Guruh: 022-19 Bajardi: Raxmonov Alisher Tekshirdi: Jo’rayev u toshkent 2023

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.
  

CNN (Convolutional neural networks) - bu ko'p qatlamli neyron tarmoq hamda noyob arxitekturaga ega bo’lib, har bir qatlamda ma'lumotlarning tobora murakkab xususiyatlarini chiqish uchun aniqlashga mo'ljallangan. CNN tanib olish masalalarini yechishda, sinflashtirish masalalarida keng foydalaniladi.

10-rasm. CNN ishlash prinsipi

11-rasm. CNN ishlash prinsipi bosqichma-bosqich ko’rinishi
11-rasmda tasvirlangan CNN ishlash prinsipi bosqichma-bosqich ko’rinishi quyidagicha:

1. 
   Neyron tarmoq kirish qatlami tasvirni o’qib oladi
   
2. 
   Birinchi yashirin qatlamdagi har bir neyron “convolution” amalini bajaradi (har xil o’lchamdagi filtr yordamida, masalan: 3x3, 5x5, 7x7,...).
   

3. 
   Agar neyron tarmoqda yashirin qatlamlar bir nechta bo’lsa, unda har bir qatlamda o’ziga mos “convolution” amali bajariladi.
   
4. 
   Keyingi bosqichda “pooling” operatsiyasi (max, min, average) bajarilishi talab qilinadi
   
5. 
   Undan keyin “dense” amali bajariladi, ya’ni chiqish qatlamidan oldin tasvirga tegishli barcha xususiyatlarni o’qib olgan neyronlar bir qator qilib shakllantiriladi
   

12-rasm. CNN da hisoblashning bosqichma-bosqich ko’rinishi

Xulosa
Python hozirda eng keng qo'llaniladigan dasturlash tillaridan biridir. Uning afzalliklaridan biri bu turli xil vazifalarni hal qiladigan ko'plab to'plamlardir. Ushbu o'quv qo'llanma uchun biz ma'lumotlarni o'qish, saqlash va qayta ishlashni ancha osonlashtiradigan Pandas, NumPy va SciPy kutubxonalaridan foydalanishni tavsiya etamiz. Shuningdek, sizga ko'plab mashinalarni o'rganish algoritmlarini amalga oshiradigan Scikit-Learn to'plami taqdim etiladi.

Shuni ta'kidlash kerakki, Pythondagi asosiy farqlar:satr oxirida izlarning yo'qligi (nuqta, vergul va hk), bu yozishni chiziqli konstruksiyalarni juda "yoqimli" va tezkor qiladi (va ko'pgina kompyuter dasturlari hali ham chiziqli matematik, ammo murakkab ko'p darajali tizimlar emas).bo'shashmasdan terish. O'zgaruvchini e'lon qilishda ma'lumotlar turini e'lon qilishning hojati yo'q, bu yana modelni yaratish jarayonini tezlashtiradi.

Foydalanilgan adabiyotlar

1. Aurelian Geron, Hands on Machine Learning with Scikit-Learn
2. Keras&Tensorflow // Second edition Concepts, Tools, and 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_de ep_neural_networks.htm
6. https://www.mathworks.com/help/deeplearning/examples/create-simple-deeplearning-network-for-classification.html