش قائل نیستیم و مصنوعیشو میاریم؟
اینکه همه‌چیز داره مصنوعی میشه خیلی بده
مواظب باشیم بخاطر هیجانش به همه چیز طعم هوش مصنوعی ندیم که صادقانه بی‌مزه میشه
👍44🤣6👎1
دوتا سایت خوب مرتبط با نقشه:


https://mapsvg.com
با این سایت میتونید نقشه‌ی ایران به تفکیک استان رو داشته باشید
روی هر استان میشه کلیک کرد و دیتا نمایش داد ( اگر در طرح‌هاتون استفاده کردید و برنامه‌نویس بهونه آورده که نمیشه، اینو نشونش بدید)

https://pixelmap.amcharts.com
این سایت رو هم شاید خیلیاتون بشناسید، نقشه‌ی جهان و هر کشور دیگری رو میتونه با مدلهای مختلف پیکسلی کنه و اس وی جی بهتون بده
❤7
🎨 فرکانس تجربه | آشنایی با UI/UX، کاربردها و موقعیت‌های شغلی

پشت هر محصول دیجیتال موفق، ساعت‌ها تحقیق، شناخت رفتار کاربران، طراحی و حل مسئله وجود داره.
دنیایی که با UI/UX شناخته می‌شه!

اگه دوست داری بدونی:
🔹که UI و UX دقیقا چه تفاوتی با هم دارن؟
🔹 برای ورود به این حوزه به چه مهارت‌هایی نیاز داری؟
🔹 بازار کار، درآمد و فرصت‌های شغلی UI/UX چطوره؟

تو ایونت «فرکانس تجربه» تلاش می‌کنیم با استفاده از تجربه‌های واقعی تیم لید Product Design اسنپ‌پی، استاد محمودوند،
با دنیای طراحی تجربه کاربری، آشنایی بیشتری داشته باشیم.

📅 دوشنبه ۱۹ مرداد ساعت ۲۰:۳۰
📍 آنلاین و رایگان

اگه به طراحی، حل مسئله و ساخت تجربه‌های بهتر برای کاربران علاقه‌مندی، تو ایونت می‌بینیمت!
ثبت‌نام کن👇
🔗https://l.cando.ac/uiux3
(بدون vpn وارد شو)
🌻 آموزشگاه مهندسی کندو | We CanDo IT
@cando_ac
👎6👍2❤1
بخش بزرگی از قصه‌ی هوش مصنوعی توجه به همین جمله‌ست
ساختن داره آسونتر میشه ولی خوب و خفن بودن سخت‌تر
همه چیز داره به سرعت و خیلی راحت، سطحی میشه
و دورشدن از این سطحی بودن خیلی سخت‌تر
بنظرم توی توی این بازی افرادی موفق‌تر میشن که بتونن خودشون رو از سطج جدا کنن و کار خفن انجام بدن

@UIUXWorkshop
❤8🤣2👍1👎1
This media is not supported in your browser
VIEW IN TELEGRAM
در فیگما تنظیمات کاربردی و جدیدی برای انتقال متن اضافه شده‌اند:
Pretty و Balance.

دیگه لازم نیست دستی برای مرتب کردن عنوان‌ها و جلوگیری از تنها ماندن یه کلمه تو انتهای پاراگراف، تنظیمات رو دستی انجام بدی. دو تا گزینه جدید اومده:

Balance:
این گزینه طول خطوط رو تقریباً یکسان می‌کنه. برای عنوان‌ها، زیرعنوان‌ها، نقل‌قول‌ها و توضیحات کوتاه عالیه.

Pretty:
این گزینه ظاهر طبیعی‌تری به متن می‌ده و سعی می‌کنه از تنها ماندن یه کلمه تو انتهای خطوط جلوگیری کنه. برای توضیحات، کارت‌ها و پاراگراف‌های کوچیک خیلی مناسبه.

