Mashinali o’qitishga kirish” fanidan mustaqil ish №3 Mavzu: Chuqur o’qitishda mashinani o’qitish usullaridan foydalanish

MUXAMMAD AL-XORAZMIY NOMIDAGI
TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI
SAMARQAND FILIALI

KOMPYUTER TIZIMLARI KAFEDRASI

5330500- Kompyuter injiniring Kompyuter injiniring ta'lim yo'nalishi

“Mashinali o’qitishga kirish” fanidan

MUSTAQIL ISH № 3

Mavzu: Chuqur o’qitishda mashinani o’qitish usullaridan foydalanish.

Bajardi: ____________ Umarqulov M.

Qabul qildi: ___________ Kubayev S.T.

Samarqand – 2023

Mavzu: Chuqur o’qitishda mashinani o’qitish usullaridan foydalanish.
Reja:

1. 
   Mashinani o'rganish asoslari
   
2. 
   Konvolyutsiya.
   
3. 
   Tasvirni manipulyatsiya qilish.
   

Mashinalarni o'rganish ning kichik to'plamidir sun'iy intellekt o'rganish; bu mashinalarda inson kabi barcha vazifalarni bajarishi mumkin. Bu ishni bajarish uchun dastur qanday yozilganiga o'xshamaydi, lekin bu mashinalar o'tmishda bajargan ishlariga o'xshaydi. Bu dasturga amal qiladi, lekin ular buni o'zlari o'rganish uchun ishlatishgan. Mashinalar vaqti-vaqti bilan o'z xatti-harakatlarini tajriba yoki tarixdan yangilaydi. Python chuqur o'rganish va mashinani o'rganish uchun eng keng tarqalgan tildir. Python-da ko'plab kutubxonalar mavjud, jumladan TensorFlow va PyTorch, ular mashhur chuqur o'rganish ramkalari hisoblanadi.
Chuqur o'rganishga kirishdan oldin, mashinani o'rganish asoslarini tushunish muhimdir. Bunga nazorat ostidagi va nazoratsiz oʻrganish, regressiya va tasniflash hamda baholash koʻrsatkichlari kabi mavzular kiradi.
Neyron tarmoqlar haqida bilib oling: Neyron tarmoqlar chuqur o'rganishning asosidir. Ularning qanday ishlashini va qanday o'qitilganligini tushunish chuqur o'rganishni o'zlashtirish uchun juda muhimdir.
Qo'llanmalar bilan mashq qiling, chuqur o'rganish modellarini yaratish jarayonida sizga yo'l-yo'riq beradigan ko'plab onlayn qo'llanmalar va kurslar mavjud. Kaggle, Coursera va Udemy - boshlash uchun yaxshi joylar.
O'z loyihalaringiz bilan tajriba qiling: chuqur o'rganish haqida asosiy tushunchaga ega bo'lganingizdan so'ng, o'z loyihalaringiz bilan tajriba qilishni boshlang. Bu sizga ko'nikmalaringizni rivojlantirishga va chuqur o'rganish qanday ishlashini chuqurroq tushunishga yordam beradi.
Esingizda bo'lsin, chuqur o'rganish murakkab va tez rivojlanayotgan sohadir. Malakali bo'lish uchun vaqt va amaliyot talab etiladi, ammo to'g'ri resurslar va o'rganish istagi bilan siz maqsadlaringizga erishishingiz mumkin.
Chuqur o'rganishning asosiy qismi aniq vazifalarni bajarish uchun neyron tarmoqlarni qurish va o'qitishni o'z ichiga oladi. Neyron tarmoq - bu kirish ma'lumotlarini qayta ishlaydigan va chiqish prognozlarini yaratadigan o'zaro bog'langan tugunlar yoki "neyronlar" to'plami.
O'quv jarayoni neyron tarmog'iga o'quv ma'lumotlar to'plami deb ataladigan katta hajmdagi etiketli ma'lumotlarni etkazib berishni va prognoz qilingan chiqish va haqiqiy chiqish o'rtasidagi xatolikni minimallashtirish uchun neyronlar orasidagi ulanishlarning og'irligini sozlashni o'z ichiga oladi.
Chuqur o'rganishda ishlatiladigan neyron tarmoqlarning bir necha turlari mavjud, jumladan konvolyutsion neyron tarmoqlari (CNN), takroriy neyron tarmoqlari (RNN) va generativ raqib tarmoqlari (GAN). Har bir tur tasvirni aniqlash, tabiiy tilni qayta ishlash va yangi kontent yaratish kabi turli turdagi vazifalarga mos keladi.
