Uragan filiali

O'ZBEKISTON RESPUBLIKASI AXBOROT TEXNOLOGIYALARI VA KOMMUNIKATSIYALARINI RIVOJLANTIRISH VAZIRLIGI MUHAMMAD AL-XORAZMIY NOMIDAGI TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI
URAGAN FILIALI

MUSTAQIL ISH

Mavzu: Pyton muhitida keras faylidan foydalanib neyron tarmoq qurish
Guruh: 963-19
Bajardi:Sharipov Og‘abek
Tekshirdi:


Reja:
Kirish qism

1. 
   Pyton muhitida keras faylidan foydalanib neyron tarmoq qurish
   
2. 
   Mashinali o’qitishda matematik operatsiyalar
   

Xulosa
Foydalanilgan adabiyotlar

Kirish qism
Dunyoda raqamlangan ma'lumotlar hajmi #ekponent bo'yicha o'sib bormoqda. IBS kompaniyasining ma'lumotlariga qaraganda, 2003-yilda 5 eksabayt(1 eksabayt - 1 milliard gigabayt) ma'lumot yig'ilgan ekan. 2008-yilda u 0.18 zettabayt(1 zettabayt = 1024 eksabayt) gacha, 2011-yilga kelib 1.76 zettabayt, 2013-yilda 4.4 zettabaytgacha yetibdi. 2015-yilning mayida dunyoda yig'ilgan raqamlanga ma'lumotlar hajmi 6.5 zettabaytdan oshib ketibdi. 2020-yilga kelib insoniyat 40-44 zettabayt raqamli ma'lumot hosil qilar ekan.
IBS mutaxassislarining fikriga ko'ra, 2013-yilda yig'ilgan ma'lumotlar massivining atiga 1.5%i qandaydiy axborot qiymatiga ega bo'lgan ekan. Baxtga qarshi, hozir dunyoda katta ma'lumotlarni qayta ishlash texnologiyalari bo'lib, ular yordamida juda katta ma'lumotlar massividan insonlarga kerak, qiziq bo'lgan, foydali ma'lumotlarni ajratib olish mumkin bo'ladi.
Ushbu maqolada Big Data(katta ma'lumotlar)ning 8 eng asosiy atamalari va ular haqida qisqacha tushunchalar beriladi.
Big data(katta ma'lumotlar) - juda katta hajmdagi bir jinsli bo'lmagan va tez tushadigan raqamli ma'lumotlar bo'lib, ularni odatiy usullar bilan qayta ishlab bo'lmaydi. Ba'zi hollarda, katta ma'lumotlar tushunchasi bilan birga shu ma'lumotlarni qayta ishlash ham tushuniladi. Asosan, analiz obyekti katta ma'lumotlar deb ataladi.
Big data atamasi 2008-yilda dunyoga kelgan. Nature jurnali muharriri Klifford Linch dunyo ma'lumotlar hajmining juda tez sur'atda o'sishiga bag'ishlangan maxsus sonida big data atamasini qo'llagan. Biroq, katta ma'lumotlar avval ham bo'lgan. Mutaxassislarning fikricha, kuniga 100 gb dan ko'p ma'lumot tushadigan oqimlarga big data deb aytilar ekan.
Katta ma'lumotlarni analiz qilish, inson his etish imkoniyatidan tashqarida bo'lgan qonuniylatlarni aniqlashda yordam beradi. Bu esa kundalik hayotimizdagi barcha sohalar, hukumatni boshqarish, tibbiyot, telekommunikatsiya, moliya, transport, ishlab chiqarish va boshqa sohalarni yanada yaxshilash, ularning imkoniyatlarini oshirish, muommolarga muqobil yechimlar izlab topish imkonini yaratadi.
Data lake(ma'lumotlar ko'li) - qayta ishlanmagan katta ma'lumotlar ombori.
"Ko'l" har xil manbalardan kelgan, har xil formatda bo'lgan ma'lumotlarni saqlaydi. Bu esa odatiy relatsion ma'lumotlar omborida ma'lumotlarni aniq struktura asosida saqlashdan ko'ra arzonroqqa tushadi. Ma'lumotlar ko'li, ma'lumotlarni boshlang'ich holatida analiz qilish imkonini beradi. Bundan tashqari, "ko'l"lardan bir vaqtni o'zida bir nechta ishchilar foydalanishlari mumkin.
Data science(ma'lumotlar haqidagi fan) - analiz muommolarini , ma'lumotlarni qayta ishlash va ularni raqamli ko'rinishda taqdim etishni o'rganadigan fan.
Bu atama dunyoga kelgan vaqt 1974-yil hisoblanadi. O'sha yili Daniyalik informatik, Peter Naur "A Basic Principle of Data Science" nomli kitobini chop ettirgan.
2010-yillar boshida katta ma'lumotlarni tarqalishi natijasida bu yo'nalish juda foydali va kelajagi bor biznesga aylandi. Va o'shandi katta ma'lumotlar bilan ishlaydigan mutaxassislarga talab juda oshib ketdi.
Data science tushunchasiga ma'lumotlar omborini loyihalash va raqamlangan ma'lumotlarni qayta ishlashning barcha metodlari kiradi. Ko'plab mutaxassislar fikricha, aynan data science big dataning biznes nuqtai nazaridan hozirgi zamonoviy o'rindoshi hisoblanadi.

