AI

AI

ინჟინერია

ინჟინერია

ინჟინერია

Syllabus

თავი 1 - ცვლადები, ტიპები, არითმეტიკული და პირობითი ოპერატორები, და ფუნქციები

თავი 2 - ციკლები, მონაცემთა სტრუქტურები და გამონაკლისები

თავი 3 - ჩაშენებული მოდულები და ტესტირება

თავი 4 - ფაილებთან მუშაობა და რეგულარული გამოსახულებები

თავი 5 - ობიექტზე მიმართული პროგრამირება და სხვა დანარჩენი

თავი 6 - კომპიუტერის არქიტექტურა, პროგრამირების ენები და პერფორმატიულობა, მეხსიერების ტიპები და რეკურსია

თავი 7 - კოორდინატთა სისტემა, სხვადასხვა ფუნქციები და მათი გრაფიკები, Time Complexity, Big O Notation, ალგორითმები

თავი 8 - მონაცემებთან მუშაობა გარეშე ბიბლიოთეკებით: Numpy, Pandas და Matplotlib

თავი 9 - მონაცემთა სტრუქტურები: Linked List, Stack ...

თავი 10 - ხელოვნური ინტელექტი: ძებნის ალგორითმები და ლოგიკა

თავი 11 - ხელოვნური ინტელექტი: მათემატიკა ალბათობისთვის, სიმრავლეები და პითონის მეთოდები

თავი 12 - ხელოვნური ინტელექტი: განუსაზღვრელობა-ალბათობა

თავი 13 - ხელოვნური ინტელექტი: ოპტიმიზაცია და წვრთნა

თავი 14 - ხელოვნური ინტელექტი: ნეირონული ქსელები, გამოსახულებასთან და ბუნებრივ ენასთან მუშაობა

თავი 15 - Open Source იარაღები-ლოკალურად LLM-ის გაშვება, Git-ი და GitHub

თავი 16 - რელაციური მონაცემთა ბაზები-SQLite, SQL, ინდექსაცია

თავი 17 - შესავალი ვებში, ინტერნეტი, ბრაუზერი და სრული აპლიკაციის არქიტექტურები, HTML, CSS

თავი 18 - FastAPI + Jinja2, SQLAlchemy, Pydantic, PostgreSQL

თავი 19 - Redis, Real Time აპლიკაცია

თავი 20 - AI Chatbot შექმნა - Rasa, Huggingface

თავი 21 - კონტეინერიზაცია, Docker, Docker Compose, მიკროსერვისები: Real Time აპლიკაცია + AI Chatbot

თავი 22 - CI/CD Pipeline-ი, მასშტაბირება და უსაფრთხოება, ჰოსტინგი

თავი 23 - Scrapping, AI Agents

თავი 24 - პროექტის დაგეგმვა და შემდგომში დამოუკიდებლად გასაკეთებელი

თავი 1 - ცვლადები, ტიპები, არითმეტიკული და პირობითი ოპერატორები, და ფუნქციები

თავი 2 - ციკლები, მონაცემთა სტრუქტურები და გამონაკლისები

თავი 3 - ჩაშენებული მოდულები და ტესტირება

თავი 4 - ფაილებთან მუშაობა და რეგულარული გამოსახულებები

თავი 5 - ობიექტზე მიმართული პროგრამირება და სხვა დანარჩენი

თავი 6 - კომპიუტერის არქიტექტურა, პროგრამირების ენები და პერფორმატიულობა, მეხსიერების ტიპები და რეკურსია

თავი 7 - კოორდინატთა სისტემა, სხვადასხვა ფუნქციები და მათი გრაფიკები, Time Complexity, Big O Notation, ალგორითმები

თავი 8 - მონაცემებთან მუშაობა გარეშე ბიბლიოთეკებით: Numpy, Pandas და Matplotlib

თავი 9 - მონაცემთა სტრუქტურები: Linked List, Stack ...

თავი 10 - ხელოვნური ინტელექტი: ძებნის ალგორითმები და ლოგიკა

თავი 11 - ხელოვნური ინტელექტი: მათემატიკა ალბათობისთვის, სიმრავლეები და პითონის მეთოდები

თავი 12 - ხელოვნური ინტელექტი: განუსაზღვრელობა-ალბათობა

თავი 13 - ხელოვნური ინტელექტი: ოპტიმიზაცია და წვრთნა

თავი 14 - ხელოვნური ინტელექტი: ნეირონული ქსელები, გამოსახულებასთან და ბუნებრივ ენასთან მუშაობა

თავი 15 - Open Source იარაღები-ლოკალურად LLM-ის გაშვება, Git-ი და GitHub

თავი 16 - რელაციური მონაცემთა ბაზები-SQLite, SQL, ინდექსაცია

თავი 17 - შესავალი ვებში, ინტერნეტი, ბრაუზერი და სრული აპლიკაციის არქიტექტურები, HTML, CSS

