PROWIDIT Education Academy

Bloq
Haqqımızda
Necə işləyir?
FAQ

+994 77 333 38 36 Sınaq dərsi Kabinet

AZ RU EN

Kursu dəyişinProqramçılar üçün AI kursu

Proqramçılar üçün AI kursu104
Alqoritmlər və verilənlər strukturları kursu129
Django & FastAPI kursu140
Docker və Deploy kursu103
Full Stack Developer kursu270
Git & GitHub kursu103
HTML & CSS kursu154
JavaScript kursu169
Laravel kursu136
Operator şəbəkələri: MPLS, BGP və BNG81
Next.js kursu113
Node.js kursu123
PHP kursu144
Python kursu153
React kursu122
SQL və verilənlər bazaları kursu122
TypeScript kursu112
Vue.js kursu111

Böyük dil modelləri necə işləyir
Proqramçı üçün AI: LLM nədir və kursda nələri öyrənəcəksiniz Pulsuz
Tokenlər: model mətni necə görür
Kontekst pəncərəsi: modelin yaddaşı və onun sərhədləri
Təlim və inference: model bildiklərini haradan bilir
Mətn generasiyası: növbəti tokenin proqnozu, temperature və top-p
Halüsinasiyalar: model niyə əminliklə yanılır
LLM-lərin məhdudiyyətləri: modellər harada zəifdir
Modellər aləmi: tapşırığa uyğun modeli necə seçmək
Proqramçının AI alətləri xəritəsi
Proqramçı üçün prompt mühəndisliyi
Yaxşı promptun anatomiyası: aydın və konkret təlimatlar
Promptda kontekst: kod, xətalar, mühit və ayırıcılar
Promptda nümunələr: zero-shot və few-shot
Rollar və sistem promptları
Cavabın formatını idarə etmək: uzunluq, struktur, JSON
Modelə düşünməyə imkan verin: chain of thought və reasoning modellər
Dekompozisiya: mürəkkəb tapşırığı addımlara bölmək
Prompt üzərində iterasiyalar: diaqnostika və təkmilləşdirmə
Dəyişənli prompt şablonları
Layihə: proqramçının gündəlik tapşırıqları üçün prompt kitabxanası
Kod üçün AI köməkçiləri: Copilot, Cursor, Claude Code
GitHub Copilot: avtotamamlama, çat və agent rejimi
Cursor: AI redaktoru, inline redaktə və agent
Claude Code: terminalda proqramlaşdırma agenti
Claude Code-da iş prosesləri: plan, kod, testlər, commit
AI köməkçiləri üçün layihə konteksti: CLAUDE.md, AGENTS.md və qaydalar
AI agentə tapşırıq necə verilir: spesifikasiya və qəbul meyarları
AI-ın yazdığı kodun yoxlanılması
AI-ın yaratdığı kodun təhlükəsizliyi
AI alətləri ilə işdə məxfilik, gizli açarlar və lisenziyalar
Gündəlik proqramlaşdırmada AI
Tanış olmayan kodun AI ilə izahı
AI ilə kod yazırıq: tələblərdən işləyən funksiyaya
AI ilə debugging: stack trace-dən əsl səbəbə
AI ilə refaktorinq: heç nəyi sındırmadan
AI ilə testlərin yazılması
AI ilə sənədləşdirmə: şərhlər, README, commit mesajları
AI ilə code review: öz və komandanın kodunu yoxlamaq
Yeni texnologiyaları AI ilə öyrənmək — ondan asılı olmadan
Legacy kodla iş: anlamaq, sənədləşdirmək, dəyişmək
Layihə: AI ilə legacy layihənin refaktorinqi
LLM API-ləri ilə iş
LLM API-ləri: hesab, açarlar və mühit dəyişənləri
Python və JavaScript-də SDK ilə ilk sorğu
messages formatı: rollar, dialoq tarixçəsi və sistem promptu
Sorğu parametrləri: max_tokens, temperature, stop ardıcıllıqları
Streaming: cavabın yarandıqca göstərilməsi
Xətalar, təkrar cəhdlər və rate limit-lər
Tokenlərin sayılması və xərcin hesablanması
Promptların keşlənməsi (prompt caching)
Müxtəlif provayderlər: Anthropic, OpenAI, Gemini və uyğun API-lər
Layihə: proqramçı üçün konsol AI köməkçisi
Strukturlaşdırılmış cavablar və tool calling
JSON Schema ilə strukturlaşdırılmış cavablar
Tipləşdirilmiş cavablar: Pydantic və Zod
Strukturlaşdırılmamış mətndən məlumatların çıxarılması
Tool use: model funksiyalarınızı necə çağırır
Tool use dövrü: alətin icrası və nəticənin qaytarılması
Bir neçə alət, paralel çağırışlar və tool_choice
Yaxşı alətlərin layihələndirilməsi
Layihə: dəstək müraciətlərinin təhlili xidməti
Veb tətbiqlərdə AI funksiyaları
LLM ilə veb tətbiqin arxitekturası
Brauzerə streaming: backend-də Server-Sent Events
Çat interfeysi: mesajlar, markdown və vəziyyətlər
Çat tətbiqində dialoq tarixçəsi və kontekstin idarə olunması
Mətn və sənədlər üçün xülasə funksiyası
LLM ilə mətnlərin təsnifatı
İstifadəçi kontentinin moderasiyası
LLM ilə tərcümə və lokalizasiya
Layihə: streaming ilə veb çat-bot
Embedding-lər, vektor bazaları və RAG
Embedding-lər: mətnin mənası vektor şəklində
Verilənlər bazası olmadan semantik axtarış
Vektor verilənlər bazaları və Chroma
pgvector: PostgreSQL-də vektor axtarışı
RAG: modelə öz sənədlərinizdən bilik vermək
Sənədlərin yüklənməsi və chunk-lara bölünməsi
Axtarışın keyfiyyəti: hibrid axtarış, reranking və sorğunun yenidən yazılması
Mənbələrə əsaslanan cavab: prompt, istinadlar və «bilmirəm»
RAG-ın qiymətləndirilməsi: axtarış metrikləri və cavabların dəqiqliyi
Layihə: RAG əsasında sənədlər üzrə sual-cavab
AI agentlər
Workflow-lar və agentlər: LLM sistemlərinin pattern-ləri
Agent dövrünü sıfırdan yazırıq
Agentin planlaşdırması və özünü yoxlaması
Agentin yaddaşı: kontekst, qeydlər və uzunmüddətli yaddaş
Guardrails: agenti necə nəzarətdə saxlamaq
Agentlər üçün framework və SDK-lar
Layihə: alətləri olan AI agent
Model Context Protocol (MCP)
Model Context Protocol nədir
MCP serverlərinin Claude Code, Cursor və desktop tətbiqlərinə qoşulması
Python-da MCP server yazırıq
TypeScript-də MCP server yazırıq
MCP: resurslar, promptlar və serverin test edilməsi
Layihə: öz alətiniz üçün MCP server
Multimodallıq və lokal modellər
Şəkillərlə iş: API-də vision imkanları
PDF və sənədlər: mətn, cədvəl və mənanın çıxarılması
Nitqin tanınması: səsdən mətnə və nəticələrə
Ollama ilə lokal modellər
Kodda Ollama: API, OpenAI uyğunluğu və lokal RAG
Keyfiyyət, təhlükəsizlik və optimallaşdırma
Evals: LLM funksiyalarını yoxlamaq üçün test dəstləri
LLM-as-judge: model modeli qiymətləndirir
LLM tətbiqlərində loqlama, tracing və monitorinq
Prompt injection: hücumlar və müdafiə
Məlumat sızmaları və model cavablarının yoxlanılması
Xərc və sürətin optimallaşdırılması
Layihə: AI tətbiqiniz üçün evals və təhlükəsizlik testləri
Məsuliyyətli AI, karyera və final layihə
Məsuliyyətli AI: qərəzlilik, şəffaflıq və hüquq
AI və əmək bazarı: LLM dövründə proqramçı karyerası
Final layihə: ideya, spesifikasiya və arxitektura
Final layihə: AI funksiyaları olan veb tətbiq