1. 
   Pyton muhitida keras faylidan foydalanib neyron tarmoq qurish
   

“Sun’iy intellekt va neyron tarmoqlari” fanidan yakuniy uchun test savollari

Keras bu – ...

Keras – bu Python-da yozilgan, Theano yoki Tensorflow-ning asosiga qurilgan Ochiq Kodli netron tarmoq kutubxonasidir. U modulli, tezkor va ishlatish uchun qulay holatda Google kompaniyasi muhandisi Fransua Cholet ishlab chiqqan.

Keras kutubxonasidagi Sequential() nima vazifani bajaradi?

Ketma-ket tartibli modelning asosiy g'oyasi shunchaki Keras qatlamlarini ketma-ket tartibda joylashtirishdir. Ya`ni qatlamlar turgan tartibi bo`yicha ishga tushiriladi
Ketma-ket tartibli(Sequential) model qurishda qollaniladi

Keras kutubxonasida neyron tarmoq modelini qurish jarayonida quyidagi dastur kodi nima vazifani bajaradi? model = Sequential()

model.add(Dense(16, input_shape=(64,)))
64
Kerasda neyron tarmoq qurish (Input)

Keras muhitida qurilgan neyron tarmoqda joriy qatlam uchun faollashtirish funksiyasini qo‟shishda quyidagilarning qaysi biridan foydalaniladi?

Dense
Activation
Dropout
- ReLU function

Keras muhitida “Dropout” qatlami nima vazifani bajaradi?

Dropout qatlami o`qitish jarayonida neyron tarmoqdagi ahamiyati yo’q bo’lgan neyronlarni tashlab yuborish amalini bajarish uchun ishlatiladi

Keras muhitida qurilgan neyron tarmoqda “Dropout” amali qaysi qatlam uchun tadbiq qilinmaydi?

Kiruvchi va W va Bais (ozod had)

Keras muhitida bir-biriga bog‟langan neyronlarni hosil qilish uchun qaysi qatlamdan foydalaniladi?

Zich dence qatlam
zich qatlam bir-biriga to'liq bog'langan qatlamdir, ya'ni qatlamdagi barcha neyronlar keyingi qatlam bilan bog'langan va bu qatlamdan juda ko`p foydalaniladi,( Zich (Dense) qatlam)

Convolution qatlamiga ega neyron tarmoq qurilgan, ushbu tarmoqqa kiruvchi tasvir o‟lchami 15x15 bo‟lib, filtr o‟lchami 3x3. Kiruvchi tasvir bo‟ylab filtr asosida “convolution” amali 1-qadam bilan bajarilganda natijaviy tasvir o‟lchami qanday bo‟ladi?

(15,15,3)15X15X3

Convolution qatlamiga ega neyron tarmoq qurilgan, ushbu tarmoqqa kiruvchi tasvir o‟lchami 15x15 bo‟lib, filtr o‟lchami 5x5. Kiruvchi tasvir bo‟ylab filtr asosida “convolution” amali 1-qadam bilan bajarilganda natijaviy tasvir o‟lchami qanday bo‟ladi?

(15,15,5)15X15X5

MaxPooling qatlamiga ega neyron tarmoq mavjud, “convolution” qatlamidan keyin hosil bo‟lgan 12x12 o‟lchamdagi matritsa ustida 2x2 filtr asosida, 2-qadam bilan maxpooling amali bajarilganda natijaviy matritsa o‟lchami qanday bo‟ladi?

5x5

MaxPooling qatlamiga ega neyron tarmoq mavjud, “convolution” qatlamidan keyin hosil bo‟lgan 256x256 o‟lchamdagi matritsa ustida 2x2 filtr asosida, 2-qadam bilan maxpooling amali bajarilganda natijaviy matritsa o‟lchami qanday bo‟ladi?

127x127

Keras muhitida qurilgan neyron tarmoq modelida compile() funksiya qanday vazifani bajaradi?

Keras modelni ishga tushurish , o'qitish va baholash (optimallashtiruvchi)

Keras muhitida modelni o’qitish uchun mavjud funksiyalardan qaysi biri ishhlatiladi?

FIT FUNKSIYASI

Keras muhitida modelni testlash uchun mavjud funksiyalardan qaysi biri ishlatiladi?

score = model.evaluate(x_test, y_test, batch_size=32)
Evaluate()

Python muhitida Keras kutubxonasini yuklash uchun quyidagilardan qaysi biri to‟g‟ri hisoblanadi?

venv\Scripts\activate.bat

Python muhitida Keras kutubxonasini yuklash uchun quyidagilardan qaysi biri to‟g‟ri hisoblanadi?

pip install keras

Python muhitida cmd oynasi orqali virtual environment yaratish uchun ishlatiladigan buyruq to‟g‟ri ko‟rsatilgan javobni ko‟rsating?

c:\>python -m venv c:\path\to\myenv

Python muhitida yaratilgan virtual environmentni ishga tushurish uchun qaysi fayl ishga tushuriladi?
folder>venv\Scripts\activate.bat

pip install tensorflow buyrug‟i asosida nima sodir bo‟ladi?

