Microsoft Azure-da süni intellektSillabus

Fənn kodu

İFS-40179y

Kredit

6

Tələbənin iş yükü

180

Semestr

Yaz semestri

Akademik il

2025-2026

Fənnin tipi

Seçmə

Təhsil forması

Əyani

Tədris dili

Azərbaycan

Auditoriyadaxili saatlar

a) 30 saat - mühazirə b) 30 saat - seminar c) 15 saat - laboratoriya

Auditoriyadan kənar saatlar

a) 63 saat - sərbəst iş və laboratoriya işi b) 42 saat - hazırlıq

Azure-də Süni İntellekt fənni bulud texnologiyaları mühitində süni intellekt həllərinin layihələndirilməsi, hazırlanması, yerləşdirilməsi və idarə olunmasının nəzəri və praktiki əsaslarını öyrədir. Fənn çərçivəsində Microsoft Azure platformasında süni intellekt xidmətləri, maşın öyrənməsi prosesinin mərhələləri, verilənlərin ilkin emalı, xüsusiyyətlərin hazırlanması (feature engineering), klassik və dərin öyrənmə alqoritmləri, modelin qiymətləndirilməsi və optimallaşdırılması, modelin yerləşdirilməsi (deployment), monitorinqi, təhlükəsizlik və məxfilik prinsipləri, həmçinin hazır AI xidmətləri və API-lərin tətbiqi öyrənilir. Fənn tələbələrdə bulud əsaslı süni intellekt sistemlərinin hazırlanması, tətbiqi və idarə olunması üzrə peşəkar bacarıqların formalaşdırılmasına xidmət edir.

• mühazirə
• laboratoriya işi
• seminar
• təqdimatlar
• interaktiv müzakirə
• layihə əsaslı öyrənmə

1. 1

   CLO 1: Süni intellektin əsas anlayışlarını və Azure AI xidmətlərini izah edir.

2. 2

   CLO 2: Azure mühitində verilənləri hazırlayır və idarə edir.

3. 3

   CLO 3: Machine Learning və Deep Learning modellərini tətbiq edir.

4. 4

   CLO 4: AI modellərini qiymətləndirir, optimallaşdırır və yerləşdirir (Deployment).

5. 5

   CLO 5: Azure AI API-lərindən istifadə etməklə intellektual tətbiqlər hazırlayır.

6. 6

   CLO 6: AI sistemlərində təhlükəsizlik və etik prinsipləri tətbiq edir.

1. 1.
   Bulud mühitlərində AI-ın rolu və sənaye tətbiqləriMühazirə

   Mövzuda böyük hesablama gücü və resurs tələb edən süni intellekt modellərinin bulud mühitlərinə (xüsusilə Microsoft Azure platformasına) inteqrasiyası, bulud texnologiyalarının AI inkişafındakı rolu, həmçinin süni intellektin istehsalat, maliyyə, tibb, pərakəndə satış və logistika kimi müxtəlif sənaye sahələrindəki real tətbiq ssenariləri öyrənilir.

   • Süni intellektin əsas anlayışlarını və Azure AI xidmətlərini izah edir.
2. 2.
   Bulud (Azure) mühitlərində süni intellekt inteqrasiyası, məlumatların saxlanması və idarə olunmasıMühazirə

   Mövzuda süni intellekt modellərinin Microsoft Azure bulud mühitinə inteqrasiyası mexanizmləri, böyük həcmli verilənlərin saxlanması üçün istifadə olunan bulud strukturları (Azure Blob Storage, Azure Data Lake), həmçinin AI modellərinin effektiv təlimi üçün məlumatların idarə edilməsi, təmizlənməsi və təhlükəsizlik standartları öyrənilir.

   • Azure mühitində verilənləri hazırlayır və idarə edir.
3. 3.
   Süni intellektin inkişaf mərhələləri və əsas anlayışlarMühazirə

   Mövzuda süni intellektin yaranma tarixi, onun keçdiyi təkamül mərhələləri, dar və ümumi süni intellekt konseptləri, həmçinin Süni İntellekt, Maşın Öyrənməsi və Dərin Öyrənmə arasındakı fundamental fərqlər və müasir bulud texnologiyalarında AI-ın rolu öyrənilir.

