Muxammad al-xorazmiy nomidagi

Mashinali o’qitishga kirish” fanidan mustaqil ish mavzu

MUXAMMAD AL-XORAZMIY NOMIDAGI
TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI
FARG’ONA FILIALI

KOMPYUTER TIZIMLARI KAFEDRASI

Kompyuter injiniring ta'lim yo'nalishi
“Mashinali o’qitishga kirish” fanidan


MUSTAQIL ISH

Mavzu: Mashinali o’qitishda matematik operatsiyalar.
Bajardi: 3-kurs talabasi Olimjonov.I

Qabul qildi: Isroilov.Sh

Samarqand – 2023

Mavzu: Mashinali o’qitishda matematik operatsiyalar.
Reja:

1. Mashinali o`qitish haqida tushuncha.

   
   

2. Mashinali o`qitish turlari.

   
   

3. Mashinali o’qitishda matematik operatsiyalar

   
   

Ishlatilgan atamalar: sun'iy intellekt, algoritm, alternative, induktiv o'qitish, perseptron, ko'p qatlamli perseptron, Qo'shish,Ayirish,bo’lish,ko’paytirish, Modelni o’qitish,neyron tarmoq,chiziqli regressiya, 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).
Mashinali o`qitish haqida tushuncha
Mashinali o`qitish amaliy matematikaning keng qamrovli bo'limi bo'lib, matematik statistika, optimallashtirish, sun'iy intellekt, empirik (amaliy qonunlar) ma'lumotlarini o'rganish mumkin bo'lgan algoritmlarni tuzish usullarini o'rganadi.
Obrazni aniqlash tasvirni tahlil qilish, kompyuterni ko'rish qayta ishlash va matnni tahlil qilish metod sifatida mashina o'qitish usullaridan faol foydalanadi, ammo ular shuningdek, Mashinali o`qitish doirasida umuman ko'rib chiqilmaydigan o'ziga xos yondashuvlar, usullar va algoritmlarga ega. Ushbu va boshqa ilmiy sohalarni keng ma'noda ma'lumotlarni intelektual tahlil qilish bilan bog'lash mumkin.
Quyida yo'nalishlarning namunaviy ro'yxati keltirilgan:
- Mashinali o`qitish - nazariya, yondoshuvlar va o'qitish usullari:
- tasniflash;
- klasterlash (klasterlash);
- regressiya;
- bashorat qilish.
- Obrazni aniqlash:
- rasmlarni tahlil qilish, tanib olish va tushunish ;
- kompyuterni ko'rish ;
- tahlil qilish, nutqni aniqlash va tushunish;
- Ma'lumotlarni intelektual tahlil qilish:
- bilimlarni ochish ;
- matnlarni qayta ishlash va tahlil qilish, matnlarni tushunish;
- Internetdagi ma'lumotlarni tahlil qilish.
Mashinali o`qitish - bu empirik ma'lumotlar asosida o'qitilishi mumkin bo'lgan algoritmlarni qurish usullarini o'rganadigan sun'iy intellekt va matematik statistikaning keng qamrovli qismi.

Mashinali o'qitish matematik statistika, optimallashtirish usullari va klassik matematik fanlar birlashmasida, lekin hisoblash samaradorligi va qayta tayyorlash muammolari bilan bog'liq o'ziga xos xususiyatlarga ega. Klassik statistik yondashuvlarga alternativa sifatida ko'plab induktiv o'qitish usullari ishlab chiqilgan. Ko'pgina usullar ma'lumotlar qidirish va ma'lumotlarni qidirish bilan chambarchas bog'liq.