Tenserflow kutubxonasi ushbu kompyuterga o’rnatiladi

Chuqur o‟qitish – bu

Chuqur o’qitish bu bir nechta qatlamdan iborat bo’lgan neyron tarmog’ini qurish va o’qitish jarayonidir
Chuqur o’qitish – bu ko'p qatlamli neyron tarmoqlarini tadqiq qilinayotgan obyektga tegishli juda katta miqdordagi ma'lumotlardan foydalanib, ularning tuzilishi va xususiyatlarini tushunishga qaratilgan jarayondir. Chuqur o’qitish asosan neyron tarmoqlari asosida amalga oshiriladi va bunda quriladigan neyron tarmog’i xususiyatlari va o’qitish jarayoni muhim hisoblanadi hamda neyron tarmog’i aniqligini oshirishga xizmat qiladi.

Mashinani o‟qitish – bu

Mashinani o’qitish bu modelni qurib olish uchun amalga oshiriladigan o’qitish jarayoni

Neyron tarmog‟i – bu

Neyron tarmog’i bu modelni tezroq va aniqroq qurib olish uchun amalga oshiriladigan jarayon

Chuqur o‟qitish qanday tarmoqlari asosida amalga oshiriladi?

Chuqur o’qitish algoritmlari bir-biriga bog’langan neyron tarmoq qatlamlaridan tashkil topadi
Input layer , Hidden layer, Output layer

Chuqur o‟qitish necha asosiy bosqichlardan tashkil topgan?

1)Muammoni tushunib olish
2)Ma’lumotlarni aniqlash
3)Chuqur o’qitish algoritmini belgilash
4)Modelni o’qitish
5)Modelni testlash

Chuqur o‟qitishning birinchi bosqichi qanday jarayondan iborat?

1)Muammoni tushunib olish

Chuqur o‟qitishning ikkinchi bosqichi qanday jarayondan iborat?

2)Ma’lumotlarni aniqlash

Chuqur o‟qitishning uchunchi bosqichi qanday jarayondan iborat?

3)Chuqur o’qitish algoritmini belgilash

Chuqur o‟qitishning to‟rtinchi bosqichi qanday jarayondan iborat?

4)Modelni o’qitish

Chuqur o‟qitishning oxirgi bosqichi qanday jarayondan iborat?

5)Modelni testlash

Chuqur o‟qtitishda qanday mashinani o‟qitish usullaridan foydalaniladi?

Chuqur o’qtitishda quyidagi mashinani o’qitish usullaridan foydalaniladi:
Regressiya – o’qituvchili (supervised) o’qitish usuli hisoblanib, o’qitish natijasida qurilgan model doimiy qiymatlar qabul qiladi
Sinflashtirish - o’qituvchili (supervised) o’qitish usuli hisoblanib, o’qitish natijasida qurilgan model biron sinfga tegishli yoki tegishli emaslik haqidagi qiymat qabul qiladi
Segmentlash (klasterlash) – o’qituvchisiz (unsupervised) o’qitish usuli hisoblanib, o’qitish natijasida model oxshash xususiyatlarni aniqlashga oid qiymatlarni hisoblaydi.

Tasvirlarni sinflashtirishning klassik yondashuviga mos javobni tanlang.

O’quv to’plamini yig’ish • Mashinali o’qitish asosida sinflash bloklarini o’qitish • Sinf natijasini sinflash bloki yordamida bashorat qilish

Neyron tarmoq turlari mos javobni aniqlang.

Perceptron
• Feed Forward (FF)
• Radial Basis Network (RBN)
• Deep Feed Forward (DFF)
• Convolution Neural Network (CNN)
• Recurrent Neural Network (RNN)
• Long/Short Term Memory (LSTM)
• Gated Recurrent Unit (GRU)
• Auto Encoder (AE)
• Variational AE (VAE)
• Denoising AE (DAE)
• Sparse AE (SAE)

Convolutional neural networks (CNN) – bu…

bu ko'p qatlamli neyron tarmoq hamda noyob arxitekturaga ega bo’lib, har bir qatlamda ma'lumotlarning tobora murakkab xususiyatlarini chiqish uchun aniqlashga mo'ljallangan. CNN lar tanib olish masalalarini yechishda, sinflashtirish masalalarida keng foydalaniladi.

Convolutional neural networks (CNN)da kirish qatlami nima vazifani bajaradi?