@UIUXWorkshop
❤8👍1
دوستان یک مدل MacBook Air M2 15" 512 8GB
برای فروش هست
قیمتش پایینه اگر کسی فکرمیکنه به دردش میخوره توی لینک زیر عکساشو ببینه

https://t.me/+kjyz3T1iMChhMGM0
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🎨 Designer (Junior to Mid) . Dmazing Studio

Everyone here acts as a Designer. In one week, you might work on a product flow in Figma, and the next week, focus on the campaign that launches it. We start with live client work from day one.

WHAT WE NEED
- Figma as a playground. Components, variants, auto layout.
- Basics of graphic design and UI/UX. Basics are enough.
- AI daily as leverage, not a shortcut. Claude, ChatGPT, Kling, Nano Banana.
- English B2+. Your prompts and research live in it.
- Obsession with learning. This is what we hire for.

Nice to have: Adobe Suite, motion or 3D curiosity.

WHAT YOU GET
- Competitive salary
- Flexible hours
- We buy any course that helps you grow
- Range across product, brand, motion, and 3D

NOT FOR YOU IF you want to specialize in one thing, think AI is cheating, or need a full brief before starting.

APPLY 👇
https://apply-aug2026.dmazing.studio/

Portfolio required.
خودم رو میتونم جای کاربر بزارم یا نه!؟
Curse of Knowledge؛ یک حقیقت علمی یا بهانه‌ای برای تست نکردن فکر خودمان؟
«من به عنوان کاربر فکر می‌کنم این واضحه…»
«خودمو می‌ذارم جای کاربر، به نظرم اینجا مشکلی نداره…»
این جمله‌ها رو زیاد می‌شنوم.نه فقط از طراح‌ها؛ از PMها، دولوپرها و حتی آدم‌هایی که تصمیم نهایی محصول رو می‌گیرن.از اون طرف هم معمولاً یه جواب آماده داریم:
«تو نمی‌تونی خودتو جای کاربر بذاری. دچار مرض و نفرین دانش و اگاهی(Curse of Knowledge) شدی.»
حرف درستی به نظر می‌رسه.ولی یه سؤال:
واقعاً نمی‌تونیم؟!!؟اصلا کی گفته که نمیتونیم ؟!!؟؟ تعصبات طراحی رو بزاریم کنار کمی واقعی نگاه کنیم.

اصلاً این نفرین دانش چیه؟
این «نفرین دانش» یه پدیده شناختی واقعیه.خیلی ساده یعنی وقتی یه چیزی رو می‌دونی، برات سخت‌تر می‌شه تصور کنی که یه نفر دیگه اون رو نمی‌دونه.برای ماهایی که محصول می‌سازیم، این اتفاق خیلی راحت می‌افته.چون ما چند هفته، چند ماه یا حتی چند سال با یه محصول زندگی کردیم.اسم فلوها رو می‌دونیم.منطق سیستم رو می‌دونیم.می‌دونیم هر دکمه دقیقاً چه کاری می‌کنه.حتی اصطلاحات داخلی تیم هم برامون عادی شده.بعد یه روز به یه صفحه نگاه می‌کنیم و می‌گیم:«خب این که کاملاً واضحه.»
ولی واضحه برای کی؟

یه مثال ساده
فرض کن یه تیم داره یه نرم‌افزار مدیریت مالی برای کسب‌وکارهای کوچیک می‌سازه.تیم مدت‌هاست با مفاهیمی مثل «دوره مالی»، «تطبیق تراکنش» و «تسویه» کار کرده.برای خودشون کاملاً مشخصه «تسویه» یعنی چی.حالا یه دکمه می‌ذارن:
تسویه
یک کاربر که اولین بار وارد سیستم شده ممکنه با خودش بگه:«تسویه یعنی چی؟»
«یعنی پول از حسابم خارج می‌شه؟»
«الان باید اینو بزنم؟»
و تیم احتمالاً با تعجب می‌گه:
«ولی تسویه دیگه! اسمش کاملاً مشخصه.»
نه.
برای تیم مشخصه.
چون تیم داستان پشت این کلمه رو می‌دونه.
کاربر فقط خود کلمه رو می‌بینه.