Mashinali o'qitish nafaqat matematik, balki amaliy, muhandislik fanidir. Sof nazariya, qoida tariqasida, amalda qo'llaniladigan usul va algoritmlarni darhol olib kelmaydi. Ularni yaxshi ishlashi uchun taxminlar nazariyasida yuzaga kelgan nomuvofiqlikni haqiqiy muammolar sharoitlari bilan qoplash uchun qo'shimcha evristik ixtiro qilish kerak. Mashinada o'qitish bo'yicha deyarli har qanday tadqiqot usulning amaliyligini tasdiqlovchi model yoki haqiqiy ma'lumotlarga nisbatan eksperimentsiz to'liq bo'lmaydi.
Mashinali o’qitish nazariyasi - bu ma'lumotlardan takroriy o'rganish va aqlli dasturlarni yaratish uchun ishlatilishi mumkin bo'lgan yashirin g'oyalarni topish natijasida paydo bo'ladigan statistik, ehtimollik, hisoblash va algoritmik jihatlarni kesib o'tuvchi soha. Mashinali o’qitishning ulkan kuchiga qaramay, algoritmlarning ichki ishlarini yaxshi tushunish va yaxshi natijalarga erishish uchun ushbu usullarning ko'pini matematik jihatdan chuqur tushunish zarur
Biroq, tobora ortib borayotgan e'tibor mantiqiy, bilimga asoslangan yondashuv sun'iy intellekt va kompyuterni o'rganish o'rtasida ziddiyatga olib keldi. Ehtimollik tizimlari ma'lumot to'plash va namoyish qilishning nazariy va amaliy muammolari bilan qiynalgan.[18]:488 1980 yilga kelib, ekspert tizimlari sun'iy intellektda hukmronlik qilgan va statistika foydasiz edi.[19] Ramziy / bilimga asoslangan o'rganish bo'yicha ishlar sun'iy intellekt doirasida davom etdi va natijada induktiv mantiqiy dasturlash, ammo tadqiqotning statistik yo'nalishi endi sun'iy intellekt sohasidan tashqarida edi naqshni aniqlash va ma'lumot olish.[18]:708–710; 755 Neytral tarmoqlarni tadqiq qilish A.I.dan voz kechgan edi Kompyuter fanlari bir vaqtning o'zida. Ushbu yo'nalish ham sun'iy intellekt / CS maydonidan tashqarida davom etdi "ulanish ", boshqa fanlarning tadqiqotchilari tomonidan, shu jumladan Xopfild, Rumelxart va Xinton. Ularning asosiy muvaffaqiyati 1980-yillarning o'rtalarida qayta kashf etilishi bilan sodir bo'ldi orqaga surish.[18]:25
Alohida soha sifatida qayta tashkil etilgan mashinasozlik (ML) 1990 yillarda rivojlana boshladi. Bu soha o'z maqsadini sun'iy intellektga erishishdan amaliy xarakterdagi hal qilinadigan muammolarni hal qilishga o'zgartirdi.
Mashinada o'qitish va statistika usullari jihatidan bir-biri bilan chambarchas bog'liq bo'lgan sohalardir, ammo ularning asosiy maqsadi alohida: statistika aholi sonini jalb qiladi xulosalar dan namuna, mashinasozlik esa umumlashtiriladigan bashoratli naqshlarni topadi.[32] Ga binoan Maykl I. Jordan, uslubiy printsiplardan nazariy vositalarga qadar mashinasozlik g'oyalari statistikada uzoq tarixga ega bo'lgan.[33] Shuningdek, u ushbu atamani taklif qildi ma'lumotlar fani umumiy maydonni chaqirish uchun joy egasi sifatida.[33]
Leo Breiman ikkita statistik modellashtirish paradigmalarini ajratib ko'rsatdi: ma'lumotlar modeli va algoritmik model,[34] bunda "algoritmik model" mashinani o'rganish algoritmlari ko'pmi yoki ko'pmi degan ma'noni anglatadi Tasodifiy o'rmon.
Ba'zi statistik mutaxassislar mashinasozlik usullaridan foydalanib, o'zlari chaqiradigan birlashtirilgan sohaga olib kelishdi statistik o'rganish
Regressiya tahlili
Regressiya tahlili ko'plab o'zgaruvchan statistik usullarni qamrab oladi, bu o'zgaruvchan o'zgaruvchilar va ular bilan bog'liq xususiyatlar o'rtasidagi munosabatni baholashga imkon beradi. Uning eng keng tarqalgan shakli chiziqli regressiya, bu erda matematik mezonga muvofiq berilgan ma'lumotlarga mos kelish uchun bitta chiziq chiziladi oddiy kichkina kvadratchalar. Ikkinchisi ko'pincha tomonidan kengaytiriladi muntazamlik (matematika) kabi, ortiqcha fitnani va xolislikni yumshatish usullari tizma regressiyasi. Lineer bo'lmagan muammolarni hal qilishda o'tish modellariga quyidagilar kiradi polinomial regressiya (masalan, Microsoft Excel-da trendline fitting uchun ishlatiladi[70]), logistik regressiya (ko'pincha ishlatiladi statistik tasnif ) yoki hatto yadro regressiyasi ning afzalliklaridan foydalanib, chiziqli bo'lmaganlikni joriy qiladi yadro hiyla-nayrang kirish o'lchovlarini yuqori o'lchovli maydonga yashirin ravishda xaritalash uchun.
Quyidagi kontur haqida umumiy ma'lumot va dolzarb qo'llanma sifatida berilgan mashinada o'rganish. Mashinada o'qitish ning subfildidir yumshoq hisoblash ichida kompyuter fanlari o'rganishdan kelib chiqqan naqshni aniqlash va hisoblash ta`lim nazariyasi yilda sun'iy intellekt.[1] 1959 yilda, artur samuel mashinasozlikni "kompyuterlarga aniq dasturlashtirilmagan holda o'rganish imkoniyatini beradigan o'quv sohasi" deb ta'rif bergan.[2] mashinada o'rganish o'rganish va qurilishini o'rganadi algoritmlar mumkin o'rganish dan va bashorat qilish ma'lumotlar.[3] bunday algoritmlar a qurish orqali ishlaydi model bir misoldan o'quv to'plami qat'iy statik dastur ko'rsatmalariga rioya qilish o'rniga ma'lumotlarga asoslangan prognozlar yoki natijalar sifatida ifodalangan qarorlarni qabul qilish uchun kirish kuzatuvlari.