თავი 18 - FastAPI + Jinja2, SQLAlchemy, Pydantic, PostgreSQL

თავი 19 - Redis, Real Time აპლიკაცია

თავი 20 - AI Chatbot შექმნა - Rasa, Huggingface

თავი 21 - კონტეინერიზაცია, Docker, Docker Compose, მიკროსერვისები: Real Time აპლიკაცია + AI Chatbot

თავი 22 - CI/CD Pipeline-ი, მასშტაბირება და უსაფრთხოება, ჰოსტინგი

თავი 23 - Scrapping, AI Agents

თავი 24 - პროექტის დაგეგმვა და შემდგომში დამოუკიდებლად გასაკეთებელი

თავი 1 - ცვლადები, ტიპები, არითმეტიკული და პირობითი ოპერატორები, და ფუნქციები

თავი 2 - ციკლები, მონაცემთა სტრუქტურები და გამონაკლისები

თავი 3 - ჩაშენებული მოდულები და ტესტირება

თავი 4 - ფაილებთან მუშაობა და რეგულარული გამოსახულებები

თავი 5 - ობიექტზე მიმართული პროგრამირება და სხვა დანარჩენი

თავი 6 - კომპიუტერის არქიტექტურა, პროგრამირების ენები და პერფორმატიულობა, მეხსიერების ტიპები და რეკურსია

თავი 7 - კოორდინატთა სისტემა, სხვადასხვა ფუნქციები და მათი გრაფიკები, Time Complexity, Big O Notation, ალგორითმები

თავი 8 - მონაცემებთან მუშაობა გარეშე ბიბლიოთეკებით: Numpy, Pandas და Matplotlib

თავი 9 - მონაცემთა სტრუქტურები: Linked List, Stack ...

თავი 10 - ხელოვნური ინტელექტი: ძებნის ალგორითმები და ლოგიკა

თავი 11 - ხელოვნური ინტელექტი: მათემატიკა ალბათობისთვის, სიმრავლეები და პითონის მეთოდები

თავი 12 - ხელოვნური ინტელექტი: განუსაზღვრელობა-ალბათობა

თავი 13 - ხელოვნური ინტელექტი: ოპტიმიზაცია და წვრთნა

თავი 14 - ხელოვნური ინტელექტი: ნეირონული ქსელები, გამოსახულებასთან და ბუნებრივ ენასთან მუშაობა

თავი 15 - Open Source იარაღები-ლოკალურად LLM-ის გაშვება, Git-ი და GitHub

თავი 16 - რელაციური მონაცემთა ბაზები-SQLite, SQL, ინდექსაცია

თავი 17 - შესავალი ვებში, ინტერნეტი, ბრაუზერი და სრული აპლიკაციის არქიტექტურები, HTML, CSS

თავი 18 - FastAPI + Jinja2, SQLAlchemy, Pydantic, PostgreSQL

თავი 19 - Redis, Real Time აპლიკაცია

თავი 20 - AI Chatbot შექმნა - Rasa, Huggingface

თავი 21 - კონტეინერიზაცია, Docker, Docker Compose, მიკროსერვისები: Real Time აპლიკაცია + AI Chatbot

თავი 22 - CI/CD Pipeline-ი, მასშტაბირება და უსაფრთხოება, ჰოსტინგი

თავი 23 - Scrapping, AI Agents

თავი 24 - პროექტის დაგეგმვა და შემდგომში დამოუკიდებლად გასაკეთებელი

About the course

What to expect? 🤔

Level

Level

Level

Beginer

Beginer

Beginer

Time needed

Time needed

Time needed

24 კვირა

24 კვირა

24 კვირა

Certificate

Certificate

Certificate

After completion

After completion

After completion

Prerequisites

Prerequisites

Prerequisites

არ საჭიროებს

არ საჭიროებს

არ საჭიროებს

AI ინჟინერიის კურსი – პროფესია მომავლიდან

AI ინჟინერიის კურსი აგებულია Python პროგრამირების ენაზე და განკუთვნილია მათთვის, ვისაც სურს ხელოვნური ინტელექტის მიმართულებით კარიერის დაწყება სრულიად ნულიდან.

კურსი შედგება რამდენიმე ფუნდამენტური და პრაქტიკული ეტაპისგან, რომლებიც პროგრამირების საწყისი საფუძვლებიდან გიყვანთ რეალურ Back-End და AI სისტემებზე მუშაობამდე.

🔹 რას ისწავლი ამ კურსზე?