اما اینجا یه سؤال مهم‌تر مطرح می‌شه
آیا واقعاً نمی‌تونیم خودمون رو جای کاربر بذاریم؟
اینجا به نظرم باید کمی در تعریف رایج نفرین دانش دقت کنیم.
از این گزاره:
دانش قبلی ما می‌تونه قضاوتمون رو دچار bias کنه.
نباید مستقیم برسیم به این نتیجه که:
پس ما قادر نیستیم perspective کاربر رو بفهمیم.
این دو تا حرف یکی نیستن.

زاویه گیری یا Perspective Taking همیشه بی‌فایده نیست
در یک مجموعه پژوهشی شامل ۲۵ آزمایش، پژوهشگران بررسی کردند که:
آیا صرفاً از افراد خواستن «خودتو جای شخص مقابل بذار» باعث می‌شه دقیق‌تر "زاویه دید" اون فرد رو بفهمن یا نه.؟!؟؟
نتیجه جالب بود:
صرفاً گفتن «خودتو جای اون بذار» به‌طور قابل اتکایی دقت رو بالا نبرد.اما وقتی افراد اطلاعات واقعی بیشتری درباره شخص مقابل به دست آوردن، دقت بهتر شد.برای من این قسمت خیلی مهمه.چون شاید مسئله این نباشه که:
«من نمی‌تونم جای کاربر باشم.»
مسئله اینه که:
«مدل ذهنی من از کاربر چقدر اطلاعات واقعی پشتش داره؟»
اگر چیزی درباره کاربر نمی‌دونم و می‌گم:«به نظرم این براش واضحه.»این فقط یه فرضه.اما اگر قبلاً با کاربرها صحبت کردم، رفتارهاشون رو دیدم، تیکت‌هاشون رو خوندم، دیتا دارم، تست کردم و مدام مدل ذهنیم رو اصلاح کردم، قضیه فرق می‌کنه.
شاید مشکل اصلی «دانستن» نباشه.
مشکل، کالیبره نبودن دانسته‌های ماست.

Feedback هم می‌تونه این مدل ذهنی رو اصلاح کنه
یک پژوهش دیگه که مستقیماً روی Curse of Knowledge تمرکز داشت، نشون داد دریافت Feedback می‌تونه به افراد کمک کنه در قضاوت‌های بعدی، perspective خودشون رو بهتر تنظیم کنن و projection ناشی از دانش خودشون رو کاهش بدن.
پس:
Bias ≠ ناتوانی
Bias یعنی قضاوت ما مستعد خطاست.
نه اینکه محکوم به خطا باشه.
❤5
پس تکلیف Usability Testing چی می‌شه؟
یه جمله دیگه هم خیلی بین ما رایجه:
«هیچی جای Usability Testing رو نمی‌گیره.»
من با اهمیت Usability Testing کاملاً موافقم.
ولی با «هیچی» نه.
در مطالعه CUE-4، هفده تیم حرفه‌ای یک محصول رو با روش‌های مختلف ارزیابی کردن؛ ۹ تیم از Usability Testing استفاده کردن و ۸ تیم Expert Review.
نتیجه این بود که روش‌های مختلف، مشکلات متفاوتی رو پیدا کردن و هیچ‌کدوم به‌تنهایی همه مشکلات رو پیدا نکردن.
این مطالعه نمی‌گه Expert Review بهتر از Usability Testingه.
نمی‌گه Usability Testing مهم نیست.
فقط یه نکته مهم رو نشون می‌ده:
حتی روش‌های معتبر ارزیابی هم می‌تونن چیزهای متفاوتی درباره یک محصول به ما نشون بدن.
چون هرکدوم از یه زاویه متفاوت به مسئله نگاه می‌کنن.
کاربر ممکنه بهت نشون بده:
«اینجا گیج شدم.»
این Evidence خیلی ارزشمنده.
ولی هنوز این سؤال باقیه:
چرا؟
و مهم‌تر:
حالا دقیقاً چی باید تغییر کنه؟
اینجاست که Research، Data، Domain Knowledge و Expertise وارد بازی می‌شن.
نه برای اینکه جای کاربر تصمیم بگیرن.
برای اینکه چیزی که از کاربر یاد گرفتیم رو درست تفسیر کنیم.

