AI Engineer Olmaq: Kimdir, Nə Edir və Necə Başlamalı

ChatGPT-dən istifadə edirsiniz, bir neçə prompt yazmısınız, bəlkə də kiçik bir çatbot qurmusunuz. İndi sual yaranır: bunu peşəyə çevirmək olarmı? AI Engineer olmaq son illərin ən çox maraq doğuran karyera hədəflərindən biridir, amma bu vəzifənin nə olduğu çox vaxt qeyri-müəyyən qalır. Bu yazıda AI Engineer-in kim olduğunu, gündəlik nə etdiyini, hansı bacarıqların lazım olduğunu və bu yola necə başlaya biləcəyinizi sadə dillə izah edirik.

AI Engineer kimdir?

AI Engineer — hazır və ya uyğunlaşdırılmış süni intellekt modellərini real məhsullara inteqrasiya edən mühəndisdir. O, böyük dil modellərini (LLM), kompüter görməsi və avtomatlaşdırma alətlərini tətbiqlərə qoşur, onların etibarlı, təhlükəsiz və sərfəli işləməsini təmin edir. Əsas sualı "modeli necə yaradım?" yox, "modeli məhsulda necə işlədim?" sualıdır.

AI Engineer necə işləyir? Gündəlik iş

Tutaq ki, bir bank müştəri suallarına cavab verən daxili köməkçi istəyir. AI Engineer-in işi təxminən belə görünür:

1. Problemi dəqiqləşdirmək: köməkçi hansı suallara cavab verməlidir, hansılara yox?
2. Məlumatı hazırlamaq: bankın daxili sənədlərini modelin istifadə edə biləcəyi formata salmaq
3. RAG qurmaq: model cavab verməzdən əvvəl müvafiq sənədləri tapan axtarış sistemi (Retrieval-Augmented Generation)
4. Model seçmək: bulud API-si, yoxsa məlumat məxfiliyi üçün lokal model?
5. Qoruyucu qaydalar (guardrails): model səhv və ya təhlükəli cavab verməsin
6. Qiymətləndirmə: cavabların keyfiyyətini sistemli şəkildə ölçmək
7. Production: sürət, xərc və monitorinq

Gördüyünüz kimi, bu işin böyük hissəsi proqram mühəndisliyidir; model yalnız bir komponentdir.

AI Engineer, Data Scientist və ML Engineer: fərq nədir?

Rol	Əsas sual	Tipik iş
Data Scientist	"Datadan hansı nəticəni çıxara bilərik?"	Analiz, statistik modellər, proqnoz
ML Engineer	"Modeli necə öyrədib miqyaslandıraq?"	Model təlimi, ML konveyerləri, MLOps
AI Engineer	"AI-ni məhsulda necə işlədək?"	LLM inteqrasiyası, RAG, agentlər, avtomatlaşdırma

Sərhədlər şirkətdən şirkətə dəyişir. Data Science yolu ilə müqayisəni data scientist olmaq yazımızda daha ətraflı görə bilərsiniz.

AI Engineer olmaq üçün hansı bacarıqlar lazımdır?

Proqramlaşdırma əsası: Python, API-lərlə iş, Git, sadə backend anlayışları.

Model anlayışı: neyron şəbəkələrin, transformerlərin, embedding-lərin nə etdiyini praktik səviyyədə başa düşmək. Riyazi isbat yox, intuisiya.

LLM tətbiqləri: prompt dizaynı, RAG, alət çağırışı (tool calling), agent iş axınları.

Kompüter görməsi: təsvir təsnifatı, obyekt aşkarlama, OCR — bir çox biznes avtomatlaşdırmasının əsasıdır.

Production düşüncəsi: qiymətləndirmə, təhlükəsizlik, xərc optimallaşdırması, monitorinq.

Açıq yol xəritəsi kimi roadmap.sh-in AI Engineer bölməsi yaxşı istinad nöqtəsidir.

Biznes üçün faydası: niyə bu rola tələbat var?

Dünya İqtisadi Forumunun Future of Jobs Report 2025 hesabatına görə, AI və maşın öyrənməsi mütəxəssisləri faiz baxımından ən sürətlə böyüyən vəzifələr arasındadır, süni intellekt və böyük data isə ən sürətlə böyüyən bacarıqlar siyahısının başındadır.