1. პროგრამირების საფუძვლები (Python)
კურსი იწყება პროგრამირების ძირითადი ცნებების სწავლით, რათა სტუდენტმა განივითაროს ფუნდამენტური ლოგიკური და ტექნიკური უნარები.

2. ალგორითმები და მონაცემთა სტრუქტურები
მოიცავს სტრუქტურირებული მონაცემების მართვას, ალგორითმების ანალიზსა და მათ საფუძვლად არსებული მათემატიკის შესწავლას.

3. მონაცემებთან მუშაობა
გაეცნობი მონაცემთა ანალიზის პოპულარულ ბიბლიოთეკებს და სწავლობ რეალურ მონაცემებზე ოპერირებას, რაც აუცილებელია როგორც მონაცემთა მეცნიერებაში, ისე AI სისტემების შექმნისას.

4. ხელოვნური ინტელექტის საფუძვლები
ისწავლი იმ ალგორითმებს, მათემატიკურ მოდელებსა და ლოგიკას, რაც საფუძვლად უდევს თანამედროვე ხელოვნურ ინტელექტს.

5. Back-End დეველოპმენტი და AI ინტეგრაცია
გაივლი Back-End ტექნოლოგიებსა და მონაცემთა ბაზებთან მუშაობის საფუძვლებს. ისწავლი როგორ აერთიანებენ თანამედროვე სისტემები ხელოვნურ ინტელექტს API-ებისა და მოდულების მეშვეობით.

6. DevOps და აპლიკაციების წარმოება
გაეცნობი DevOps პროცესებს და იკვლევ, როგორ ხდება Backend + AI აპლიკაციების უწყვეტი ინტეგრაცია, ტესტირება და გამოშვება.

7. მონაცემების მოპოვება და ავტომატიზაცია
სწავლობ მონაცემების ავტომატურად მოპოვების ტექნიკებს, მათ შორის AI-ს გამოყენებით ინფორმაციის გენერაციას და გაფართოებას.

🎓 რას მიიღებ კურსის დასრულების შემდეგ?

  • მიიღებ ჰარვარდის ორი ოფიციალურ სერტიფიკატს:
    1️⃣ CS50 Python-ისთვის
    2️⃣ CS50's Introduction to Artificial Intelligence with Python

  • შეძლებ შექმნა AI-ზე დაფუძნებული რეალური პროექტები და დაეუფლო მრავალმხრივ უნარებს, რაც დაგეხმარება სტაჟირების ან პირველ სამსახურში მიღებისას.

  • გამოიმუშავებ დამოუკიდებლად სწავლისა და პრობლემების გადაჭრის უნარს, რაც ნებისმიერი ტექნიკური სპეციალისტისთვის არის უმნიშვნელოვანესი.

  • შეიძენ ცოდნას Backend დეველოპმენტში, მონაცემთა ბაზებში, DevOps-ში და კომპიუტერულ არქიტექტურაში — რაც საშუალებას გაძლევს იყო არა მხოლოდ AI ინჟინერი, არამედ უნივერსალური დეველოპერი.

💼 ვისთვის არის ეს კურსი?

  • მათთვის, ვინც იწყებს პროგრამირებას ნულიდან

  • დამწყებთათვის, ვისაც მიზნად აქვს FullStack ცოდნის ფლობა AI ინტეგრაციით

  • ყველა იმ სტუდენტისთვის, ვინც ეძებს უნივერსალურ პრაქტიკულ ცოდნას რეალური სამუშაოებისთვის მზადყოფნის მიზნით

Packages

Packages

Lectures

₾120

/month

  • სტაჟირების პროგრამა

  • Lectures

  • Seminars

  • Access to recordings

  • Tasks and projects

  • Educational materials

  • Mentoring Service

  • Check the homework

  • Discussions and Challenges

  • Additional lectures

  • Conversation with the mentor

  • Collaborative Projects

  • CV-ის შედგენა და Linkedin პროფილის გამართვა

Mentorship +

₾480

/month

  • სტაჟირების პროგრამა

  • Lectures

  • Seminars

  • Access to recordings

  • Tasks and projects

  • Educational materials

  • Mentoring Service

  • Check the homework

  • Discussions and Challenges

  • Additional lectures

  • Conversation with the mentor

  • Collaborative Projects

  • CV-ის შედგენა და Linkedin პროფილის გამართვა

Mentorship

₾300

/month

  • სტაჟირების პროგრამა

  • Lectures

  • Seminars

  • Access to recordings

  • Tasks and projects

  • Educational materials

  • Mentoring Service

  • Check the homework

  • Discussions and Challenges

  • Additional lectures

  • Conversation with the mentor

  • Collaborative Projects

  • CV-ის შედგენა და Linkedin პროფილის გამართვა

All courses

All courses

English (United States)