Prompt Engineering + ML Əsasları daxildir
Mühasibatlıq üçün ML — Süni İntellekt Dəstəyi ilə
(ML for Accounting — AI-Assisted)
Prompt Engineering + ML Əsasları daxildir
📋 Qısa təsvir
Mühasibatlıq datası üzərində debitor borc proqnozu, pul axını planlaması, mənfəət proqnozu, vergi planlaması və fraud aşkarlama qurmağı öyrədən tətbiqi ML təlimi.
~14 saat10 dərs
Bu təlim nə haqqındadır?
Bu kurs nəzəri ML deyil — real mühasibatlıq datası üzərində, real layihə təcrübəsi ilə qurulmuş tətbiqi proqramdır.
Hər dərsdə konkret bir mühasibatlıq sualına ML ilə cavab verilir: hansı müştəri gecikəcək? Kassada nə qədər pul olacaq? Əmək haqqı fondu nə qədər artacaq? Qeyri-adi əməliyyat var?
Bu kursda kodlamanı əzbərləmirsiniz — süni intellektə düzgün Prompt yazaraq ML modelləri qurursunuz, nəticələri oxuyursunuz və mühasibatlıq qərarlarına çevirirsiniz.
🏗️ Production-First yanaşma
Bu kurs nəzəri yanaşmaya əsaslanmır. Real mühasibatlıq layihəsi tam başa çatdırıldıqdan sonra — müştəri seqmentasiyası, debitor borc proqnozu, mənfəət proqnozu, pul axını, anomaliya aşkarlama — bütün proses reverse-engineering (tərs mühəndislik — hazır məhsulun qurulma prosesinin geriyə doğru sənədləşdirilməsi) edilərək strukturlaşdırılıb.
Hər Prompt, hər data hazırlığı addımı, hər model seçimi və optimallaşdırma qərarı praktiki nəticələrlə təsdiqlənmiş formada təqdim olunur. Prompt-first yanaşma ilə production-first yanaşma arasında fundamental fərq var: birincisi fərziyyəyə əsaslanır, ikincisinin arxasında deploy olunmuş, real data üzərində işləyən ML modelləri dayanır.
Kurs materialına əlavə olaraq, layihənin sıfırdan produksiyaya qədər tam qurulma təlimatı (Build Guide) və layihə həyata keçirmə təlimatı (Implementation Guide) təqdim olunur.
📌 Qeyd
Bu kurs ML Əsasları kursunun davamıdır. ML Əsaslarında model növlərini və anlayışları öyrənirsiniz — bu kursda isə onları mühasibatlıq datası üzərində tətbiq edirsiniz.
Tövsiyə olunan ardıcıllıq: PE → ML Əsasları → Mühasibatlıq üçün ML
📌 Təlimin əsas mövzuları
Mühasibatlıq datası ML üçün — feature engineering, data hazırlığı
Müştəri seqmentasiyası — RFM analizi + K-Means Clustering
Debitor borc gecikmə proqnozu — hansı müştəri gecikəcək?
Mənfəət proqnozu — 3 modelin müqayisəsi
Pul axını proqnozu (Cash Flow Forecasting) — kassada nə qədər pul olacaq?
Əmək haqqı və vergi proqnozu — fond + vergi planlaması
Anomaliya aşkarlama (Fraud Detection) — qeyri-adi əməliyyatlar
Master idarə paneli (dashboard) — bütün nəticələr bir yerdə
📚 Kurs strukturu
10 dərs | Ümumi müddət: ~14 saat | Andrew Ng — ML for Accounting əsasında
| Dərs | Mövzu | Müddət |
|---|---|---|
| 1 | ML Mühasibatlıqda — Niyə Lazımdır? | 1 saat |
| 2 | Mühasibatlıq Datası ML üçün Hazırlığı | 1.5 saat |
| 3 | Müştəri Seqmentasiyası — RFM + K-Means | 1.5 saat |
| 4 | Debitor Borc Gecikmə Proqnozu | 2 saat |
| 5 | Mənfəət Proqnozu — 3 Model Müqayisəsi | 2 saat |
| 6 | Pul Axını Proqnozu — Cash Flow Forecasting | 1.5 saat |
| 7 | Əmək Haqqı və Vergi Proqnozu | 1 saat |
| 8 | Anomaliya Aşkarlama — Fraud Detection | 1 saat |
| 9 | Rentabellik Analizi — Xidmət / Məhsul | 1.5 saat |
| 10 | Master İdarə Paneli (Dashboard) və Yekun | 1 saat |
| Mühasibatlıq sualı | ML metod | Nəticə |
|---|---|---|
| Hansı müştəri gecikəcək? | XGBoost / LogReg | Risk siyahısı |
| Mənfəət nə qədər olacaq? | RF / GBR / LR | Mənfəət kalkulyatoru |
| Kassada nə qədər pul olacaq? | Prophet | Pul axını proqnozu |
| Əmək haqqı fondu nə qədər artacaq? | Regression | Vergi + fond proqnozu |
| Qeyri-adi əməliyyat var? | Isolation Forest | Fraud siyahısı |
| Hansı xidmət zərərlidir? | K-Means + Class. | Rentabellik xəritəsi |
🗺️ Kurs Yol Xəritəsi
Həftə-həftə öyrənmə yolunuz
1
ML Mühasibatlıqda — Niyə Lazımdır?