Neyron tarmoq kirish qatlami tasvirni o’qib oladi

Convolutional neural networks (CNN)da “Convolution” tushunchasiga mos izohni tanlang.

kiruvchi tasvirni filtr asosida sirpanuvchi oyna usulida (convolution) hisoblash

Convolutional neural networks (CNN)da “Pooling” tushunchasiga mos izohni tanlang.

convolution dan keyin amalga oshiriladigan (max, min, average) hisoblash jarayoni

36. Convolutional neural networks (CNN)da “ReLU” tushunchasiga mos izohni tanlang.

aktivatsiya funksiyasi

Convolutional neural networks (CNN)da “Fully connected” tushunchasiga mos izohni tanlang.

bu neyron tarmoq chiqishi uchun, convolution asosida hosil bo’lgan qiymatlarni to’liq bog’langan neyronlar ko’rinishiga o’tkazish

Convolutional neural networks (CNN)da “ReLU” tushunchasiga mos izohni tanlang.

Neyron tarmoq turlari

Sun'iy intellekt bu …

Sun'iy intellekt (AI) - bu kompyuterda insonning aqlli xattiharakatlarini qanday amalga oshirishni o'rganadigan tadqiqot sohasi. AI-ning yakuniy maqsadi o'rganish, rejalashtirish va mustaqil ravishda muammolarni hal qila oladigan kompyuterni yaratishdir. AI yarim asrdan ko'proq vaqt davomida o'rganilgan bo'lsa-da, biz har tomonlama inson kabi aqlli kompyuterni yaratolmaymiz.
Sun'iy intellektga mos bo’lmagan hisoblash qurilmasini ko’rsating.
abak

Sun’iy intellektda bilim tushunchasiga to’g’ri tarif berilgan javobni tanlang.

Bilim (Knowledge) – bu fan sohasidagi kasbiy faoliyat natijasida olingan qoidalar, qonuniyatlarning ma’lum bir ko’rinishda ifodalanishidir (ma’lumotlar haqidagi ma’lumot, metama’lumot deb ham yuritiladi).

Sun’iy intellektda bilimlar bazasi tushunchasiga to’g’ri tarif berilgan javobni tanlang.

Bilimlar bazasi (Knowledge base) - ma'lum bir sohadagi inson tajribasi va bilimlari haqida ma'lumotlarni o'z ichiga olgan ma'lumotlar bazasidir. Boshqacha qilib aytganda, kirish va chiqish ma'lumotlari o'rtasidagi munosabatlarni o'rnatadigan qonuniyatlar to'plami.

Bilimlar va uning bog’lovchi elementlari orasidagi munosabatlarni belgilab beruvchi chizma bu …

Bilimlar va uning bog’lovchi elementlari orasidagi munosabatlarni belgilab beruvchi chizma – bilimlar grafi deyiladi.

Bilimlar bazasi qanday tizimlarda qo’llaniladi

ekspert tizimlari
qarorlarni qo'llab-quvvatlash tizimlari
maslahat tizimlari
diagnostika tizimlari
yordamchi-stol (help-desk) tizimlari
neyron tarmoqlari
noravshan mantiq
....

Bilimlarni qurishda ma’lumotlar qanday shaklda bo’ladi

Strukturalangan ma’lumotlar
Qisman strukturalangan ma’lumotlar
Strukturalanmagan ma’lumotlar

Bilimlarni qurish jarayonida ularni ajratib olish bosqichi to’g’ri ko’rsatilmagan javobni tanlang.

Bu to`grilari:
Kuzatish va dastlabki ishlov berish
Tanlab olish
Faktlarni ajratib olish

Bilimlarni qurish jarayonida ularni shakllantirish bosqichi to’g’ri ko’rsatilgan javobni tanlang.

Qonuniyatlarni aniqlash
Bilimlarni bog`lash
Bilimlarni oxirgi ko`rinishga keltirish

Intellektual tizimlarda foydalaniladigan bilimlarni saqlash, qulay tarzda murojaat qilish va ularning o'zaro munosabatlarini aniqlash usuli bu ….

Bilimlarni ifodalash (namoyish etish) modeli (ing. Knowledge representation model)

Produksion model, semantik tarmoq modeli, freym model va formal-mantiqiy model bularni umumlashtiruvchi xususiyat nima?