Şirkətlər üçün AI Engineer-in dəyəri konkretdir:

• Avtomatlaşdırma: təkrarlanan əl işlərinin (sənəd emalı, sorğu təsnifatı) azaldılması
• Daxili bilik: işçilərin şirkət sənədlərinə sual verə bildiyi köməkçilər
• Müştəri xidməti: ilkin sorğuları cavablandıran sistemlər
• Məxfilik: həssas məlumat üçün lokal modellərin qurulması

Real istifadə nümunələri

• Telegram botu + n8n: müştəri sifarişlərini qəbul edib cədvələ yazan və menecerə bildiriş göndərən avtomatlaşdırma
• OCR: skan edilmiş qaimə-fakturalardan məbləğ və tarixi avtomatik çıxarmaq
• RAG köməkçi: daxili qaydalar sənədlərinə əsasən işçilərin suallarını cavablandırmaq
• Sentiment analizi: müştəri rəylərini avtomatik təsnif edib problemli olanları önə çıxarmaq
• Real vaxt kompüter görməsi: kamera görüntüsündə obyektləri aşkarlamaq

Devlab-ın AI Engineering proqramı: tapşırıqlar nədən ibarətdir?

AI Engineering proqramı minimum 3 ay davam edir və 13 moduldan ibarətdir. Hər modul real biznes probleminə əsaslanan tapşırıqdır və mentor tərəfindən yoxlanılır:

1. n8n Automation & Telegram Bots
2. CNNs & Image Classification
3. Object Detection & OCR
4. Retrieval-Augmented Generation
5. Real-Time Computer Vision
6. Sentiment Analysis & Transformers
7. Building a Streamlit App with a Locally Fine-Tuned LLM
8. Capstone
9. Agentic Workflows & Tool-Calling
10. Fine-Tuning & Model Customization
11. Evaluation, Guardrails & AI Safety
12. Production Serving & Cost Optimization
13. Capstone II: Production AI Product

Yol no-code avtomatlaşdırmadan başlayır, kompüter görməsi və RAG-dan keçərək production səviyyəli AI məhsuluna qədər gedir. Hər həftə sahə mütəxəssisi olan mentor kodunuzu yoxlayır, həftəlik canlı görüşlər keçirilir.

AI Engineering kimə uyğundur, kimə yox?

Uyğundur, əgər:

• Yeni texnologiyaları sınamaqdan zövq alırsınızsa
• Proqramlaşdırmaya maraqlısınızsa və məhsul qurmaq istəyirsinizsə
• Qeyri-müəyyənliyə dözə bilirsinizsə — bu sahədə alətlər tez dəyişir

Uyğun olmaya bilər, əgər:

• Yalnız "prompt yazmaq" kifayət edəcəyini düşünürsünüzsə — iş əsasən mühəndislikdir
• Kod yazmaqdan qaçırsınızsa
• Dərin riyazi tədqiqatla maraqlanırsınızsa — o halda Data Science və ya ML tədqiqatı daha yaxın ola bilər

Özünüzü daha ətraflı qiymətləndirmək üçün AI Engineering kimə uyğundur yazımızdakı yoxlama siyahısından istifadə edin.

AI Engineer-in ilk layihəsi necə görünə bilər?

Başlanğıc üçün real və portfolioya layiq bir layihə: müştəri sorğularını avtomatik təsnif edən köməkçi.

1. Giriş: Telegram botu və ya sadə veb forma vasitəsilə sorğular qəbul olunur
2. Təsnifat: model sorğunun növünü (ödəniş, texniki problem, şikayət) və təcililiyini müəyyən edir
3. Cavab layihəsi: tez-tez verilən suallar sənədinə əsasən (RAG) cavab təklifi hazırlanır
4. İnsan nəzarəti: cavab birbaşa göndərilmir, operatora təsdiq üçün göstərilir
5. Qiymətləndirmə: bir neçə onlarla real nümunə üzərində təsnifatın düzgünlüyü ölçülür
6. Təhlükəsizlik: şəxsi məlumatlar modelə göndərilməzdən əvvəl gizlədilir

Bu layihə AI Engineer-in bütün əsas bacarıqlarını göstərir: avtomatlaşdırma, LLM inteqrasiyası, RAG, qiymətləndirmə və təhlükəsizlik — və hər biri müsahibədə danışmaq üçün material verir.

