Süni intellekti nə qədər vaxta və necə öyrənmək olar? 10 sual

Ramin Səfərov10 noyabr 20266 dəqiqəlik oxu

11. Süni intellekt mühəndisi olmaq nə qədər vaxt aparır?

Dəqiq müddət vəd etmək düzgün deyil: bu, əvvəlki təcrübənizdən, məqsədinizdən və həftədə ayırdığınız vaxtdan asılıdır. İntensiv və nizamlı işləyən adam bir neçə ay ərzində işlək layihələr qura biləcək səviyyəyə çata bilər; peşəkar yetkinlik isə illərlə real layihə üzərində formalaşır.

Müqayisə üçün: LTC Lab-da tədris etdiyim süni intellekt mühəndisliyi proqramı altı ay davam edir. Bu müddətdə məqsəd alət adlarını öyrənmək deyil; məlumatla işləmək, model və yanaşma seçmək, nəticəni ölçmək və tətbiqin məhdudiyyətlərini başa düşməkdir.

Proqramçı olanlar üçün yol qısadır, çünki Git, API və verilənlər bazası vərdişləri artıq var. Sıfırdan başlayanlar əvvəlcə bu təməli qurmalıdır. Hər iki halda ölçü vahidi ay deyil, qurduğunuz layihələrdir: tamamladığınız hər işlək layihə sizi hədəfə təqvimdən daha etibarlı yaxınlaşdırır.

12. Həftədə neçə saat ayırmalıyam?

Nizamlı irəliləyiş üçün həftədə ən azı 8–10 saat ayırmağı məsləhət görürəm; daha sürətli nəticə istəyirsinizsə, 15–20 saat. Saatların sayından vacibi onların müntəzəm olmasıdır.

Həftədə bir dəfə səkkiz saat oxumaqdansa, dörd gün iki saat işləmək daha yaxşı nəticə verir. Proqramlaşdırma vərdişdir və fasilə uzandıqca hər dəfə yenidən isinməyə vaxt gedir.

Vaxtı necə böldüyünüz də önəmlidir. Təxminən üçdə birini izləməyə və oxumağa, üçdə ikisini isə özünüz kod yazmağa və layihə qurmağa ayırın. Videoya baxmaq irəliləyiş hissi yaradır, amma bacarıq yalnız özünüz yazanda və xəta ilə üzləşəndə formalaşır.

13. İşləyə-işləyə süni intellekt öyrənmək mümkündürmü?

Bəli, mümkündür, sadəcə müddət uzanır və plan daha ciddi olmalıdır. Öyrənənlərin böyük hissəsi elə məhz işləyən insanlardır.

İşləyən adamın üç üstünlüyü var. Birincisi, maddi təzyiq yoxdur və tələsmədən öyrənmək olar. İkincisi, iş yerinizdə həll olunmamış real problemlər var: təkrarlanan hesabat, cavabsız qalan müştəri sorğuları, əl ilə doldurulan cədvəllər. Bunlar hazır layihə mövzularıdır. Üçüncüsü, qurduğunuz həlli dərhal real mühitdə sınaya bilərsiniz.

Praktik məsləhət: həftənin sabit günlərini və saatlarını əvvəlcədən müəyyən edin və onu görüş kimi qoruyun. "Vaxt tapanda oxuyaram" planı adətən işləmir. Öyrəndiyiniz hər yeni mövzunu öz işinizdəki bir tapşırığa tətbiq etməyə çalışın.

14. Maşın öyrənməsini bilmədən birbaşa LLM və agentlərdən başlamaq olarmı?

Olar. Süni intellekt məhsulları qurmaq istəyənlər model API-ləri ilə daha erkən başlaya bilər. Amma maşın öyrənməsinin əsas anlayışlarını sonradan mütləq öyrənmək lazımdır.

Səbəbi sadədir. LLM tətbiqi qurmaq üçün token, kontekst pəncərəsi, strukturlaşdırılmış çıxış və tool calling anlayışları bəs edir. Lakin sistem səhv cavab verəndə "niyə?" sualına cavab tapmaq üçün qiymətləndirmə məntiqi lazımdır: test dəsti, overfitting, precision və recall. Bunlar klassik maşın öyrənməsindən gəlir.

Buna görə yol xəritəsindəki sıra hamı üçün məcburi deyil. API ilə başlayıb ilk işlək tətbiqi qurun, sonra geri qayıdıb təməli möhkəmləndirin. Modelin özünü hazırlamaq istəyənlər isə əksinə, dərin öyrənmə və incə tənzimləmə hissəsində daha çox vaxt keçirəcək.

15. Hansı mövzuları hansı ardıcıllıqla öyrənməliyəm?

Tövsiyə etdiyim ardıcıllıq doqquz mərhələdir və hər biri əvvəlkinin üzərində qurulur:

Python əsasları
Proqram təminatı mühəndisliyinin əsasları: Git, SQL, HTTP, autentifikasiya
Maşın öyrənməsinin əsasları
Dərin öyrənmə anlayışları
LLM API-ləri ilə iş
RAG: sənədlərdən istinadlı cavablar
Agentlər: alətlərdən istifadə edən sistemlər
Qiymətləndirmə və etibarlılıq
Sistemin real istifadəyə verilməsi: təhlükəsizlik, xərc və izləmə

Hər mərhələnin sonunda konkret bir nəticə olmalıdır: işləyən skript, öyrədilmiş model, mənbə göstərən RAG prototipi, insan təsdiqi tələb edən agent. Bu, çevik xəritədir, hamı üçün sabit sıra deyil. Ətraflı izah və hər mərhələnin nümunəsi yol xəritəsi məqaləsindədir.

