M9
|
Sinflashtirishni klassik algoritmlari. Mashinali o‘qitishda sinflashtirish Naive Bayes va K-Neirest Neighbor algortimlari tavsifi. Random Forest va Decision Tree algortimlari. Support Vektor Machine algoritmi sinflashtirish prinsipi. Mashinali o‘qitishning sinflashtirish algoritmlarining afzalliklari va kamchiliklari.
|
2
|
M10
|
Regulyarizatsiyalash tushunchasi. Optimizatsiyalash masalalari. O‘qitish jarayonida regulyarizatsiyalash. Ma’lumotlarni tartibga solishning chiziqli usullari (Regularized linear models). Chiziqli va logistik regressiyani tartibga solish.
|
2
|
M11
|
O‘qituvchisiz (Unsupervised) o‘qitish algoritmlari. O‘qituvchisiz o‘qitish tushunchasi. O‘qituvchisiz o‘qitish algoritmlari yordamida yechiladigan masalalar. O‘qituvchisiz o‘qitish klassik algortimlari. O‘qituvchisiz o‘qitish algoritmlari uchun ma’lumotlar to‘plami xususiyatlari.
|
2
|
M12
|
Klasterlash masalasini yechish. Bazaviy klasterlash usullari va algoritmlari asosiy tushunchalari. Ierarxik klasterlash, K-means va boshqa usullardan foydalanib ma’lumotlar to‘plamini klasterlash masalasini yechish
|
2
|
M13
|
Sun’iy neyron tarmoqlariga kirish. Biologik va sun’iy neyron tushunchasi. Neyron tarmoq tushunchasi. Neyronlar ustida mantiqiy amallar bajarish. Perceptron tushunchasi va vazifasi. Sun’iy neyron tarmoq ishlash prinsipini sxematik ifodalash.
|
2
|
|