Ən çox edilən 4 səhv

1. Yalnız prompt üzərində işləmək. Prompt vacibdir, amma sistemin qalan hissəsi — data, axtarış, test — nəticəni daha çox müəyyən edir.
2. Qiymətləndirməni atlamaq. "Bir neçə dəfə yoxladım, işləyir" kifayət deyil; sistemli test dəsti lazımdır.
3. Xərci nəzərə almamaq. Hər sorğu pul deməkdir; keşləmə və düzgün model seçimi vacibdir.
4. Hər şeyə AI tətbiq etmək. Bəzən sadə qayda əsaslı həll daha etibarlı və ucuzdur.

AI Engineer-in alətlər dəsti

Başlanğıcda hər aləti bilmək lazım deyil, amma bu kateqoriyaları tanımaq faydalıdır: avtomatlaşdırma platformaları (məsələn, n8n), LLM API-ləri və SDK-lar, vektor bazaları və embedding-lər, kompüter görməsi kitabxanaları, lokal model işlətmə alətləri, sadə interfeys üçün Streamlit kimi çərçivələr və qiymətləndirmə alətləri. Kateqoriyanı başa düşsəniz, konkret aləti dəyişmək asandır.

Bu kateqoriyaların hər biri Devlab-ın AI Engineering proqramında ayrıca modul kimi keçilir.

Başlamaq üçün ilk addım

AI engineering-ə marağınız varsa, bu həftə kiçik bir avtomatlaşdırma qurun: məsələn, e-poçtunuza gələn müəyyən mövzulu məktubları cədvələ yazan və sizə Telegram-da bildiriş göndərən iş axını. Bu, sahənin əsas məntiqini — giriş, emal, inteqrasiya, nəticə — praktik hiss etdirəcək.

Nəticə

AI Engineer olmaq "AI ilə danışmağı" yox, AI-ni real məhsulda etibarlı işlətməyi bacarmaq deməkdir: Python və API-lər, model anlayışı, RAG və agentlər, qiymətləndirmə və production. Bu bacarıqlar ən sürətlə real tapşırıqlar və rəy üzərində formalaşır.

AI Engineer yoluna başlamaq istəyirsinizsə, pulsuz qeydiyyatdan keçin və AI Engineering üzrə real tapşırıq nümunələrini öhdəliksiz görün. Sualınız varsa, komandamızla əlaqə saxlayın.

Tez-tez verilən suallar

AI Engineer olmaq üçün riyaziyyat nə qədər lazımdır?

Gündəlik iş üçün dərin riyazi isbatlar adətən lazım olmur. Xətti cəbr və ehtimal nəzəriyyəsinin əsasları modellərin necə işlədiyini başa düşməyə kömək edir, amma ən vacib bacarıq proqram mühəndisliyidir.

AI Engineer olmaq üçün hansı proqramlaşdırma dili lazımdır?

Python bu sahənin əsas dilidir: model kitabxanalarının, LLM SDK-larının və avtomatlaşdırma alətlərinin əksəriyyəti Python ilə işləyir. Veb tərəf üçün JavaScript bilmək əlavə üstünlükdür.

Proqramlaşdırma bilmədən AI Engineering-ə başlamaq olarmı?

Devlab-ın AI Engineering proqramı başlanğıc səviyyə üçün də nəzərdə tutulub və ilk modul no-code avtomatlaşdırma ilə başlayır. Amma proqram irəlilədikcə Python ilə işləmək lazım olacaq, ona görə əsasları paralel öyrənmək faydalıdır.

AI Engineer işinin gələcəyi necədir?

WEF-in Future of Jobs Report 2025 hesabatı AI və maşın öyrənməsi mütəxəssislərini ən sürətlə böyüyən vəzifələr arasında göstərir. Alətlər dəyişəcək, amma AI-ni məhsula etibarlı şəkildə inteqrasiya etmək bacarığına tələbat davam edəcək.