Bilimlarni ifodalash modellari
Produksion model qanday ko’rinishdagi qonuniyat (qoida) orqali amalga oshiriladi
Produksion model ta’rifiga ko’ra bilimlarni ifoda qilish quyidagicha ko’rinishdagi qonuniyat (qoida) orqali amalga oshiriladi: IF , THEN
Produksiya nechta qismdan iborat bo’ladi?
Produksiya 2 ta qismdan iborat bo’ladi :
◦ shart (антецендент),
◦ operatsiya (консеквент).
◦ Shart AND, OR va NOT operatorlari yordamida kengaytirilishi mumkin.
Produksiyani tashkil etuvchi qismlari to’g’ri keltirilgan javobni tanlang.
N = < A, U, C, I, R >
N – produksiya nomi; A – produksiya maqsadi; U – produksiyani qo’llash sharti; C – asos produksiya (qoidalar to’plami); I – produksiya so’ngi sharti (post condition), produksiya ishga tushganidan keyingi qadamda biron amal bajarishi; R – izohlar, formal bo’lmagan tushunchalar; Izoh: eng kamida model N va C dan tashkil topishi zarur.
Produksion model asosida ishlaydigan tizimlarda ma’lumotlar bazasida bilimlar asosida qurilgan nima saqlanadi?
Produksion model asosida ishlaydigan tizimlarda ma’lumotlar bazasida bilimlar asosida qurilgan qoidalar to’plami saqlanadi. O’z navbatida qoidalar to’plami asosida olingan natijalar ham ma’lumotlar bazasiga to’planib boriladi
CLIPS vositasi bu …
CLIPS (C Language Integrated Production System) — 1984 yilda NASA kompaniyasi tomonidan ishlab chiqilgan produksion model vositasi hisoblanadi. Ushbu vosita C dasturlash tilida ishlab chiqilgan bo’lib, tez va samarador ishlaydi
Semantik model nimaga asoslangan?
Semantik model bu produksion model va graflar nazariyasi asoslangan
Semantik modelda grafning uchlari nimani anglatadi?
Grafning uchlari - tushunchalar, qirralar - bu tushunchalar o'rtasidagi munosabatlar. Asosan uchta turdagi munosabatlar mavjud: ◦ sinf – sinf osti ◦ xususiyat - qiymat ◦ sinf element
Semantik modelda grafning qirralari nimani anglatadi?
Qirralar - bu tushunchalar o'rtasidagi munosabatlar.
Munosabatlarning turlari:
◦ qismi - butun
◦ sinf – sinf osti
◦ element - miqdor
◦ o'ziga xos
◦ mantiqiy
◦ lingvistik
Munosabatlar sonidan kelib chiqqan holda semantic model qanday semantic tarmoqlarga ajratiladi?
Munosabatlar sonidan kelib chiqqan holda bir jinsli va bir jinsli bo’lmagan semantik tarmoqlarga ajratiladi

Bilimlar bazasining maqsadi bu …

Bilimlar bazasi (Knowledge base) - ma'lum bir sohadagi inson tajribasi va bilimlari haqida ma'lumotlarni o'z ichiga olgan ma'lumotlar bazasidir. Boshqacha qilib aytganda, kirish va chiqish ma'lumotlari o'rtasidagi munosabatlarni o'rnatadigan qonuniyatlar to'plami. Bilimlar bazasi (BB) - bu inson bilimlarini qamrab oladigan, uni mashinada o'qiydigan shaklga aylantiradigan va ushbu bilimlardan inson hal qila oladigan muammolarni yechishda foydalanadigan, foydalanuvchiga semantik va mantiqiy operatsiyalarni bajarishga imkon beradigan yaxshi tashkil etilgan ma'lumotlar bazasi hisoblanadi.
Produksion model tashkil etuvchilariga tegishli javobni tanlang.
N = < A, U, C, I, R >
N – produksiya nomi; A – produksiya maqsadi; U – produksiyani qo’llash sharti; C – asos produksiya (qoidalar to’plami); I – produksiya so’ngi sharti (post condition), produksiya ishga tushganidan keyingi qadamda biron amal bajarishi; R – izohlar, formal bo’lmagan tushunchalar; Izoh: eng kamida model N va C dan tashkil topishi zarur.

Asos qoida (base rules), ishchi xotira (working memory), natija olish mexanizmi (output mechanism) – bular

…
Produksion modelning natija olish mexanizmi (output mechanism)ning vazifasi nima.
Produksion model (qoidalar) afzalliklari to’g’ri keltirilgan javobni tanlang.
Produksion model asosida ishlaydigan tizimlarda ma’lumotlar bazasida bilimlar asosida qurilgan qoidalar to’plami saqlanadi.
Produksion model (qoidalar) kamchiliklari to’g’ri keltirilgan javobni tanlang.
O’z navbatida qoidalar to’plami asosida olingan natijalar ham ma’lumotlar bazasiga to’planib boriladi
Freym model – bu …
Ushbu model Marvin Minski tomonidan 1970 yilda taklif qilingan.
Bilimlarni ifodalashning freym usulida modelning asosi - bu freym hisoblanadi.
Freym - bu obraz, ramka, shablon bo'lib, u predmet sohasining ob'ektini slotlardan foydalangan holda tasvirlaydi.
Frame representation language (FRL) – bu …
Freymlarni ifodalash tili (FRL - Frame representation language) – bilimlarni ifodalashning freymli modeli asosida intellektual tizimlarni loyihalash va yaratish texnologiyasi hisoblanadi.
Aniq qiymatga ega bo’lmagan parametrlar miqdorini aniqlash uchun ishlatiladigan qiymat birligi bu …
Noravshanlik tushunchasi

Noravshan qiymatni belgilash uchun ishlatiladigan ekspertlar tomonidan belgilanadigan lingvistik ma’lumotlar nima deb ataladi?