   • Süni intellektin əsas anlayışlarını və Azure AI xidmətlərini izah edir.
4. 4.
   Süni intellekt sistemlərinin komponentləri və işləmə prinsipiMühazirə

   Mövzuda süni intellekt sistemlərinin memarlığını təşkil edən əsas komponentlər (verilənlərin toplanması modulları, hesablama infrastrukturu, maşın öyrənməsi modelləri və tətbiqi interfeyslər), həmçinin bu sistemlərin giriş verilənlərini emal edərək qərar qəbul etməyə və çıxış nəticələri formalaşdırmağa qədər keçdiyi ümumi işləmə mexanizmi öyrənilir.

   • Machine Learning və Deep Learning modellərini tətbiq edir.
5. 5.
   Machine Learning prosesi və mərhələləriMühazirə

   Mövzuda bir maşın öyrənməsi layihəsinin başlanğıcdan tətbiq mərhələsinə qədər keçdiyi həyat dövrü – problemin təyini, verilənlərin toplanması, təmizlənməsi və ilkin emalı, xüsusiyyətlərin mühəndisliyi, modelin təlimi, qiymətləndirilməsi və istehsalata buraxılması mərhələləri öyrənilir.

   • Machine Learning və Deep Learning modellərini tətbiq edir.
   • AI modellərini qiymətləndirir, optimallaşdırır və yerləşdirir (Deployment).
6. 6.
   Data preprocessingMühazirə

   Mövzuda maşın öyrənməsi modellərinin dəqiqliyini artırmaq üçün xam verilənlərin təmizlənməsi və strukturlaşdırılması metodları, o cümlədən buraxılmış qiymətlərin doldurulması, kənar meyllərin analizi, verilənlərin normallaşdırılması və kateqorial dəyişənlərin kodlaşdırılması üsulları öyrənilir.

   • Azure mühitində verilənləri hazırlayır və idarə edir.
7. 7.
   Feature EngineeringMühazirə

   Mövzuda maşın öyrənməsi modellərinin proqnozlaşdırma qabiliyyətini və effektivliyini artırmaq üçün mövcud verilənlərdən yeni məna kəsb edən xüsusiyyətlərin yaradılması üsulları, o cümlədən xüsusiyyətlərin seçilməsi, ölçülərin azaldılması, mətn və zaman sıralarından yeni əlamətlərin çıxarılması prinsipləri öyrənilir.

   • Machine Learning və Deep Learning modellərini tətbiq edir.
   • Azure mühitində verilənləri hazırlayır və idarə edir.
8. 8.
   Öyrənmə metodlarıMühazirə

   Mövzuda maşın öyrənməsi modellərinin verilənlərdən bilik əldə etmə prinsiplərinə görə bölünən əsas növləri – müəllimli öyrənmə, müəllimsiz öyrənmə, yarım-müəllimli öyrənmə və gücləndirilmiş öyrənmə metodları, həmçinin hər bir metodun tətbiq sahələri (reqressiya, təsnifat, klasterləşdirmə) öyrənilir.

   • Machine Learning və Deep Learning modellərini tətbiq edir.
9. 9.
   Ənənəvi alqoritmlərMühazirə

   Mövzuda maşın öyrənməsinin təməlini təşkil edən ənənəvi alqoritmlər – asılılıqların proqnozlaşdırılması üçün Xətti Reqressiya, təsnifat məsələləri üçün Logistik Reqressiya və qərar qəbul etmə ağacları öyrənilir. Həmçinin, qurulmuş modellərin keyfiyyətini ölçmək üçün istifadə olunan Xətalar Matrisi konsepti və əsas qiymətləndirmə metrikaları təhlil edilir.

   • AI modellərini qiymətləndirir, optimallaşdırır və yerləşdirir (Deployment).
   • Machine Learning və Deep Learning modellərini tətbiq edir.
10. 10.
    Dərin öyrənmə alqoritmləriMühazirə

    Mövzuda süni neyron şəbəkələrinin mürəkkəb arxitekturaları olan Dərin Öyrənmə alqoritmlərinin işləmə prinsipləri öyrənilir. Tələbələr vizual verilənlərin emalı üçün Konvolusiya Neyron Şəbəkələri və zaman sıraları ilə işləmək üçün Uzun-Qısamüddətli Yaddaş şəbəkələrinin təməl strukturu ilə tanış olurlar.

    • Machine Learning və Deep Learning modellərini tətbiq edir.
11. 11.
    Model performansının optimallaşdırılması və monitorinqiMühazirə

    Mövzuda qurulmuş maşın öyrənməsi modellərinin dəqiqliyini və effektivliyini artırmaq üçün tətbiq olunan optimallaşdırma üsulları öyrənilir. Buraya modelin ən yaxşı nəticə göstərən struktur tənzimləmələrini təyin etmək üçün hiperparametrlərin nizamlanması mexanizmləri, həmçinin modelin həddindən artıq öyrənməsinin qarşısını alan tənzimləmə metodları daxildir.

