mashinali o'qitishga kirish

PPTX 23 pages 3.4 MB Free download

23 pages

FaylHub.uz

Download via Telegram

Size 3.4 MB

File type PPTX

Pages 23

Updated Dec 2025

Page preview (5 pages)

Scroll down 👇

1 / 23

prezentatsiya powerpoint abdullayeva mohigul rahimjon qizi kompyuter muhandisligi va suniy intellekt kafedrasi katta o’qituvchisi “mashinali o’qitishga kirish” fanidan 2 mavzu mashinali o‘qitishda chiziqli regressiya va sinflashtirish masalalari. supervised learning — bu mashinali o‘qitishning bir turi bo‘lib, model oldindan to‘g‘ri javoblari (label) ma’lum bo‘lgan ma’lumotlar asosida o‘qitiladi. ya’ni bizda mavjud bo‘lgan kirish (input) ma’lumotlar bilan birga chiqish (output) qiymatlari ham berilgan bo‘ladi. model bu juftliklardan munosabat (pattern) ni o‘rganadi va keyinchalik yangi ma’lumotlar uchun natijani bashorat qiladi. uy maydoni (m²) uy narxi (mln so‘m) 50 300 70 400 100 600 faraz qiling, sizda o‘quv jadvali mavjud: siz modelga shunday ma’lumotlarni berasiz va u “maydon → narx” o‘rtasidagi bog‘liqlikni o‘rganadi. keyin modelga yangi ma’lumot, masalan 80 m² uy bersangiz, u taxminiy narxni bashorat qiladi. turi maqsad chiqariladigan natija misollar regression (regressiya) sonli qiymatlarni bashorat qilish uzluksiz (continuous) qiymatlar uy narxini, haroratni, daromadni bashorat qilish classification (klassifikatsiya) toifalarga ajratish diskret (categorical) qiymatlar email …

2 / 23

(klasterlash) o‘xshash obyektlarni guruhlash mijozlarni xarid odatlariga ko‘ra segmentlash dimensionality reduction (o‘lchamni kamaytirish) ma’lumotlardagi eng muhim xususiyatlarni ajratish ko‘p o‘zgaruvchili ma’lumotni 2d yoki 3d ko‘rinishda ifodalash association (assotsiatsiya tahlili) ma’lumotlar orasidagi bog‘liqlikni topish “birlikda sotib olinadigan mahsulotlar” (market basket analysis) chiziqli regressiya (linear regression) — bu mashinali o‘qitishning eng oddiy va eng asosiy modellardan biridir. u biror miqdorni (natijani) bashorat qilish uchun kiruvchi o‘zgaruvchilar (x) va chiqish o‘zgaruvchisi (y) o‘rtasidagi to‘g‘ri chiziqli bog‘liqlikni aniqlaydi. ketma-ketlikni davom ettirish kerak boʻlgan matematika boʻyicha oddiy maktab testlarini eslaysizmi? masalan: 2, 4, 6, 8, x. intuitiv ravishda x oʻrnida 10 boʻlishi kerakligini bilasiz. chiziqli regressiya mashinani oʻzgaruvchilar oʻrtasidagi mana shunday bogʻlanishlarni izlashga oʻrgatadi. bu usul bir oʻzgaruvchining boshqasiga qanday taʼsir qilishini taxmin qilish kerak boʻlgan iqtisodiyot, moliya, marketing va boshqa sohalarda keng qoʻllanadi. bu model bir yoki ikki oddiy bogʻlanishni hisobga oladigan sodda usul ekanini tushunish muhim. qaysi maqsadlarda foydalaniladi: uy-joy narxlari, aksiyalarni baholash, …

3 / 23

an va oʻtmaganlarga ajratish vazifasi berilgan. agar biz oʻtish qiymatini 150 ball deb belgilasak, model abituriyentlarni undan yuqori va past toifalarga ajratadi. shu bilan birga, mantiqiy regressiya yordamida imtihonni 160–180, 180–200 ball bilan topshirganlar foizini bilsa boʻladi. oʻtganlar orasida yigitlar yoki qizlar, shahar yoki qishloq aholisi koʻproq boʻlganini aniqlab boʻlmaydi. shu bilan birga, statistikani tasniflash orqali voqealar sodir boʻlishini prognoz qilish imkoniyatiga ega boʻlamiz. qaysi maqsadlarda foydalaniladi: bank tomonidan kreditlashda defolt ehtimolini baholash uchun. hal qiluvchi daraxtlar hal qiluvchi daraxtlar yoki qaror qabul qilish daraxtlari yanada murakkab algoritm. u turli xil sharoitlarni qamrab olishga va maʼlumotlarni “daraxt shoxlari” orqali tasniflashga harakat qiladi. bu murakkab narsadek tuyuladi, lekin siz bu usulga bir necha bor duch kelgansiz. shunchaki rasmga qarang: kishi koʻpincha bunday algoritmlarga rioya qilgan holda qaror qabul qilgani kabi mashina ham tahlil uchun inson maʼlumotlarini jalb qilmasdan avtomatik ravishda bajarishni oʻrganadi. usulning salbiy jihati bor: daraxt tasnifning barcha nozik tomonlarini …

