+2-mavzu (MO't turlari)(40-56). docx

Pythonnıng MatLabdan afzalliklari. Quyidagi afzalliklarga ega:`

• 
  Python kodi MatLab kodiga qaraganda ixcham va o'qish osonroq;
  
• 
  Python MatLabdan farqli o'laroq, blokni asta-sekin ko'rsatish uchun end operatorini ishlatadi;`
  
• 
  Pythonda obyektaa yo'naltirilgan dasturlash (OYD) oddiy egiluvchanlik xususiyatiga ega, MatLabda esa - OYD sxemasi murakkab va tushunarsizdir;
  
• 
  Python bepul va ochiq;
  
• 
  Python ishlab chiqaruvchilari foydalanuvchilarni dasturiy ta'minot uchun tavsiyalar kirituvchilarni rag'batlantiradi, MatLab ishlab chiquvchilari esa buni taklif etmaydi;
  
• 
  Python grafik paket va asboblar majmualarida kengroq tanlov majmualarini taklif etadi.
  

2.9-rasm. O’qituvchili o’qitish (Supervised learning) sxemasi.
O’qituvchili o’qitish algoritmlariga misollar:

• 
  chiziqli regressiya (Linear Regression);
  
• 
  eng yaqin qo'shni (Nearest Neighbor);
  
• 
  Gauss soddaligi Bayesiyalik (Gaussian Naive Bayes);
  
• 
  qaror daraxtlari (Decision Trees);
  
• 
  vektorli mashinani qo'llab-quvvatlash (Support Vector Machine (SVM)); • tasodifiy o'rmon (Random Forest).
  

O’qituvchisiz o’qitish (unsupervised learning) - bu mashinani o’qitish usulidan biri bo’lib, bunda modelni oldindan aniq bo’lgan ma’lumotlar bilan o’qitish amalga oshirilmaydi, aksincha obyekt parametrlarini (ma'lumotlarni) topish uchun modelga o'z ustida ishlashga imkon yaratib beriladi. Oʻqituvchisiz MO’Tlarda faqat OT va ularning BT berilgan boʻlib, obyektlarning qaysi sinfga qarashli ekanligi berilmaydi. Bunday tizimlar koʻp hollarda taksonomik tizimlar deyiladi, ya’ni taksonlarga qarab, obyektlar sun’iy ravishda sinflarga ajratiladi.

Xulosa
Chuqur o`qitish (Deep learning)-mashinali o’qitish (o’qituvchili, o’qituvchisiz) algoritmlarining maxsus jamlanmasi bo’lib, unda aniq algoritmlardan ko’ra xususiyatlarni o’rganish orqali tahlil qilish orqali yechim topiladi. Uning ko’p fuksiyalari 1980 –yilgacha aniqlanib bo’lgan edi, lekin natijalar neyron tarmoqlari haqidagi nazariya ilgari surilgungacha yetarli emas edi. Ma’lumotlar nishoni (Data label)ning - ko'pincha zamonaviy AI modellari "nazorat ostida o'rganish“ o’qituvchili o’qitish orqali o'qitiladi. Bu shuni anglatadiki, odamlar katta hajmdagi va xatolarga olib keladishi mumkin bo'lgan asosiy ma'lumotlarni belgilashi va toifalashlari kerak.
O’qitish uchun katta ma'lumotlar to'plamlari (Obtain huge training datasets) CNN kabi chuqur o’qitish usullari ba'zi hollarda tibbiyot va boshqa sohalardagi mutaxassislarning bilimlariga mos ishlaydi. Hozirgi vaqtda mashina o'qitish jarayoni nafaqat ma’lumotar aniq bo’lishini, balki yetarlicha keng va universal bo'lgan o'quv ma'lumot to'plamlarini talab qiladi.


Foydalanilgan adabiyotlar

1. Aurelian Geron, Hands on Machine Learning with Scikit-Learn

Keras&Tensorflow // Second edition Concepts, Tools, and
2. Techniques to Build Intelligent Systems, 2019, 510 pages
3. Primoz Potocnik, Neural Networks: MATLAB examples // Neural Networks course (practical examples)© 2012
4.https://www.guru99.com/deep-learning-tutorial.html
5.https://www.tutorialspoint.com/python_deep_learning/python_deep_learning_deep_neural_networks.htm
6. https://www.mathworks.com/help/deeplearning/examples/create-simple-deeplearning-network-for-classification.html