GenAI Mühəndisliyi: LLM, RAG, Autonomous AI Agents

8 həftəlik GenAI Mühəndisliyi təlimində süni intellektin əsaslarından başlayaraq Python, NLP, LLM, prompt mühəndisliyi, RAG, LangChain və AI agentləri kimi müasir texnologiyaları praktiki şəkildə öyrənəcəksiniz. Təlim boyunca real modellər və alətlərlə işləyərək öz AI tətbiqlərinizi qurmaq üçün lazımi bacarıqlar əldə edəcəksiniz. Həmçinin fine-tuning, səs və OCR modelləri ilə tanış olacaq, AI sistemlərinin imkanlarını və məhdudiyyətlərini anlayacaqsınız. Müxtəlif praktiki tapşırıqlar vasitəsilə LLM əsaslı həllərin hazırlanması və tətbiqi üzrə təcrübə qazanacaqsınız. Təlimin sonunda müasir GenAI alətləri ilə işləmək və real problemlər üçün süni intellekt əsaslı həllər yaratmaq bacarığı əldə edəcəksiniz.

Vüsal İsayev- Hazırda Kapital Bankda Modellərin Validasiyası üzrə şöbə müdiri olaraq çalışır. Daha öncə isə Kapital Bankda Data Scientist, Trivago’da Marketing Data Analyst, Hildesheim Universitetində Research Assistant kimi çalışmışdır. Magistratura təhsilini Almaniyada Hildesheim Universitetində Big Data and Machine Learning üzrə, bakalavr təhsilini isə Azərbaycan Dövlət Neft Akademiyasında Komputer elmləri üzrə almışdır. Oruc Quliyev – Hazırda Kapital Bankda Model Validator üzrə Aparıcı mütəxəssis olaraq çalışır. Bakalavr təhsilini ADA Universitetində İqtisadiyyat üzrə, Magist təhsilini isə Azərbaycan Dövlət İqtisad Universitetində MBA, Maliyyə Analitikası üzrə almışdır.

Modul 1 - AI-a giriş ▸ Süni intellekt nədir? Tarixi və növləri ▸ Machine Learning, Neyron şəbəkələr və NLP əsasları – Machine Learning əsasları – Neyron şəbəkələr əsasları – NLP (Natural Language Processing) əsasları — mətnin emalı, tokenizasiya Modul 2 - Python əsasları ▸ Python-un əsasları (dəyişənlər, funksiyalar, kitabxanalar) ▸ Python-un NLP-də istifadəsi və API-larla iş – Mətn emalı üçün Python kitabxanaları (NLTK, spaCy əsasları) – API-larla iş: JSON formatı, HTTP sorğuları, REST API-lar Modul 3 - LLM əsasları ▸ LLM nədir? LLM-in əsasları – Transformer arxitekturası, tokenization, embeddings, context window ▸ Hugging Face və LLM playground-ları – Hugging Face platforması ilə tanışlıq – Local modellərin (məs. Ollama ilə) və API ilə modellərin (OpenAI, Claude) istifadəsi ▸ Prompt Engineering – Prompt mühəndisliyi texnikaları (few-shot, chain-of-thought, rol-əsaslı promptlar) ▸ LLM modelleri üçün Streamlit və ya Gradio ilə sadə istifadəçi interfeysi qurmaq ▸ LLM modelerinin Docker vasitəsilə deployment prosesi Modul 4 - RAG (Retrieval-Augmented Generation) ▸ RAG nədir? Necə işləyir — retriever və generator komponentləri ▸ RAG-ın qurulması: sənədlərin hazırlanması (chunking) və axtarış strategiyaları ▸ Vector database-lər: local və xarici həllər – Local vector database-lər (Chroma, FAISS) — qurulması və istifadəsi – Xarici/Cloud vector database-lər (Pinecone, Weaviate, Qdrant) — qurulması və istifadəsi ▸ RAG sistemleri Streamlit və ya Gradio ilə sadə istifadəçi interfeysi qurmaq ▸ RAG sistemlerinin Docker vasitəsilə deployment prosesi Modul 5 - LangChain ▸ LangChain arxitekturası: chains, prompts, memory – Əsas komponentlər: Chains (LLMChain, sequential), Prompts (PromptTemplate) və Memory (ConversationBufferMemory) ilə iş – Sənəd emalı və nəticə: Document loaders və text splitters ilə sənədlərin hazırlanması, Output parsers ilə cavabın strukturlaşdırılması ▸ LLM/RAG tətbiqlərinin qiymətləndirilməsi (dəqiqlik, halüsinasiya yoxlanışı, metriklər) ▸ Guardrails və content moderation (zərərli/yanlış cavabların qarşısının alınması) Modul 6 - Fine-tuning və Xüsusi AI Modelləri (STT, TTS, OCR) ▸ Fine-tuning nədir? Nə vaxt lazımdır – Prompt engineering və RAG ilə müqayisədə fine-tuning nə vaxt seçilir – LoRA/PEFT kimi fine-tuning üsulları ▸ Səs modelləri: Speech-to-Text (STT) və Text-to-Speech (TTS) – STT: səsi mətnə çevirmək (Whisper) – TTS: mətni səsə çevirmək (ElevenLabs, Coqui TTS) ▸ OCR (Optical Character Recognition): şəkildən/sənəddən mətn çıxarma Modul 7 - AI Agentləri ▸ Aİ agentləri nədir? Reasoning loop (düşün → hərəkət et → nəticəni yoxla) və əsas konsepsiya ▸ Function/tool calling: agent xarici alətləri necə çağırır, praktik nümunələr ▸ Agent decision making: planlaşdırma və növbəti addımın seçilməsi ▸ Short-term və long-term memory: kontekst və davamlı yaddaş Modul 8 - Multi-Agent Sistemlər ▸ Multi-agent sistemlərin əsasları və arxitekturaları: tək agentdən fərqi, orchestrator–worker modeli ▸ Workflow orchestration: agentlər arasında tapşırıq bölgüsü və koordinasiya ▸ Human-in-the-loop: insan nəzarəti və təsdiq nöqtələri ▸ Conversation lifecycle: kontekstin və yaddaşın agentlər arasında idarə olunması ▸ Framework-lər ilə praktika (CrewAI, LangGraph), etika və məhdudiyyətlər