هر Evidence جواب یه سؤال متفاوت رو می‌ده
به نظرم این قسمت توی Product Design خیلی مهمه.
Usability Testing می‌تونه نشون بده:
کاربر کجا گیر می‌کنه؟
Analytics می‌تونه کمک کنه بفهمیم:
این اتفاق چقدر تکرار می‌شه؟
Interview می‌تونه کمک کنه بفهمیم:
کاربر در چه context و با چه ذهنیتی این کار رو انجام می‌ده؟
Support Ticket می‌تونه نشون بده:
کدوم ابهام‌ها دوباره و دوباره تکرار می‌شن؟
و Expertise کمک می‌کنه این شواهد رو در چارچوب محصول، تکنولوژی و کسب‌وکار تفسیر کنیم.
هیچ‌کدوم به‌تنهایی تصویر کامل نیستن.

یه نکته دیگه هم هست
کاربر با ذهن خالی وارد محصول نمی‌شه.
کاربری که سال‌ها با یه نرم‌افزار قدیمی کار کرده، یه مدل ذهنی و انتظار مشخص داره.
ممکنه وقتی وارد محصول جدید می‌شه بگه:
«این اشتباهه.»
در حالی که شاید واقعاً اشتباه نباشه؛ فقط با چیزی که قبلاً دیده متفاوته.
پس حتی User Research هم قرار نیست به ما «حقیقت مطلق» بده.
ما نباید هر چیزی که یک کاربر گفت رو تبدیل به Requirement کنیم.
همون‌طور که نباید هر چیزی که خودمون فکر کردیم رو هم حقیقت فرض کنیم.

پس سؤال اشتباه کدومه؟
«می‌تونم خودمو جای کاربر بذارم یا نه؟»
به نظرم سؤال بهتر اینه:
«مدل ذهنی من از کاربر چقدر با Evidence واقعی کالیبره شده؟»
اگر هیچ Evidence ندارم و فقط می‌گم:
«من فکر می‌کنم کاربر اینو می‌فهمه.»
خب، این مورد خیلی نیاز به بررسی داره.
اگر فقط یک کاربر چیزی گفت و سریع کل محصول رو براساس اون تغییر دادم، باز هم باید شک کنم.
اگر فقط به تجربه خودم تکیه کنم، باز هم مشکل دارم.
اما اگر تجربه خودم رو کنار Research، رفتار واقعی کاربر، دیتا، تست و Feedback بذارم، قضیه فرق می‌کنه.
من قرار نیست کاربر بشم.
قرار نیست ذهنم رو از دانشی که دارم خالی کنم.
کاری که باید بکنم اینه که بفهمم:
چی رو من می‌دونم و کاربر نمی‌دونه؟
کجا دارم فرض می‌کنم؟
کجا Evidence دارم؟
و کجا باید برم و واقعاً از کاربر بپرسم؟

Curse of Knowledge به ما نمی‌گه:
«تو نمی‌تونی کاربر رو بفهمی.»
به ما هشدار می‌ده:
«حواست باشه چیزی که برای تو بدیهیه، الزاماً برای کاربر بدیهی نیست.»
و شاید این، تعریف دقیق‌تر و کاربردی‌تری از Curse of Knowledge برای Product Designerها باشه.

لینک مطلب کامل در لینکدین
❤4
Forwarded from SODΞH DΞSIGN
✅درباره نقش AI Native Product Designer در تیم‌های محصول

طی یکی دو سال اخیر یک عنوان شغلی جدید در آگهی‌های استخدام شرکت‌های بزرگ و پیشرو زیاد دیده می‌شود: AI Native Product Designer. این فقط یک لیبل تزئینی روی همان کار قدیمی نیست؛ شرح وظایف و انتظارات این نقش واقعاً فرق دارد. دراین پست تلاش کردم از آنچه در بازار واقعی(حتی الزاما نه مارکت ایران) زیر این عنوان تعریف می‌شود(تا جایی که میدانم) بنویسم.