Term
Noravshan mantiq nimani imkonini beradi?
Bunda rostlik yoki yolg’onlik darajasini aniq qiymat bilan belgilash imkonini beradi.

Noravshan mantiqda tegishlilik funksiyasi bu…

Tegishlilik funksiyasi – mazkur funksiya noravshanlik (fuzziness) darajasini [0;1] qiymat oralig’ida hisoblash imkonini beradi.
Noravshan mantiqda qoidalar qanday ifoda ko’rinishida beriladi
Noravshan mantiqda qoidalar IF-THEN ifoda ko’rinishida beriladi.
IF parameter IS qiymat THEN harakat
Misollar:
◦ IF temperature IS very cold THEN fan_speed is stopped
◦ IF temperature IS cold THEN fan_speed is slow
◦ IF temperature IS warm THEN fan_speed is moderate
◦ IF temperature IS hot THEN fan_speed is high
Tegishlilik funksiyasini qanday grafik ko’rinishda ifodalash mumkin
◦ uchburchak grafik usulida
◦ trapetsiya grafik usulida

Noravshan mantiq tizimining funksional bloklari to’g’ri keltirilgan javobni tanlang.

◦ Qoidalar to’plami − ushbu blok IF-THEN ifodali noravshan qoidalarni o’z ichiga oladi.
◦ Ma’lumotlar bazasi − obyekt ma’lumotlari, noravshan qoidalar asosidagi noravshan to’plamning tegishlilik funksiyalarini saqlaydi.
◦ Qaror qabul qilish bloki − qoidalar asosida qaror qabul qilish bloki hisoblanadi.
◦ Fuzzifikatsiya bloki − ushbu blok aniq qiymatli to’plamni noravshan to’plam ko’rinishiga o’tkazadi.(T: 38C -> issiq)
◦ Defuzzifikatsiya bloki − noravshan qiymatni aniq qiymat ko’rinishiga o’tkazish uchun xizmat qiladi (T: iliq -> 27.5C).

Ekspertlar tizimiga to’g’ri berilgan tarifni tanlang.

Ekspertlar tizimi interfaol, ishonchli va kompyuterga asoslangan qarorlar qabul qilish tizimi sifatida ta'riflanadi.
Ushbu tizim qarorlarni qabul qilishda murakkab muammolarni hal qilish uchun ham faktlar, ham evristik usullardan foydalanadi.
Inson aql-zakovati va tajribasining eng yuqori darajasida ko'rib chiqiladi va ma'lum bir sohadagi eng murakkab muammolarni hal qiladigan kompyuter ilovasi bo’lib xizmat qiladi.

Ekspert tizimlari xususiyatlariga tegishli bo’lmagan javobni tanlang.

Bu to`g`ri javoblari:
The Highest Level of Expertise: Ekspertlar tizimi eng yuqori darajadagi tajribaga (bilimlar bazasi) ega bo’lishi kerak. Bu tezkorlik, aniqlik va tasavvurdagi muammolarni hal qilishni ta'minlaydi.
Right on Time Reaction: Ekspert tizimida umumiy vaqt xuddi shu muammoning eng aniq yechimini olish uchun mutaxassis tomonidan qabul qilingan vaqtdan kam bo'lishi kerak.
Good Reliability: Ekspert tizimi ishonchli bo'lishi kerak va u hech qanday xatoga yo'l qo'ymasligi kerak.
Flexible: Mutaxassislar kabi, uning moslashuvchan xususiyati bo'lishi muhimdir.
Effective Mechanism: Ekspertlar tizimidagi mavjud bilimlarni yig'ishni boshqarishning samarali mexanizmiga ega bo'lishi kerak.
Capable of handling challenging decision & problems: Ekspertlar tizimi murakkab qarorlarni qabul qilish va yechimlarni taklif qilish imkoniyatiga ega bo’lishi kerak.
Ekspert tizimlariga to’g’ri ko’rsatilgan javobni tanlang.
MYCIN: Bu teskari zanjir usulida ishlaydigan ekspert tizimi bo’lib, o'tkir infektsiyani keltirib chiqarishi mumkin bo'lgan turli xil bakteriyalarni aniqlashi mumkin. Shuningdek, u bemorning vazniga qarab dorilarni tavsiya qilishi mumkin.
DENDRAL: Molekulyar tuzilishini taxmin qilish uchun kimyoviy tahlil qilish uchun foydalaniladigan ekspert tizimi.
PXDES: O'pka saratoni darajasi va turini taxmin qilish uchun ishlatiladigan ekspert tizimi
CaDet: Saratonni erta bosqichlarda aniqlashi mumkin bo'lgan ekspert tizimi
Ekspert tizimlarining qanday komponentalari movjud?
Foydalanuvchi interfeysi – ekspert tizimining eng muhim qismi hisoblanadi, va ushbu komponent foydalanuvchi so'rovini maxsus shaklda o’qib oladi va uni
“Mantiqiy operatorlar moduli” ga yuboradi, o’z navbatida natijalarni foydalanuvchiga namoyish etadi. Boshqacha aytganda, bu foydalanuvchiga mutaxassislar tizimi bilan aloqa o'rnatishga yordam beradigan interfeys.
Mantiqiy operatorlar moduli – ekspert tizimining miyasi sifatida ishlaydi va muammoni hal qilish uchun bilimlar bazasi asosida qurilgan qoidalar hamda qoniniyatlar to’plamidan foydalanadi, kerakli qonuniyatni o’zi avtomatik tanlaydi. Ushbu komponent xulosalarni shakllantirishda ham yordam beradi.
Bilimlar bazasi – bu faktlar (qonuniyatlar) ombori bo’lib, qaralayotgan muammo sohasi haqidagi barcha bilimlarni saqlaydi. Bu ma'lum bir sohaning turli mutaxassislaridan olingan bilimlar to’plami hisoblanadi

