რეკომენდირებული LLM-ზე დაფუძნებული აპების შექმნა: RAG & Agents
შექმენით production-კლასის AI აპლიკაციები დიდი სასწავლო მოდელების გამოყენებით. Vector databases, RAG, autonomous agents, tool use, evaluation და deployment patterns.
Oleksii Anzhiiak
სოფტვეარ არქიტექტორი, უფროსი .NET ინჟინერი და თანადამფუძნებელი
კურსის ბოლოს თქვენ შეძლებთ
- მუშა RAG სისტემის აშენება — embeddings, retrieval, grounded generation
- multi-step agent-ის აშენება tools-ით, მეხსიერებითა და feedback loop-ებით
- AI სისტემების გულახდილი შეფასება — სად მუშაობენ რეალურად vs სად მხოლოდ ჰგვანან მუშას
- მსჯელობა production AI-ის ხარჯზე, latency-ზე და failure რეჟიმებზე
- იმ კლასის AI აპლიკაციის გაშვება, რომელიც 2026-ის დაქირავების პრემიუმს ამართლებს
გერგებათ ეს კურსი?
ეს თქვენთვისაა, თუ თქვენ…
- ხარ Senior ან Senior-ისკენ მიმავალი ინჟინერი, რომელსაც რეალური პროდუქტები გაუშვია და ახლა AI-განზომილება გინდა
- გაიარე #21 (Prompt Engineering) და გინდა „workflow"-დან „პროდუქტამდე" გადახვიდე
- შეგიძლია API დოკუმენტაციის კითხვა, telemetry-ით debug და failure-რეჟიმებზე მსჯელობა — ეს უნარები არ ქრება, როცა AI არის სისტემაში
არ აიღოთ ეს კურსი, თუ…
- კოდირებას ნულიდან იწყებ — RAG და agents არ არის დამწყებთათვის. ჯერ საფუძველი (კურსი #1, #11 ან #15)
- არ გაიარე #21 — Prompt Engineering არის წინაპირობა. agents-ის აშენება სუსტი prompt უნარებზე ფაქიზია
- ელი off-the-shelf წარმატებას — RAG და agents რეალურ პირობებში ბინძურია, და კურსი ასწავლის ამ ბინძურობაზე მსჯელობას, არა მის თავიდან აცილებას
ვინ კითხულობს
Oleksii Anzhiiak
სოფტვეარ არქიტექტორი, უფროსი .NET ინჟინერი და თანადამფუძნებელი
ოლექსი ანჟიაკი — სოფტვეარ არქიტექტორი, უფროსი .NET ინჟინერი და ToyCRM.com-ისა და ProfectusLab-ის თანადამფუძნებელი. 15+ წლიანი გამოცდილებით, ის სპეციალიზირდება განაწილებულ სისტემებში, cloud ინფრასტრუქტურაში, მაღალი დატვირთვის backend-ში და იდენტობის პლატფორმებში. ქმნის უსაფრთხო ავტენტიფიკაციის სისტემებს, არქიტექტურულ გადაწყვეტებს და თანამედროვე საგანმანათლებლო პროგრამებს, რომლებიც სტუდენტებს კარიერულ წინსვლაში ეხმარება.
ამჟამად ხელმძღვანელობს ToyCRM.com-ის არქიტექტურას — multi-tenant CRM პლატფორმას .NET-ზე, რომელსაც ჩვენი გუნდი აშენებს. იგივე პატერნები და დიზაინ-გადაწყვეტილებები, რომლებიც იქ გამოიყენება, პირდაპირ ჩნდება კურსებშიც: identity & auth, განაწილებული სერვისები, code review-ის კულტურა. სწავლობ ინჟინრებთან, რომლებიც აქტიურად უშვებენ production-კოდს, არა სახელმძღვანელოდან.