🌟تفاوت نقش Digital Product Designer و AI Native Product Designer

در واقع تفاوت این دو نقش بیشتر در نقطه‌ی شروع و محل تصمیم‌گیری است تا در ابزار. یک Digital Product Designer معمولاً مسئله را در چارچوب رابط و تجربه‌ی کاربر حل می‌کند: کشف نیاز، طراحی جریان کاربری (user flow)، پروتوتایپ در Figma، و هماهنگی با مهندسی برای پیاده‌سازی یک محصول با رفتار قابل‌پیش‌بینی. اما یک AI Native Product Designer روی محصولی کار می‌کند که خودِ رفتارش غیرقطعی و پویاست، چون یک مدل هوش مصنوعی در دل تجربه تصمیم می‌گیرد، پاسخ می‌دهد یا حتی اقدام می‌کند. به همین دلیل مسئولیت او فراتر از چیدمان رابط می‌رود: باید prompt و لحن پاسخ AI را طراحی کند، برای رفتارهای غیرمنتظره‌ی مدل (edge cases) طرح جایگزین بسازد، شفافیت و کنترل کاربر روی تصمیم‌های خودکار را تضمین کند، و سیستم طراحی را طوری مستند کند که هم انسان و هم مدل بتوانند از آن پیروی کنند. به زبان ساده: Digital Product Designer تجربه‌ای برای یک سیستم قابل‌پیش‌بینی طراحی می‌کند؛ AI Native Product Designer تجربه‌ای برای یک سیستم می‌سازد که خودش هم یکی از تصمیم‌گیرندگان تجربه است.

🌟این عنوان دقیقاً یعنی چه؟

طراح AI Native کسی نیست که فقط از ابزارهای هوش مصنوعی (AI tools) در کارش استفاده می‌کند. تفاوت اصلی در نقطه‌ی شروع فرآیند طراحی است:
طراح سنتی معمولاً کار را در Figma شروع می‌کند و بعد در جایی از مسیر، AI را وارد می‌کند.
طراح AI Native کار را با یک مدل زبانی (LLM) شروع می‌کند، برای شفاف‌سازی مسئله، کشف فرضیات پنهان (assumptions)، و هم‌راستا شدن با تیم محصول (Product) پیش از هر خط طراحی بصری.
شرح وظایف واقعی (بر اساس آگهی‌های استخدام)

🌟بر اساس نمونه‌های واقعی بازار، مسئولیت‌های اصلی جدید این نقش معمولاً شامل این‌هاست:
در واقع اکثر هسته‌ی وظایف طراح محصول (Digital Product Designer) دست‌نخورده باقی مانده، چیزی که عوض شده لایه‌ای است که رویش اضافه شده، نه جایگزینی آن. چیزی که واقعاً فرق کرده، نقطه‌ی شروع فرآیند و ابزار میانی است، نه ماهیت وظایف، طراح دیجیتال قبلی مسئله را در Figma شروع می‌کرد و در انتها احتمالاً AI را وارد می‌کرد؛ طراح AI Native همان زنجیره‌ی «تحقیق → تعریف مسئله → طراحی → تست» را طی می‌کند، اما مرحله‌ی اول را با یک LLM شروع می‌کند و در میانه هم باید برای Agent UX و سیستم‌های خوانا برای AI طراحی کند.

🟡طراحی رابط برای عامل‌های هوشمند (Agent UX): طراحی تجربه‌هایی که در آن‌ها AI به‌جای منتظر ماندن برای دستور کاربر، خودش اقدام می‌کند. این نیازمند الگوهای جدیدی است: نمایش شفاف اینکه عامل (agent) چه کاری دارد انجام می‌دهد، چرا آن تصمیم را گرفته، امکان override توسط کاربر، و بازیابی روان از خطا (error recovery).