Muammoni aniqlash, ma’lumotlarni tayyorlash, algoritmni ishlab chiqish va baholash, natijaviy ma’lumotlar aniqligini oshirish va yakuniy natijani taqdim qilish – bular qanday jarayonning bosqichlari hisoblanadi

Ekspert tizimlarini qurish jarayoni

Mashinani o’qitish turlari to’g’ri ko’rsatilgan javobni tanlang.

Supervised
Unsupervised
Semi-supervised
Reinforcement
Regressiya nima.
Regressiya bu – ma’lumotlarni intellektual tahlil qilish usullaridan biri bo’lib, obyekt yoki jarayonga tegishli o'zgaruvchilar o'rtasidagi o'zaro bog'liqlikni baholash uchun statistik jarayonlar to'plami
hisoblanadi.
Regression tahlilni qanday usullar asosida amalga oshiriladi.
Regression tahlil chiziqli yoki nochiziqli, o’z navbatida logistic regressiya usullari asosida amalga oshiriladi.
Data set bu nima?
Data set - bu o’qitish uchun kerakli bo’lgan ma'lumotlar to'plamidir. Boshqacha aytganda, ma'lumotlar to'plami ma'lumotlar bazasi jadvalining yoki bitta statistik ma'lumotlar matritsasining qiymatlarini hisoblanib, bunda jadvalning har bir ustuni ma'lum o'zgaruvchini yoki parametr (x1,x2,....,xn) qiymatini ifodalasa, har bir satr esa berilgan parametrlar asosidagi obyekt qiymatiga (X1, X2,....,XN) to'g'ri keladi.

Mashinani o’qitish jarayonida va modelning to’liq ishlashini ta’minlash maqsadida qanday ma’lumotlar to’plami turlaridan foydalaniladi?

 o’qituvchi to’plam, o’quv tanlanma (training set);
 validatsiya to’plami (validation set);
 testlash to’plami (testing set).

Mashinani o’qitish jarayonida ma’lumotlarga qanday dastlabki ishlov beriladi?

Ma’lumotlar turini belgilash (Format): O’qituvchi to’plamdagi ma’lumotlar turi va toifasini moslashtirish (Misol uchun, o’qitiluvchi to’plam sifatida 100 t rasm olingan bo’lsin, rasmlar har xil o’lchamda yoki har xil fayl formatida bo’lishi mumkin).
Ma’lumotlarni tozalash (Data Cleaning): Ushbu bosqichda ma’lumotlar orasidan ortiqcha yoki ahamiyati past bo’lgan (masalan, sifati juda past bo’lgan tasvirlar, o’lchami juda kichik bo’lgan rasmlar), model turg’unligiga ta’sir qiluvchi ma’lumotlar olib tashlanadi.
Xususiyatlarni ajratib olish (Feature Extraction): Ushbu bosqichda o’qituvchi to’plamdagi ma’lumotlar xususiyatlari o’rganib chiqiladi va bashoratlash, tashxislash, sinflashtirish, qaror qabul qilish uchun kerakli xususiyatlar ajratib olinadi. (Misol uchun rasmda “olma” tasvirlanganligini belgilab beruvchi xusisyatlar).
Neyron tarmoq nima?
Neyron tarmoqlari – bu inson miyasining ishlash faoliyatini qisman aks ettiruvchi tuzilma bo’lib, bunda ko’plab neyronlar bir-biriga bog’langan holda neyron tarmog’ini tashkil qiladi. Neyron tarmog’i chapdan o’ngga (to’g’ri-to’g’ri) ko’rinishda amalga oshiriladi, kiruvchi parametrlar neyronlar asosida hisoblanadi va natijada chiquvchi qiymatlar shakllanadi

Sun’iy intellekt deganda nimani tushunasiz?

Sun’iy intellekt (Artificial intelligence) – odamlar kabi o'ylash va ularning harakatlarini taqlid qilish uchun dasturlashtirilgan mashinalarda inson aqlini simulyatsiya qilishni anglatadi. Ushbu atama, shuningdek, o'rganish va muammolarni hal qilish kabi inson aqli bilan bog'liq xususiyatlarni namoyish etadigan har qanday mashinaga nisbatan qo'llanilishi mumkin.