სილაბუსი
რვა მოდული production LLM აპლიკაციების შესაქმნელად და გასაშვებად:
- 1 მოდული 1: LLM შიდა მოწყობა — tokenization, context windows, temperature, sampling strategies
- 2 მოდული 2: Vector databases — embeddings, similarity search, Qdrant, Pinecone, pgvector
- 3 მოდული 3: RAG pipelines — დოკუმენტების ჩატვირთვა, chunking სტრატეგიები, retrieval evaluation
- 4 მოდული 4: Advanced RAG — hybrid search, re-ranking, query rewriting, HyDE
- 5 მოდული 5: AI agents — ReAct pattern, tool use, memory, multi-step planning
- 6 მოდული 6: Multi-agent სისტემები — agent orchestration, handoffs, shared state
- 7 მოდული 7: Evaluation და observability — LLM evals, tracing, LangSmith, cost monitoring
- 8 მოდული 8: Production deployment — streaming APIs, caching, load balancing, failover
წინაპირობები
Python Fundamentals ან Introduction to C# / C# Pro. AI-Powered .NET Development ძალიან რეკომენდებულია.
საჭიროა Python ან C#/.NET გამოცდილება. REST API-ების და AI ძირითადი კონცეფციების გაცნობა.
რას ააშენებთ
გადიხარ ორი მუშა AI პროდუქტით, რომლებიც end-to-end ააწყვე — RAG სისტემა, რომელიც შენს დოკუმენტებზე პასუხობს ჰალუცინაციის გარეშე, და agent, რომელიც multi-step ამოცანას ხსნის tools-ით. Portfolio-ნაწარმოები, რომელიც 2026-ის ყველაზე მაღალანაზღაურებად ინჟინრულ როლებზე shortlist-ში გხდის.
- RAG არქიტექტურა: embeddings, vector DB-ები, retrieval, generation
- Agents: დაგეგმვა, tool-ების გამოყენება, მეხსიერება, შეფასება
- ფრემვორკები: LangChain, LlamaIndex ან raw SDK — და როდის რომელი ავირჩიოთ
- შეფასება: golden sets, ჰალუცინაციების ტესტები, regression-suites
- Cost / latency / failure-mode production AI-სთვის
სად დევს თქვენს კარიერაში
კურსის პარალელურად წასაკითხი
AI-readiness-შეფასება, რომელსაც CTO ერთ კვირაში ჩაატარებს
სანამ AI-სტრატეგიას დაწერთ, გაზომეთ, რისი შესრულება რეალურად შეუძლია თქვენს ორგანიზაციას. მონაცემების, უნარების, ტულინგისა და governance-ის ხუთდღიანი შეფასება თითქმის შეხვედრების გარეშე — შეფასების რუბრიკით, რომელსაც ბორდის წინაშეც დაიცავთ და ინჟინრების წინაშეც.
Claude AWS Bedrock-ზე: როდის ჯობს პლატფორმის მარშრუტი პირდაპირ API-ებს
იგივე მოდელები, სხვა ოპერაციული კონტრაქტი. როდის ამართლებს Bedrock-ის IAM, VPC და ერთიანი ბილინგი თავის პრემიუმს — და როდის რჩება პირდაპირი Anthropic API უფრო სწორ საინჟინრო გადაწყვეტილებად. გადაწყვეტილების გზამკვლევი გუნდებისთვის, რომლებიც უკვე AWS-ზე ცხოვრობენ.
დიზაინ-პატერნები AI-ის ეპოქაში: რატომ არის პატერნების ცოდნა უფრო მნიშვნელოვანი, როცა კოდს თქვენ არ წერთ
AI წერს იმპლემენტაციას; თქვენ მას code review-ს უკეთებთ. მაგრამ შეაფასებთ მხოლოდ იმას, რასაც სახელი შეგიძლიათ დაარქვათ. პატერნების ცოდნა — Strategy if-ების გროვის ნაცვლად, Decorator დაკოპირებული wrapper-ის ნაცვლად — არქიტექტურული უნარიდან AI-დახმარებით დეველოპმენტის მთავარ კითხვის უნარად იქცევა.