16. Özüm öyrənim, yoxsa kursa yazılım?

Hər iki yol işləyir; seçim sizin nizam-intizamınızdan və nə qədər tez nəticə istədiyinizdən asılıdır. Özünüz öyrənmək ucuz və çevikdir, kurs isə struktur, rəy və cavabdehlik verir.

Müstəqil öyrənmənin ən böyük çətinliyi resurs çatışmazlığı deyil, əksinə, çoxluğudur. Nəyi hansı sırada öyrənəcəyini bilməyən adam bir dərslikdən o birinə keçir və heç birini bitirmir. İkinci çətinlik rəyin olmamasıdır: kodunuz işləyir, amma düzgün yazılıbmı, bunu sizə deyən yoxdur.

Yaxşı kursun verdiyi üç şey var: ardıcıl proqram, layihənizə baxan mentor və eyni yolu gedən qrup. Əgər özünüz plan qurub ona əməl edə bilirsinizsə, müstəqil yol tam kifayətdir. Bir neçə dəfə başlayıb yarımçıq qoymusunuzsa, struktur sizə daha çox lazımdır.

17. YouTube və pulsuz resurslarla mühəndis olmaq mümkündürmü?

Mümkündür. Lazım olan biliyin demək olar hamısı pulsuz şəkildə mövcuddur; çatışmayan plan, rəy və davamlılıqdır.

Etibarlı pulsuz mənbələr var: Hugging Face-in LLM kursu, n8n-in rəsmi sənədləri, DeepLearning.AI-ın giriş kursları, PyTorch və LangChain-in öz təlimatları. Bunların keyfiyyəti bir çox ödənişli kursdan aşağı deyil.

İki tələyə diqqət edin. Birincisi, "dərslik cəhənnəmi": video ardınca video izləyib özünüz heç nə qurmamaq. Hər dərslikdən sonra eyni şeyi videosuz, başqa məlumatla təkrar qurun. İkincisi, köhnəlmiş material: bu sahədə bir il əvvəlki video artıq işləməyən kod göstərə bilər. Həmişə rəsmi sənədin cari versiyası ilə yoxlayın.

18. Öyrəndiklərimi necə möhkəmləndirim, hansı layihələri qurum?

Hər mərhələdən sonra kiçik, bitmiş və işlək bir layihə qurun. Bilik yalnız tətbiq olunanda möhkəmlənir.

Mərhələlərə uyğun layihə ideyaları:

Python skripti: xarici API-dən məlumat çəkir və fayla yazır
Churn modeli: real cədvəl üzərində müştəri itkisinin proqnozu və düzgün qiymətləndirmə
LLM tətbiqi: JSON formatında strukturlaşdırılmış cavab qaytaran kiçik köməkçi
RAG köməkçisi: öz sənədləriniz üzərində mənbə göstərən sual-cavab
Agent: stoku yoxlayan, qiymət təklifi hazırlayan və göndərmədən əvvəl insan təsdiqi istəyən iş axını
Real istifadəyə verilmə: seçilmiş layihədə test dəsti, loglama və xərc izləməsi

Bunların hamısı eyni layihənin davamı olmaq məcburiyyətində deyil. Ən yaxşı mövzu öz işinizdən və ya gündəlik həyatınızdan götürülmüş real problemdir. Layihəni GitHub-a qoyun və nə etdiyini, harada səhv edə biləcəyini qısa izah edin.

19. Vibe coding və AI köməkçiləri varkən kod yazmağı öyrənməyə dəyərmi?

Dəyər, hətta əvvəlkindən daha çox. Süni intellekt köməkçiləri kodu sürətlə yazır, amma nəyin düzgün olduğuna qərar verən və nəticəyə cavabdeh olan yenə də sizsiniz.

Kod bilməyən adam köməkçinin yazdığını yoxlaya bilmir. Sistem işləyəndə problem görünmür; işləməyəndə, təhlükəsizlik boşluğu olanda və ya xərc gözlənilmədən artanda isə nə baş verdiyini anlamaq üçün kodu oxumaq lazımdır. Oxumaq üçün isə yazmağı öyrənmiş olmalısınız.

Dəyişən şey mühəndisin vaxtını nəyə sərf etməsidir: sətir yazmağa az, tapşırığı düzgün qoymağa, arxitekturaya və yoxlamaya çox. Köməkçilərdən istifadə edin, bu, peşəkar vərdişdir. Sadəcə öyrənmə mərhələsində əsasları özünüz yazın ki, sonra köməkçini idarə edən siz olasınız, sizi idarə edən o yox.

20. Süni intellekt sahəsi çox sürətlə dəyişir, öyrəndiklərim köhnəlməyəcəkmi?

Alətlər köhnəlir, təməl isə qalır. Buna görə öyrənərkən çərçivələrin adını yox, onların arxasındakı prinsipi mənimsəməyə çalışın.

Köhnəlməyən biliklər bunlardır: Python və proqramlaşdırma vərdişləri, məlumatla iş, modelin necə öyrəndiyi haqqında intuisiya, axtarışın və embeddings-in məntiqi, qiymətləndirmə, təhlükəsizlik və xərc nəzarəti. Bu il populyar olan kitabxana gələn il başqası ilə əvəz oluna bilər, amma "cavabı mənbə ilə necə yoxlayım?" sualı dəyişmir.

Tədrisdə də buna görə hazır cavabı təkrarlamaqdan çox, yanaşmanın niyə seçildiyini anlamağa diqqət yetirirəm. Prinsipi bilən adam yeni aləti bir neçə günə öyrənir. Daim öyrənmək bu peşənin şərtidir; bunu yük kimi yox, işin təbii hissəsi kimi qəbul edənlər üçün sahə rahatdır.