Chuqur o'rganish kompyuterni ko'rish, nutqni aniqlash, tabiiy tilni qayta ishlash va avtonom tizimlar kabi sohalarda ko'plab ilovalarga ega. Bu an'anaviy dasturlash usullari yordamida hal qilish qiyin yoki imkonsiz bo'lgan murakkab muammolarni hal qilish uchun kuchli vositadir.
Neyron tarmoqlarni qurish va o‘rgatishda qo‘llaniladigan chuqur o‘rganishning bir qancha usullari mavjud. Chuqur o'rganishda qo'llaniladigan eng keng tarqalgan usullardan ba'zilari:
Backpropagation: Backpropagation - bu mashg'ulot paytida neyron tarmoqning og'irliklarini yangilash uchun ishlatiladigan usul. U prognoz qilingan chiqish va haqiqiy chiqish o'rtasidagi xatoni hisoblab chiqadi va keyin xatoni minimallashtirish uchun og'irliklarni moslashtiradi.
Gradientning tushishi: Gradientning tushishi - bu taxmin qilingan chiqish va haqiqiy chiqish o'rtasidagi xatolikni minimallashtirish uchun ishlatiladigan optimallashtirish algoritmi. U optimal qiymatlarni topish uchun neyron tarmoqning og'irliklarini iterativ ravishda sozlash orqali ishlaydi.
Dropout - bu neyron tarmoqlarda haddan tashqari moslashishning oldini olish uchun ishlatiladigan tartibga solish usuli. U mashg'ulot vaqtida ba'zi neyronlarni tasodifiy tashlab yuborish orqali ishlaydi, bu esa tarmoqni yanada mustahkam xususiyatlarni o'rganishga majbur qiladi.
Konvolyutsiyani vizual taqqoslash, o'zaro bog'liqlik va avtokorrelyatsiya. Funktsiya bilan bog'liq operatsiyalar uchun fva balandligini faraz qiling f 1,0 ga teng, natijaning 5 xil nuqtadagi qiymati har bir nuqta ostidagi soyali maydon bilan ko'rsatiladi. Konvolyutsiya - bu CNN-larda kirish ma'lumotlaridan xususiyatlarni olish uchun ishlatiladigan matematik operatsiya. Bu kirish ma'lumotlari ustidan kichik filtrni siljitish va filtrning nuqta mahsulotini va har bir joyda kirishni hisoblashni o'z ichiga oladi.
Takroriy neyron tarmoqlari (RNN) matn yoki vaqt seriyasi ma'lumotlari kabi ketma-ket ma'lumotlar uchun ishlatiladigan neyron tarmoq turidir. Ularda oldingi kiritilgan ma'lumotlarni eslab qolish imkonini beruvchi "xotira" komponenti mavjud.
O'rganishni o'tkazish - bu o'rganilgan bilimlarni bir neyron tarmoqdan boshqasiga o'tkazish uchun ishlatiladigan usul. Bu yangi tarmoq uchun boshlang'ich nuqta sifatida oldindan o'rgatilgan neyron tarmog'idan foydalanishni va keyin uni yangi ma'lumotlar to'plamida nozik sozlashni o'z ichiga oladi.
Bular chuqur o'rganishda qo'llaniladigan ko'plab usullardan faqat bir nechtasi. Soha doimo rivojlanib bormoqda va har doim yangi usullar ishlab chiqilmoqda.
Xulosa qilib aytganda, chuqur o'rganish - bu murakkab vazifalarni bajarish uchun neyron tarmoqlarni qurish va o'qitishni o'z ichiga olgan mashinani o'rganishning kuchli to'plami. So'nggi yillarda ushbu soha tez sur'atlar bilan rivojlandi va kompyuter ko'rish, nutqni aniqlash, tabiiy tilni qayta ishlash va avtonom tizimlar kabi sohalarda ko'plab ilovalarga ega.
Chuqur o'rganishda bir nechta usullar mavjud, jumladan, orqaga tarqalish, gradient descent, tashlab ketish, konvolyutsiya, takroriy neyron tarmoqlar va transferni o'rganish. Ushbu usullarni tushunish samarali neyron tarmoqlarni yaratish va o'qitish uchun zarurdir.
Kerakli manbalar va o'rganish istagi bilan har kim chuqur o'rganish dunyosini o'rganishni boshlashi mumkin. Ushbu soha murakkab muammolarni hal qilish va innovatsion ilovalarni yaratish uchun ajoyib imkoniyatlarni taqdim etadi.