პირველი გაკვეთილი ჩვენი ხარჯითაა. გადაწყვიტე ინსტრუქტორთან გაცნობის შემდეგ.
ჩაერთე პირველ სესიაზე. თუ პირველი გაკვეთილის შემდეგ გადაწყვიტე, რომ ინსტრუქტორი არ გერგო — მისთვის არ იხდი, არცერთი უხერხული საუბრის გარეშე. (საცდელი მოქმედებს იმ კურსებზე, რომლებიც 5 გაკვეთილზე გრძელია; ეს კურსი ერგება.)
ფასი და რა შედის
რა შედის
- 16 ცოცხალი სესია × 2 საათი — მასწავლებელი ცოცხლად ატარებს, არა ჩანაწერი
- სლაიდები თითოეული სესიისთვის — შენთან რჩება და ნებისმიერ დროს შეგიძლია გადახედო
- მუშა კოდის ფაილები და data-ფაილები გაკვეთილიდან — შენს მანქანაზე იქნება დაკლონილი
- ყოველკვირეული სავალდებულო პერსონალური კოდის გადახედვით მასწავლებლისგან
- ჩაწერა მოთხოვნით — წინასწარ აცნობე მასწავლებელს („სამშაბათს ვერ მოვალ, ჩაწერე გთხოვ") და გაკვეთილი შენთვის ჩაიწერება
ხშირად დასმული კითხვები
რამდენ საათს მოითხოვს კვირაში?
გათვალე ცოცხალი სესიები პლუს დაახლოებით 1.5–2 საათი პრაქტიკისთვის თითოეულზე. სტუდენტების უმრავლესობა, ვინც გრაფიკში თავსდება, კვირაში 4–6 საათს ხარჯავს. ნაკლებიც მუშაობს — უბრალოდ მეტი დრო სჭირდება.
რა ხდება თუ გაკვეთილს გავაცდენ?
უთხარი მასწავლებელს გაკვეთილამდე — „სამშაბათს ვერ მოვალ, ჩაწერე გთხოვ" — და მასწავლებელი ჩაწერს ამ გაკვეთილს და გამოგიგზავნის. ჩანაწერები არ არის ავტომატური არქივი; ისინი მოთხოვნით კეთდება, როცა წინასწარ გვაცნობებ. გაკვეთილის შემდეგ გააკეთე სავალდებულო, შემდეგ სესიაზე კი მოდი კითხვებით.
რა შედის ფასში?
ცოცხალი სესიები მასწავლებელთან; სლაიდები თითოეული სესიისთვის (შენი რჩება); მუშა კოდის ფაილები და ნებისმიერი data-ფაილი, რომელიც გაკვეთილზე გამოვიყენეთ; ყოველკვირეული დავალება კოდის გადახედვით; და იმ სესიების ჩანაწერები, რომელზეც წინასწარ გაგვიფრთხილე. ყველაფერი დანარჩენი — სერთიფიკატი, alumni-წვდომა, mock ინტერვიუ — ცალსახად ჩამოთვლილია „რა შედის"-ში FAQ-ის ზემოთ იმ კურსებზე, სადაც ეს მოქმედებს.
და თუ ჩავეწერე და მასწავლებელი არ მერგო?
კურსებზე, რომლებიც 5 გაკვეთილზე გრძელია, პირველი სესია ფაქტობრივად საცდელია — თუ პირველი გაკვეთილის შემდეგ გადაწყვიტე, რომ მასწავლებელი არ გერგო, მისთვის არ იხდი. სჯობს ერთი გაკვეთილის მერე წახვიდე, ვიდრე 9 კვირა იტანო ცუდი კავშირი. (5 ან ნაკლები გაკვეთილის კურსები ძალიან მოკლეა — საცდელი შეთავაზება იქ აზრს კარგავს, ჩვეულებრივი ფასი მოქმედებს.)