1 saat2
Mühasibatlıq Datası ML üçün Hazırlığı
1.5 saat3
Müştəri Seqmentasiyası — RFM + K-Means
1.5 saat4
Debitor Borc Gecikmə Proqnozu
2 saat5
Mənfəət Proqnozu — 3 Model Müqayisəsi
2 saat6
Pul Axını Proqnozu — Cash Flow Forecasting
1.5 saat7
Əmək Haqqı və Vergi Proqnozu
1 saat8
Anomaliya Aşkarlama — Fraud Detection
1 saat9
Rentabellik Analizi — Xidmət / Məhsul
1.5 saat10
Master İdarə Paneli (Dashboard) və Yekun
1 saat🎉 Kurs tamamlandı!
Nümunə: Dərsdən bir parça (Dərs 4 — Debitor Borc Proqnozu)
Debitor borc gecikmə proqnozu nədir?
Şirkətin 170 müştərisi var. Hər birinin ödəniş tarixçəsi fərqlidir — bəzisi həmişə vaxtında ödəyir, bəzisi mütəmadi gecikdirir. ML model keçmiş davranışa baxaraq hansı müştərinin növbəti fakturada gecikəcəyini proqnoz edir.
❌ PİS Prompt: "Debitor borcları analiz et."
→ Nəticə: Süni intellekt ümumi izahat verir, heç bir proqnoz yoxdur.
✅ YAXŞI Prompt: "Bu dataframe-dən hər müştəri üçün feature yarat: gecikmə_gün (faktura termini ilə real ödəniş fərqi), müştəri_orta_gecikmə (keçmiş fakturaların ortalaması), gecikmə_faizi (fakturalarının neçə %-i gecikib), faktura_böyüklüyü. Hədəf: gecikəcəkmi (binary). XGBoost ilə classification model qur. Accuracy, precision, recall göstər."
→ Nəticə: Süni intellekt hər müştəri üçün gecikmə ehtimalı verir, siz risk siyahısı əldə edirsiniz.
✍️ Praktika:
Süni intellektə yazın: "Debitor borc risk siyahısı yarat: ehtimal > 70% olan müştəriləri sırala. Hər biri üçün keçmiş gecikmə statistikası, ümumi borc məbləği və tövsiyə göstər."
📚 Tapşırıq:
Nəticəni professional Excel-ə yazın: Sheet 1 — bütün müştərilər (risk skoru + gecikmə tarixçəsi), Sheet 2 — yüksək risk siyahısı, Sheet 3 — tövsiyələr. Baş mühasibə təqdim edə biləcəyiniz format.
Nə əldə edirsiniz?
Kurs sonunda əlinizdə:
Müştəri seqmentasiyası — 4 qrup + strategiya
Debitor borc risk siyahısı — kim gecikəcək?
Mənfəət kalkulyatoru — əməliyyat nə qədər qazandıracaq?
Pul axını proqnozu — kassada nə qədər pul olacaq?
Əmək haqqı + vergi proqnozu
Fraud/anomaliya siyahısı
Rentabellik xəritəsi — hansı xidmət mənfəətli?
Master idarə paneli (dashboard) — hamısı bir yerdə
Tam layihə Promptları + Build Guide + Implementation Guide
Nümunə sahələr
Bu kursda öyrədilən metodologiya istənilən sahənin mühasibatlıq və maliyyə əməliyyatlarına tətbiq olunur: ticarət, istehsal, xidmət sektoru, tikinti, logistika, təhsil, turizm və digər sahələr.
Baş mühasiblər və maliyyə direktorları — proqnoza əsaslanan planlaşdırma
Mühasiblər — debitor borc, pul axını, vergi proqnozu
Maliyyə analitikləri — mənfəət proqnozu, rentabellik, fraud aşkarlama
Audit və nəzarət mütəxəssisləri — anomaliya aşkarlama, risk qiymətləndirmə
Vacib qeyd
- Texniki bilik tələb olunmur — kodlama süni intellektə tapşırılır
- ML Əsasları keçilməsə də olar — proqrama daxildir
- Real layihə datası üzərində işləyirsiniz
- Andrew Ng — ML for Accounting əsasında hazırlanıb
MRF Works AI Assistant
Online · Powered by AI