Mashg‘ulotlar shakli: Amaliyot (A)
|
A1
|
Mashinali o‘qitishga kirish va uning asosiy tushunchalari, algoritmlari. Mashinali o‘qitish turlari. Mashinali o‘qitish jarayonining umumiy qadamlari.
|
2
|
A2
|
Mashinali o‘qitishda instrumental vositalardan foydalanish. Python dasturiy muhiti bilan ishlash. Pythonning mashinali o‘qitish uchun maxsus muhitlari (Google Collab va boshqalar) bilan tanishish.
|
2
|
A3
|
Mashinali o‘qish uchun chiziqli algebra. Chiziqli algebra masalalarini dasturlash.
|
2
|
A4
|
O‘rgatuvchi tanlanma shakllantirish (pandas kutubxonasi)
|
2
|
A5
|
Mashinali o‘qitishda ma’lumotlarni grafik tasvirlash usullari
|
2
|
A6
|
Bir o‘zgaruvchili va ko‘p o‘zgaruvchili chiziqli regressiya masalalari va ularni dasturlash
|
2
|
A7
|
Logistik regressiya tushunchasi va ularning mashinali o‘qitishda qo‘llanilishi.
|
2
|
A8
|
Mashinali o‘qitishda sinflashtirish algoritmlari (SVM, KNN, RF, DT) va ularni dasturlash.
|
2
|
A9
|
Mashinali o‘qitishda o‘qituvchisiz o‘qitish algoritmlarini
|
2
|
A10
|
(K-means va iearxik klasterlash) o‘rganish va ularni dasturlash.
|
2
|
A11
|
Python dasturlash tilidan foydalanib sodda neyron tarmog‘ini qurish.
|
2
|
A12
|
Regressiya masalalari uchun mo‘ljallangan neyron tarmoq modelini yaratish.
|
2
|
A13
|
Sinflashtirish masalalarini neyron tarmoqlari orqali yechish.
|
2
|
A14
|
Overfitting va underfitting muammolari va ularni yechish usullari. L1 va L2 darajadagi optimallashtirish
|
2
|
A15
|
Chuqur o‘qitishga asoslangan neyron tarmoqlar. Svertkali neyron tarmoqlar (CNN), Rekurrent neyron tarmoqlari (RNN), Avtoenkoderlar va boshqa chuqur o‘qitishga asoslangan algoritmlar arxitekturalari va ularning imkoniyatlari.
|
2
|
|