შეიძლება თანხის უკან დაბრუნება, თუ შუაში მივატოვებ?
დიახ. შეძენიდან 14 კალენდარული დღის განმავლობაში შეგიძლიათ უარი თქვათ და მოთხოვნისთანავე სრული თანხა დაიბრუნოთ, მიზეზის ახსნის გარეშე — ეს თქვენი კანონიერი უფლებაა საქართველოს მომხმარებლის უფლებების დაცვის კანონით. ამას გარდა, ჩვენი საკუთარი გარანტია: თუ 3-ზე ნაკლებ გაკვეთილს დაესწარით, თანხას სრულად, დაქვითვების გარეშე გიბრუნებთ. თანხა ბრუნდება იმავე გადახდის მეთოდზე 14 დღეში.
შემიძლია სასწავლო ენის შეცვლა?
ცოცხალი სესიები მიმდინარეობს იმ ენაზე, რომელიც ზემოთ ბლოკში „ხელმისაწვდომი ენები"-ა მითითებული. სლაიდები და კოდის ფაილები ჩვეულებრივ ხელმისაწვდომია ოთხივე ენაზე (ინგლისური, რუსული, უკრაინული, ქართული). ბევრი სტუდენტი უსმენს ერთ ენაზე და კითხულობს მეორეზე — ეს ნორმალურია.
მზად ვიქნები რეალური სამუშაოსთვის კურსის შემდეგ?
ერთი კურსი იშვიათად ანიჭებს ვინმეს სამუშაოს თვითონ — არცერთ სფეროში. ეს კურსი გაძლევს იმ საფუძველს, რომელსაც junior-დაქირავების მენეჯერი ელის: საკუთარი ხელით დაწერილი მუშა კოდი, ლექსიკა სხვისი კოდის წასაკითხად და ჩვევები, რომელიც გხდის დასაქირავებელ. გულახდილი პასუხი კითხვაზე „მზად ვარ?" ჩვენს roadmap-ზეა (ბმული გვერდის თავში) — გახსენი ის დონე, რომელზეც გინდა მისვლა, და წაიკითხე ჩეკლისტი „მზად ხარ, როცა…".
შემიძლია განვადებით გადახდა?
დიახ იმ კურსებისთვის, რომლებსაც ზედა ზოლში „ყოველთვიური გადახდა"-ა მითითებული — ჩვეულებრივ ეს ორი ან სამი თანაბარი თანხაა. ის კურსები, რომლებსაც ეს ოპცია არ აქვთ, ერთჯერად უნდა გადაიხადო. თუ ფასი ბარიერია, მოგვწერე — თითოეულ ქეისს ცალკე ვიხილავთ.
ეს ასევე შეიძლება მოგეწონოთ
გაუმჯობესებული
Agents-ის შექმნა Claude Agent SDK-ით
შექმენით საკუთარი AI აგენტები Claude Agent SDK-ით. ააწყვეთ agent loops, განსაზღვრეთ tools, მართეთ memory და sub-agents, შეაფასეთ behavior და deploy multi-agent სისტემები, რომლებიც რეალურ საინჟინრო ამოცანებს ავტონომიურად ხსნიან.
გაუმჯობესებული
MCP სერვერების და AI Tool Integrations-ის შექმნა
დაეუფლეთ Model Context Protocol (MCP) — Anthropic-ის ღია სტანდარტს AI მოდელების გარე ინსტრუმენტებთან და მონაცემებთან დასაკავშირებლად. შექმენით MCP სერვერები, გაუმართეთ API Claude-ს.
გაუმჯობესებული
დიზაინის შაბლონები C#-ში: თეორიიდან პრაქტიკამდე
ისწავლეთ GoF-ის კლასიკური დიზაინის შაბლონები C#-ში. გამოიყენეთ პოროჟდაიანი, სტრუქტურული და ქცევითი შაბლონები სუფთა და მოქნილი არქიტექტურის შესაქმნელად.