• Fərqli sahələrdə başdan-sona (end-to-end) ML həlləri hazırlamaq (LLM/NLP, görüntü emalı, səs, tabular data və s.)
• Hazır modelləri ehtiyaca uyğun adaptasiya etmək (fine-tuning, LoRA, adapter və s.)
• Lazım gələrsə, sıfırdan model hazırlamaq
• Model təlim proseslərini dizayn etmək və problemləri həll etmək (loss, data, evaluation və s.)
• Modelin həqiqətən istifadə oluna bilməsi üçün lazımi sistemləri qurmaq (API, data axını, demo, alətlər)
• Qeyri-müəyyən biznes ehtiyaclarını analiz edib, onları düzgün ML problemlərinə çevirmək
• Agentic AI sistemləri hazırlamaq:
• Çoxaddımlı tapşırıqları planlaşdıran və idarə edən agent strukturları qurmaq
• LLM + tool (function calling) inteqrasiyaları hazırlamaq
• Uzunmüddətli tapşırıqlarda context və memory idarəetməsini dizayn etmək
• RAG, workflow orchestration və multi-agent sistemlər qurmaq
• Və ən əsası: ML istifadəsinin həqiqətən lazım olub-olmadığını düzgün qiymətləndirmək

• ML sahəsində geniş təcrübə (yalnız bir sahə deyil, fərqli yanaşmalara hakim olmaq)
• Modeli başdan-sona təlim etdirmiş, problemləri görmüş və həll etmiş olmaq
• PyTorch (və ya oxşar) üzrə güclü biliklər
• LLM tərəfində praktiki təcrübə (fine-tuning, RAG, prompt engineering və s.)
• Agentic AI təcrübəsi və ya güclü marağı:
• AutoGen, LangGraph, CrewAI və ya oxşar framework-lərlə işləmə
• Çoxaddımlı reasoning və task planning məntiqini anlamaq
• API/tool inteqrasiyası ilə işləyən ağıllı agentlər hazırlamaq
• Yalnız modeli deyil, sistemin bütövünü düşünə bilmək (API, deployment və s.)
• Problemi düzgün anlamadan modelə tələsməyən, həll yönümlü yanaşma

Üstünlük sayılan təcrübələr

• MLOps alətləri (MLflow, W&B və s.)
• Qabaqcıl təlim texnikaları (distillation, multi-stage training və s.)
• Görüntü emalı, səs sistemləri və ya multimodal layihələr
• Unsupervised learning (clustering, anomaly detection və s.)
• Multi-agent sistemlər və ya avtonom workflow dizaynı təcrübəsi
• Elmi məqalələri oxuyub sürətlə tətbiqə çevirə bilmək
• Performans optimallaşdırması (GPU, inference və s.