🟡طراحی سیستم‌های طراحی هوشمند (AI-native design systems): توکن‌ها، کامپوننت‌ها، قوانین حرکت (motion)، الزامات دسترسی‌پذیری (accessibility) و لحن محتوا باید در قالبی نوشته شوند که هم انسان و هم مدل‌ها/عامل‌ها بتوانند آن را بخوانند و اجرا کنند.

🟡همکاری عمیق‌تر با مهندسی: مرز کلاسیک «طراح اسپک می‌دهد، مهندس پیاده می‌کند» کم‌رنگ شده. چون AI بخش زیادی از تولید کد را سریع‌تر کرده، طراح باید درک فنی واقعی از state، data flow و معماری داشته باشد تا بتواند در این گفت‌وگو شریک باشد، نه فقط تحویل‌دهنده.

🟡قضاوت و مسئولیت‌پذیری روی خروجی AI: هوش مصنوعی بر اساس الگو تولید می‌کند، نه درک. این طراح است که باید تشخیص دهد خروجی تولیدشده با جهت بلندمدت محصول هم‌خوان است یا نه، یعنی نقش quality gatekeeper پررنگ‌تر شده، نه کم‌رنگ‌تر.

🟡پروتوتایپ سریع و مشارکت در استراتژی محصول: در بسیاری از آگهی‌ها (به‌خصوص در استارتاپ‌ها)، این نقش با GTM و استراتژی محصول هم تلاقی دارد؛ یعنی از طراح انتظار می‌رود در تصمیم‌های محصول هم نقش پررنگ داشته باشد.

⭕️ نکته مهم:
ما با اضافه کردن عنوان AI به ابتدای عنوان شغلی‌مان الزاما تبدیل به AI Native Product Designer نمی‌شویم.

در پست بعدی درباره مهارت‌هایی که باید یادگرفت خواهم نوشت.

#عنوان_شغلی #طراحی_محصول #مدیریت_محصول #هوش_مصنوعی

🫶 @SodehDesign
☝️ Sodeh.me
⚙️ https://linktr.ee/irSodeh
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5❤2
Forwarded from mci internship
🚨 آخرین مهلت ثبت‌نام؛ فرصت رو از دست نده!

💡 برای کار کردن توی یه شرکت بزرگ، لازم نیست سال‌ها منتظر #سابقه_کار بمونی!

با ثبت‌نام در «شانزدهمین دوره کارآموزی همراه اول»، می‌تونی همین امروز اولین قدمِ حرفه‌ای‌ت رو برداری و آینده شغلی‌ت رو بسازی.

این فقط یک دوره آموزشی ساده نیست؛ یک مسیر میان‌بر ۴ ماهه برای ورود مستقیم به بازار کاره:

🔹 پرداخت حقوق و پوشش بیمه در طول دوره
🔹 منتورینگ تخصصی با باتجربه‌ترین مدیران صنعت ICT
🔹 فرصت مستقیم جذب و استخدام در گروه شرکت‌های همراه اول

⏱ بیش از ۱۲۰ موقعیت شغلی در گروه‌های مختلف منتظر رزومه توست.
⚠️ ظرفیت محدود (پیش از تکمیل موقعیت‌ها ثبت‌نام کن!)
🌐 ارسال سریع رزومه و ثبت‌نام:
https://l.hamrah.academy/ogv
👍1
آپدیت هوش مصنوعی فیگما

از ۶ اکتبر (تقریبا یک هفته‌ی دیگه) فیگما هم قراره بابت استفاده از دستیار هوش مصنوعی، کردیت بگیره. تا الان در نسخه‌ی بتا بود و بدون کردیت کار میکرد.
امکان خرید کردیت اضافه هم داره ولی اگر کارت بانکی خارجی متصل کردید به حسابتون، حواستون باشه یهویی از اون پول برنداره...

@UIUXWorkshop
🤣3