Proqramçılar üçün AI kursu · AI agentlər

Agent dövrünü sıfırdan yazırıq

🔒 Bu, dərsin əvvəlidir. Tam versiyası abunə ilə əlçatandır.

Hesab yarat Daxil ol

← Əvvəlki dərs🔒 Workflow-lar və agentlər: LLM sistemlərinin pattern-ləri Növbəti dərs →🔒 Agentin planlaşdırması və özünü yoxlaması

PROWIDIT Education Academy

Bakıda onlayn proqramlaşdırma kursları. Canlı dərslər, 80% praktika, mentor dəstəyi və işə düzəlməyə kömək.

Front End

HTML & CSS JavaScript TypeScript React Next.js Vue.js

Back End

SQL (PostgreSQL, MySQL) PHP Laravel Python Alqoritmlər Django & FastAPI Node.js Full Stack

Alətlər və AI

Git & GitHub Docker və Deploy Proqramçılar üçün AI

Faydalı

Pulsuz sınaq dərsi Mentorluq və müsahibəyə hazırlıq Şirkətlər üçün Bloq FAQ

Əlaqə

+994 77 333 38 36 info@prowid.com Video dərslər Müraciət göndər

© 2021 – 2026 Prowid — IT Education Academy. Bütün hüquqlar qorunur. Bakı, Azərbaycan