Mustaqil ish uchun mavzular

Mustaqil ish uchun mavzular:
from scipy.fft import fft, fftfreq
import numpy as np
# Number of sample points
N = 600
# sample spacing
T = 1.0 / 800.0

x = np.linspace(0.0, N*T, N, endpoint=False)

y = np.sin(50.0 * 2.0*np.pi*x) + 0.5*np.sin(80.0 * 2.0*np.pi*x)
yf = fft(y)
from scipy.signal import blackman
w = blackman(N)
ywf = fft(y*w*10**(7)**0.00012672773090803273)
xf = fftfreq(N, T)[:N//2]
import matplotlib.pyplot as plt
print(xf[1:N//2], "\nKeyingi\n", 2.0/N * np.abs(yf[1:N//2]))
print("Keyingi")
print(xf[1:N//2], "\nKeyingi\n", 2.0/N * np.abs(ywf[1:N//2]))
plt.semilogy(xf[1:N//2], 2.0/N * np.abs(yf[1:N//2]), '-b')
plt.semilogy(xf[1:N//2], 2.0/N * np.abs(ywf[1:N//2]), '-r')
plt.legend(['FFT', 'FFT w. window'])
plt.grid()
plt.show()
print("\nNatijalar\n",2.12520884e-06/0.01676988)Mavzu

1. 
   Sun'iy intellektda mashinani o'rganishning o'rni
   
2. 
   Tanlov tushunchasi. Tanlovni yaratish, yig'ish va oldindan ishlov berish usullari.
   
3. 
   Darslik tanlovini yaratish funktsiyalari ( pandas to'plami ). Mavjud ta'lim imkoniyatlari bilan ishlash
   
4. 
   O'qituvchisiz ta'lim tushunchasi va uning usullari. Klasterlash masalasini hal qiling.
   
5. 
   Regressiya va tasniflash masalalarini ko‘p darajali perseptron yordamida yechish
   
6. 
   Neyron tarmoq modelini yaratish va chop etish.
   
7. 
   Neyron tarmoqni o'qitish uchun o'quv variantini tanlash. Repetitor tanlash.
   
8. 
   Neyron tarmoqlarni tasniflash yechimlari va neyron tarmoqlarning aniqligini oshirish yo‘llari
   
9. 
   Mashinani o'rganish va neyron tarmoqlarni turli sohalarda qo'llash
   
10. 
    Chiziqli algebraning asosiy tushunchalari.
    
11. 
    Regression tahlilning ko’p o’zgaruvchili ko’rinishi
    
12. 
    Ko’p o’zgaruvchili chiziqli regression modelni qurish.
    
13. 
    Sinflashtirish jarayonida ehtimollik qiymatlarini hisoblash
    
14. 
    Sinflashtirish tushunchasi. Sinflashtirish mashinali o’qitishning asosiy yondashuvlaridan biri sifatida
    

15. 
    Mashinani o'rganishda matematik operatsiyalar.
    
16. 
    Mashinani o'rganishda modelni optimallashtirish usullari va usullari.
    
17. 
    Aqlli oʻyinlar yaratish uchun mashinani oʻrganishdan foydalaning.
    
18. 
    O'yinlarda AI elementlaridan foydalanish.
    
19. 
    Neyron tarmoq modellari va vaqtli qatorlarni bashorat qilish algoritmlari.
    
20. 
    Sun'iy neyron tarmoq modeli
    
21. 
    Neyron tarmoq modellari va tasvirni aniqlash algoritmlari.
    
22. 
    Python muhitida keras paketidan foydalangan holda neyron tarmoqni qurish
    
23. 
    Neyron tarmoqlarda CNN ( konvolyutsion neyron tarmoqlari)
    
24. 
    Logistik regressiya tushunchasi. Logistik regressiya modelini yaratish. Optimallashtirish bilan bog'liq muammolar.
    
25. 
    Tasniflash jarayonida ehtimollik qiymatlarini hisoblash va qarorlar chegaralarini aniqlash. softmax regressiya funktsiyasi
    
26. 
    Klassifikatsiya tushunchasi. Mashinani o'rganishning asosiy yondashuvlaridan biri sifatida tasniflash. Treningga oid savollar. MNIST o'quv rejasining tuzilishi.
    
27. 
    Tasniflash muammosi uchun logistik va softmax regressiya funksiyalaridan foydalanish. Samaradorlikni baholash usullari. Chalkashlik matritsasi
    
28. 
    Tartibga solish tushunchasi. Muntazam chiziqli modellar
    
29. 
    Chiziqli va logistik regressiyani sozlash.