7 Xulosa
Mashinani o'rganish katta ma'lumotlar bilan bog'liq muammolarni hal qilish va katta
ma'lumotlardan yashirin naqshlar, ma'lumotlar va bilimlarning bir qismini ochish uchun
juda muhim, bu qobiliyatni fundamental biznes etakchiligi
va mantiqiy tergov uchun
haqiqiy rag'batga aylantirish uchun. Ushbu tadqiqot katta ma'lumotlarni qayta ishlashda
mashinani o'rganish texnikasining rolini ko'rsatdi. U katta ma'lumotlarning umumiy
ko'rinishini, shuningdek, mashinani o'rganish algoritmlari va usullarini taqdim etdi.
Shuningdek, turli sohalarda mashinani o'rganish usullaridan
foydalangan holda katta
ma'lumotlarni qayta ishlash bo'yicha tegishli ishlar muhokama qilindi. Va nihoyat, u katta
ma'lumotlarni qayta ishlash maqsadida mashinani o'rganishdan foydalanish bilan bog'liq
muammolar va muammolarni muhokama qildi.
Adabiyotlar
1.
Mamasidiqova, I., Husanova, O., Madaminova, A., & Tojimamatov, I. (2023). DATA
MINING TEXNALOGIYALARI METODLARI VA BOSQICHLARI HAMDA
DATA SCIENCE JARAYONLAR.
Центральноазиатский журнал образования и
инноваций
,
2
(3 Part 2), 18-21.
2.
Tojimamatov, I. N., Mamalatipov, O. M., &
Karimova, N. A. (2022). SUN’IY
NEYRON TARMOQLARINI O ‘QITISH USULLARI.
Oriental renaissance:
Innovative, educational, natural and social sciences
,
2
(12), 191-203.
3.
Nurmamatovich, T. I. (2021). RAQAMLI IQTISODIYOTNING GLOBALLASHUV
JARAYONIDA IQTISOD TARMOQLARIDA QO’LLANILISHINING
ASOSIY
YO’NALISHLARI.
Н34 Наука и инновации в XXI веке: Материалы
Международной
, 291.
4.
Tuychievich, B. M., & Nurmamatovich, T. I. (2021). ЖАМИЯТДА РАҚАМЛИ
ИҚТИСОДИЁТ.
Н34 Наука и инновации в XXI веке: Материалы
Международной
,
189.
5.
Kizi, A. Z. I., & Nurmamatovich, T. I. (2021). ZAMONAVIY DASTURLASH
FANINI O’QITISHDA PYTHON DASTURLASH VOSITALARI YORDAMIDA
AMALIY DASTURLAR YARATISHNING AHAMIYATI.
Н34 Наука и инновации в
XXI веке: Материалы Международной
, 264.
6.
Tojimamatov, I. N., Mamalatipov, O. M., & Karimova, N. A. (2022). SUN’IY
NEYRON TARMOQLARINI O ‘QITISH USULLARI.
7.
Usmonov, B., Rakhimov, Q., & Akhmedov, A. (2023, March).
The problem of
takeoff and landing of a hereditarily deformable aircraft in a turbulent atmosphere. In AIP
Conference Proceedings (Vol. 2612, No. 1, p. 060015). AIP Publishing LLC. 8.
Усмонов, Б. Ш., & Рахимов, К. О. (2020). Построение математической модели в
прямой и вариационной постановке задачи изгибно-крутильного колебания
наследственно-деформируемого крыла самолета. Проблемы вычислительной и
прикладной математики, (5), 108-119.
9.
УСМОНОВ, Б., & РАХИМОВ, К.
ПРОБЛЕМЫ ВЫЧИСЛИТЕЛЬНОЙ И
ПРИКЛАДНОЙ МАТЕМАТИКИ. ПРОБЛЕМЫ ВЫЧИСЛИТЕЛЬНОЙ И
ПРИКЛАДНОЙ МАТЕМАТИКИ Учредители: Научно-инновационный центр
информационно-коммуникационных технологий, (4), 50-59.
10.
Usmonov, B., & Rakhimov, Q. (2019). Vibration analysis of airfoil on hereditary
deformable suspensions. In E3S Web of Conferences (Vol. 97, p. 06006). EDP Sciences.
11.
L. Rao, “TechCrunch is part
of the yahoo family of brands,” Techcrunch.com,
2010. [Online]. Available:
12.
https://techcrunch.com/2010/09/17/twitter-seeing-6-billion-api-calls-per-day-
70kper-second/ ( Accessed : 12 December 2021).
13.
S. Mittal and O. Sangwan, “Big data analytics using machine learning techniques,”
in 9th Int. Conf. on Cloud Computing, Data Science & Engineering (Confluence), Amity
University, India, 2019.
14.
R. Bhatnagar, A. Hassanien, M. Tolba, M. Elhoseny and M. Mostafa, “Machine
learning and big data processing: A technological perspective and review,” The
International Conference on Advanced Machine Learning Technologies and
Applications, Advances in Intelligent Systems and Computing, Springer, Cham, vol. 723,
pp. 468–478, 2018.
15.
J. Qiu, Q. Wu, G. Ding, Y. Xu and S. Feng, “A survey of
machine learning for big
data processing,”Journal on Advances in Signal Processing, vol. 2016, no. 1, pp. 1–16,
2016.
16.
S.SinghandU.Jaiswal,“Machinelearningforbigdata:Anewperspective,”Internationa
lJ ournalofApplied Engineering Research, ISSN 0973–4562, vol. 13, no. 5, pp. 2753–
2762, 2018.