    • AI modellərini qiymətləndirir, optimallaşdırır və yerləşdirir (Deployment).
12. 12.
    Modelin yerləşdirilməsi (Deployment) prinsipləriMühazirə

    Mövzuda təlim olunmuş maşın öyrənməsi modellərinin real vaxt rejimində istifadəçi və digər xidmətlər üçün əlçatan edilməsi (Model serving) prinsipləri öyrənilir. Tələbələr modelin xarici sistemlərlə inteqrasiyasını təmin etmək üçün tətbiqi proqramlaşdırma interfeysinin (API endpoint) qurulması mexanizmləri və mikroservis arxitekturasının təməlləri ilə tanış olurlar.

    • AI modellərini qiymətləndirir, optimallaşdırır və yerləşdirir (Deployment).
13. 13.
    AI sistemlərində təhlükəsizlik və məxfilik prinsipləriMühazirə

    Mövzuda süni intellekt sistemlərinin və xüsusilə bulud mühitində saxlanılan böyük verilənlər bazalarının kibertəhlükəsizlik standartlarına uyğun qorunması prinsipləri öyrənilir. Tələbələr həssas məlumatların məxfiliyinin təmini, sistemə müraciət edən istifadəçilərin və xidmətlərin rol əsaslı giriş hüquqlarının tənzimlənməsi və bulud infrastrukturunun təhlükəsizlik mexanizmləri ilə tanış olurlar.

    • AI sistemlərində təhlükəsizlik və etik prinsipləri tətbiq edir.
14. 14.
    Təbiət fəlsəfi düşüncələrin obyekti kimiMühazirə

    Bu mövzuda təbiətin fəlsəfi baxımdan mahiyyəti və insanla qarşılıqlı əlaqəsi öyrənilir. Ekoloji problemlər və davamlı inkişaf prinsipləri müzakirə edilir. Təbiətə məsuliyyətli münasibətin fəlsəfi əsasları izah olunur.

    • .FTN2: Əsas fəlsəfi cərəyan və konsepsiyaları müqayisə və təhlil edir.
    • .FTN7: Öz mövqeyini məntiqi, əsaslandırılmış və ardıcıl şəkildə ifadə edir
    • FTN5: Fəlsəfi və elmi mətnləri təhlil edir və əsas ideyaları ümumiləşdirir.
    • .FTN1: Fəlsəfənin əsas anlayışlarını , kateqoriyalarını və tarixi inkişaf mərhələlərini izah edir.
    • .FTN6: Müasir ictimai, etik, sosial və elmi texnoloji problemləri fəlsəfi baxımdan dəyərləndirir.
    • .FTN3: Fəlsəfi problemlərin həllində tənqidi və analtik düşünmə bacarıqlarından istifadə edir.
    • .FTN8: Fəlsəfi bilikləri peşəkar fəaliyyətində və gündəlik həyatda tətbiq edir.
    • .FTN4: Müxtəlif fəlsəfi mövqeləri arqumentlər əsasında qiymətləndirir.
15. 15.
    Yekun müzakirə və tətbiq layihələrinin təqdimatıMühazirə

    Mövzuda semestr ərzində keçilmiş bütün süni intellekt, maşın öyrənməsi, dərin öyrənmə və bulud inteqrasiyası konseptlərinin ümumi təkrarı və sintezi həyata keçirilir. Tələbələr qruplar şəklində hazırladıqları tətbiqi layihələrin arxitekturasını, model seçimlərini və əldə etdikləri nəticələri auditoriya qarşısında şifahi şəkildə müdafiə edirlər.

    • Machine Learning və Deep Learning modellərini tətbiq edir.
    • Azure AI API-lərindən istifadə etməklə intellektual tətbiqlər hazırlayır.
    • Süni intellektin əsas anlayışlarını və Azure AI xidmətlərini izah edir.
    • AI sistemlərində təhlükəsizlik və etik prinsipləri tətbiq edir.
    • AI modellərini qiymətləndirir, optimallaşdırır və yerləşdirir (Deployment).
    • Azure mühitində verilənləri hazırlayır və idarə edir.

Ədəbiyyat əlavə edilməyib.