4 / 23

bu xatoga tayangan holda ikkinchi daraxtni quramiz. u yana xato qiladi. xatoni koʻrsatamiz va uchinchi daraxtni quramiz. bu harakatlar natija maksimal aniqlikka erishgunga qadar davom etadi. natija maksimal aniqlikka erishganini qanday aniqlash mumkin? bu juda oson: dastlab daraxtlar xatolarini tahlil qilib, aniqroq natija beradi. soʻngra aniqlik choʻqqisiga chiqadi va yana koʻproq xatolarga yoʻl qoʻya boshlaydi. bu usulda eng muhimi oʻz vaqtida toʻxtashdir. qaysi maqsadlarda foydalaniladi: moliya sohasida xatarlarni boshqarish uchun. mashinani oʻqitish bank sohasida bank sohasida maʼlumotlar maxfiyligi va xavfsizligi juda ham muhim. moliyaviy xizmatlar rahbarlari si va mashinani o‘qitish yordamida mijozlar ma’lumotlarini himoyalash bilan birga samaradorlikni oshirishning bir necha usullarini qoʻllashi mumkin: mashinani oʻqitishni firibgarlik va kiberxavfsizlik hujumlarini aniqlash hamda ularning oldini olishda qoʻllash. foydalanuvchi shaxsini tezroq tasdiqlash, hujjatlarni qayta ishlash uchun biometrik va computer vision tizimlarini joriy qilish. chatbotlar va ovozli yordamchilar (voice assistants) kabi aqlli texnologiyalarni joriy etish orqali mijozlarga xizmat koʻrsatishni avtomatlashtirish. sunʼiy intellektdan sogʻliqni saqlash …

5 / 23

qartirish. imtihonlar yoki telemeditsina uchrashuvlarida shifokor va bemor o‘rtasidagi muloqotni yozib olishda tabiiy tilni tushunish texnologiyasidan foydalanish. lstm (long short-term memory) — bu rekurrent neyron tarmoq (rnn) turiga kiruvchi model bo‘lib, u ketma-ket ma’lumotlar bilan ishlashda uzoq muddatli bog‘liqliklarni eslab qolish imkonini beradi. oddiy rnn tarmoqlari uzoq ketma-ketliklarda ma’lumotni eslab qolishda qiynaladi, chunki ular “gradient yo‘qolishi” (vanishing gradient) muammosiga duch keladi. lstm esa maxsus xotira tuzilmasi orqali bu muammoni hal qiladi. lstm hujayrasi (cell) ichida uchta asosiy eshik (gate) mavjud: forget gate (unutish eshigi) — avvalgi xotiradan qaysi ma’lumotni o‘chirib tashlash kerakligini belgilaydi. input gate (kiritish eshigi) — yangi ma’lumotdan qaysi qismini xotirada saqlash kerakligini aniqlaydi. output gate (chiqish eshigi) — xotiradan chiqadigan natijani boshqaradi. image1.png image2.png image3.png image4.jpeg image5.png image6.png image7.png image8.png image9.png image10.png image11.png image12.png image13.png image14.png /docprops/thumbnail.jpeg

Want to read more?

Download all 23 pages for free via Telegram.

Download full file

About "mashinali o'qitishga kirish"

prezentatsiya powerpoint abdullayeva mohigul rahimjon qizi kompyuter muhandisligi va suniy intellekt kafedrasi katta o’qituvchisi “mashinali o’qitishga kirish” fanidan 2 mavzu mashinali o‘qitishda chiziqli regressiya va sinflashtirish masalalari. supervised learning — bu mashinali o‘qitishning bir turi bo‘lib, model oldindan to‘g‘ri javoblari (label) ma’lum bo‘lgan ma’lumotlar asosida o‘qitiladi. ya’ni bizda mavjud bo‘lgan kirish (input) ma’lumotlar bilan birga chiqish (output) qiymatlari ham berilgan bo‘ladi. model bu juftliklardan munosabat (pattern) ni o‘rganadi va keyinchalik yangi ma’lumotlar uchun natijani bashorat qiladi. uy maydoni (m²) uy narxi (mln so‘m) 50 300 70 400 100 600 faraz qiling, sizda o‘quv jadvali mavjud: siz modelga shunday ma’lumotlarni berasiz va u “maydon → narx” ...

This file contains 23 pages in PPTX format (3.4 MB). To download "mashinali o'qitishga kirish", click the Telegram button on the left.

Tags: mashinali o'qitishga kirish PPTX 23 pages Free download Telegram