Issn: 2181-1601 Scientific Journal Impact Factor

ǀ
ISSUE 4 
ǀ
2023 
ISSN: 2181-1601
Scientific Journal Impact Factor (SJIF 2022=5.016) 
Passport: 
http://sjifactor.com/passport.php?id=22257
  
Uzbekistan
 
www.scientificprogress.uz
 
Page 28
tobora ommalashib bormoqda, chunki ular ma'lumotlarning yashirin ma'lumotlarini 
qazib olish uchun potentsial javoblarni taqdim etadi . 
Ushbu maqola quyidagicha tuzilgan: 2-bo'limda mashinani o'rganish va uning 
texnikasi haqida umumiy ma'lumot berilgan. 3-bo'limda katta ma'lumotlar tushunchalari 
va ilovalari keltirilgan. 4-bo'lim tegishli ish haqida qisqacha ma'lumot beradi. 5-
bo'limda katta ma'lumotlarni qayta ishlash bilan bog'liq mashinani o'rganish masalalari 
muhokama qilinadi. Nihoyat, 6-bo'limda ba'zi xulosalar keltirilgan. 
Mashinani o'rganish 
Ushbu bo'limda mashinani o'rganish (ML) va uning turli yondashuvlari, 
algoritmlari va ilovalari haqida umumiy ma'lumot berilgan. 
Mashinani o'rganish - bu "ta'lim tizimlari va algoritmlarining nazariyasi, ishlashi 
va xususiyatlariga rasman e'tibor qaratadigan tadqiqot sohasi". U sun'iy intellekt, 
kognitiv fan, optimal boshqaruv, axborot va optimallashtirish nazariyalari, statistika va 
fan, matematika va muhandislikning boshqa sohalarida keng qo'llanilishiga ega. 
Mashinalarni o'rganish bo'yicha tadqiqotlar birinchi navbatda ma'lumotlar prognozlarini 
yaratadigan samarali, tezkor o'rganish algoritmlarini yaratishga qaratilgan. Hozirgi 
vaqtda har bir kishi o'z qurilmalari yordamida xom ma'lumotlarni ishlab chiqarish 
imkonini bergan texnologik davr tufayli ma'lumotlar eksponent ravishda o'sib 
bormoqda. Xom ma'lumotlar shovqinli, singan, tuzilmagan va qarama-qarshi bo'lishi 
mumkin. Oldindan ishlov berish ushbu ma'lumotlarni tozalash, o'zgartirish, ajratib olish 
va birlashtirish orqali o'rganish uchun qulay formatga aylantiradi. Ishlash 
ko'rsatkichlarini yaxshilash uchun o'quv ma'lumotlar to'plamidan foydalangan holda 
ba'zi faoliyatni amalga oshirayotganda, bu o'rganish muammosi deb ataladi. 
Mashinani o'rganish uch turga bo'linadi: nazorat ostida o'rganish, nazoratsiz 
o'rganish va mustahkamlovchi o'rganish. Nazorat ostidagi taʼlim uchun kirishlar va 
kutilgan natijalar bilan yorliqlangan oʻquv maʼlumotlari talab qilinadi.Aksincha, etiketli 
taʼlim maʼlumotlari nazoratsiz oʻrganishni talab qilmaydi va faqat kirishlar 
moʻljallangan natijalarsiz berilishi kerak. U etiketlanmagan ma'lumotlardagi yashirin 
ma'lumotlarni topish uchun ishlatiladi, masalan, klaster tahlili. Kirish namunalarining 
o'xshashligini tekshirib, nazoratsiz o'rganish algoritmi namunalar to'plamini alohida 
klasterlarga tasniflaydi. Kuchli o'rganish (RL) tashqi dunyo bilan o'zaro ta'sirlardan 
olingan fikr-mulohazalar asosida o'rganish imkonini beradi. U sinov va xatolik asosida 
ishlaydi, o‘quvchi natijalar asosida qaysi strategiyadan foydalanishni belgilaydi. RL 
algoritmlari, ayniqsa, o'quv ma'lumotlarining katta guruhiga ega bo'lganda, nazorat 
qoidalarini oldindan ma'lumotga ega bo'lmagan holda o'rganishda samarali bo'ladi, 
biroq ular ba'zi kamchiliklarga ega, ulardan biri ideal echimni topish bilan bog'liq 
muhim hisoblash xarajatlaridir . 
Reprezentatsiyani o'rganish 

---

SCIENTIFIC PROGRESS
VOLUME 4