Microsoft Azure-da süni intellektMövzu planı

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.