Research Proposal Business Presentation in Dark Green Orange Geometric Style

Big Data'ning asosiy 8 atamasi.

Deep learning(chuqur o'qitish)

Sun'iy neyron tarmog'i -

yanada murakkab va yanada mustaqil bo'lgan o'zi o'qidigan dasturlar yaratadigan mashinali o'qitish turi. Oddiy mashinali o'qitish hollarida boshqariladigan malaka yordamida kompyuter bilimlarni aniqlab oladi: dasturchi algoritmga ma'lum misollarni ko'rsatadi, xatolarni qo'lda to'g'rilaydi. Deep learningda esa, tizim o'zi o'z funksiyalarini loyihalaydi, ko'p darajali hisob-kitoblar amalga oshiradi va atrof-muhit haqida xulosalar qiladi.

oddiy protsessorlar(sun'iy neyronlar) birlashtirilgan tizimi bo'lib, insonning nerv tizimini imitatsiya qiladi. Bunday struktura evaziga, neyron tarmoqlari dasturlanmaydi, ular o'qitishadi. Huddi haqiqiy neyronlar kabi, protsessorlar signallarni oddiygina qabul qilishadi va boshqa protsessorlarga o'zatishadi. Shu bilan birga, boshqa butun tizim algoritmlar bajara olmaydigan murakkab topshiriqlarni bajaradi.

Back to Agenda
05
Big Data'ning asosiy 8 atamasi.

Business intelligence(biznes-analitika)	Effektiv biznes
aniq strukturaga ega bo'lmagan juda katta hajmdagi ma'lumotlarni qayta ishlash natijasida muqobil biznes yechimlar izlashga aytiladi.	analitika ichki va tashqi ma'lumotlarni analiz qiladi - ham bozor axborotlarini, ham mijoz-kompaniyaning hisobotlarini hisobga oladi. Bu biznesni butunlay tushunishga yordam beradi, shu bilan birga, strategik va operatsion qarorlar qabul qilishga zamin yaratadi(mahsulot narxini aniqlashda, kompaniya rivojlanishining asosiy yo'nalishlarini belgilab olishda).

Back to Agenda
05
Big Data'ning asosiy 8 atamasi.
"Mashinada o'qitishning eng oddiy shakli - bu ma'lumotlarni tahlil qilish, undan o'rganish va keyin dunyodagi har qanday narsa haqida bashorat qilish uchun algoritmlardan foydalanish amaliyoti." - Nvidia.
"Mashinali o'qitish - bu kompyuterlarni aniq dasturlashtirilmagan holda ishlashga oid fan". - Stenford
"Mashinada o'qitish qoidalarga asoslangan dasturlashga tayanmasdan ma'lumotlardan o'rganish mumkin bo'lgan algoritmlarga asoslangan." - McKinsey & Co.
Machine Learning savolga javob berishga harakat qilib, tajriba orqali avtomatik ravishda takomillashadigan kompyuter tizimlarini qanday qurishimiz mumkin va barcha o'quv jarayonlarini boshqaradigan asosiy qonunlar qanday? - Karnegi Mellon universiteti
07
Har qanday kontseptsiyada bo'lgani kabi, kim bilan gaplashayotganingizga qarab, Machine Learning biroz boshqacha ta'rifga ega bo'lishi mumkin. To'rt amaliy ta'rif:
Mashinaning asosiy tushunchalari
Mashinani o'rganish uchun turli xil algoritmlar mavjud. Har kuni yuzlab nashrlar chop etiladi. Ular odatda tomonidan guruhlanadi o'quv uslubi (nazorat ostida o'rganish, nazoratdan o'tkazilmaydigan o'rganish, yarim tekshiruvdan o'tish) yoki undan foydalanish shakl yoki funktsiya bo'yicha shartnomalar (masalan, tasniflash, regressiya, qarorlar daraxti, klasterlash, chuqur o'rganish va hk). O'quv uslubi yoki funktsiyasidan qat'i nazar, barcha kombinatsiyalar quyidagilardan iborat:

Taklif (bir tasniflovchi yoki kompyuter tushunadigan til)

Taklif (bir tasniflovchi yoki kompyuter tushunadigan til)

Optimallashtirish (qidirish uslubi, odatda eng yaxshi balli tasniflovchi, off-the-shelf va maxsus optimallash usullari qo'llaniladi)

Mashinaning asosiy tushunchalari
Machine Learning algoritmlarining asosiy maqsadi bundan oldin umumlashtirish, ya'ni ilgari hech qachon taqdim qilinmagan ma'lumotlarni muvaffaqiyatli talqin qilishdir.