Quyidagilardan qaysilari sun’iy intellekt algoritmiga misol bo‘ladi

a) sodda baylar
b) Qarorlar daraxti
c) Tasodifiy o'rmon
d) Vektorli mashinalarni qo'llab-quvvatlash
e) K yaqin qo'shnilar
2. Regressiya algoritmlari
a) Lineer regressiya
c) Logistik regressiya
d) ko'p o'zgaruvchan regressiya
e) Ko'p regressiya algoritmi
3. Klasterlash algoritmlari
a) K-Klasterlash vositalari
b) loyqa C - algoritmni anglatadi
c) Kutish-maksimallashtirish (EM) algoritmi
Bu biz statistik ma'lumotlardan o'rgangan Gauss taqsimotiga asoslangan. Ma'lumotlar Gauss distributivida tasvirlangan

Sun’iy intellektga asoslangan dasturlarni ishlab chiqishdan maqsad nima?

Sun'iy intellekt va mashinani o'rganish har qanday biznesni, shu jumladan chakana savdo, ishlab chiqarish, transport va hatto mijozlarni qo'llab-quvvatlashni to'xtatdi. Dasturiy ta'minotni ishlab chiqish mashinani o'rganish va sun'iy intellekt an'anaviy dasturiy ta'minotni ishlab chiqarish tsikli jarayonini kuchaytirishi mumkin bo'lgan istisno emas.
Mashinada o'qitish, bu tizimlarni dasturlashtirilmasdan avtomatik ravishda takomillashtirish va tajribalarni o'rganish qobiliyatini ta'minlaydigan Sun'iy Intelligent dasturidir. Mashinada o'qitishning asosiy maqsadi kompyuterlarning odamlarning aralashuvisiz avtomatik ravishda o'rganishiga imkon berishdir.

Sun’iy intellekt dasturlarida ekspert tizimlarining o‘rnini qanday baholaysiz?

Sun'iy Intellegence-ning eng muhim amaliy sohasi bu ekspert tizimlari sohasi. Ekspert tizimi (ES) - bu uning qo'llanilish doirasi to'g'risida bilimlardan foydalanadigan va aks holda insonning malakasi yoki malakasini talab qiladigan muammolarni hal qilish uchun kechiktirish (sabab) protsedurasidan foydalanadigan bilimga asoslangan tizim. Ekspert tizimlarining kuchi, avvalambor, ekspert tizimining bilimlar bazasida saqlanadigan tor doiralar haqidagi aniq bilimlardan kelib chiqadi.
Talabalarni ekspert tizimlari qaror qabul qiluvchilarning yordamchilari va ular o'rnini bosuvchi emasligini ta'kidlash muhimdir. Mutaxassis tizimlari inson qobiliyatiga ega emas. Ular ma'lum bir sohadagi bilimlar bazasidan foydalanadilar va ushbu bilimlarni mavjud bo'lgan vaziyat faktlariga asoslanishiga olib kelishadi. ESning bilimlar bazasi evristik bilimlarni ham o'z ichiga oladi - bu sohada ishlaydigan inson mutaxassislari tomonidan qo'llaniladigan qoidalar.

Hozirgi kunda butun dunyoda rivojlanib borayotgan mashinali o‘qitish (machine learning), chuqur o‘qitish (deep learning) kabi usullar sun’iy intellekt bilan qanday bog‘liq

Bular suniy intelektning asosiy tashkil etuvchilarim shular asosida o’qitiladi. Neyron tarmoqlar.

Qidiruv tizimlarida sun’iy intellektdan foydalanish mumkinmi?

Ha albatta masaln Google shunday ishlaydi.

Mashinali o’qitish nima?

Mashinani o'qitish - bu aniq dasturlashtirilmagan holda avtomatik ravishda o'rganish va takomillashtirish tajribasini olish qobiliyatini ta'minlaydigan sun'iy intellektning (AI) qo'llanilishi. Mashinani o'qitish ma'lumotlarga kira oladigan va o'zlari o'rgangan ma'lumotlardan foydalanadigan kompyuter dasturlarini ishlab chiqishni anglatadi. Ma'lumotlardan namunalarni izlash va keltirilgan misollar asosida kelajakda yaxshiroq qarorlar qabul qilish uchun o'rganish jarayoni kuzatuvlar yoki ma'lumotlar olish va uni taxlil qilish. Masalan, misollar va to'g'ridan-to'g'ri tajriba yoki ko'rsatmalar bilan blimlaga ega bo’ladi. Asosiy maqsad kompyuterlarning inson aralashuvisiz yoki yordamisiz avtomatik ravishda o'rganishiga imkon berish va harakatlarni shunga qarab sozlash hisoblanadi.

Mashinali o’qitish jarayoni bosqichlari ketma-ketligi to’g’ri ko’rsatilgan javobni ko’rsating

Supervised, Unsupervised, Semisupervised, Reinforcement

Supervised o’qitish algoritmlari asosan qanday masalani yechishga qaratilgan?

O’qituvchili o’qitish (Supervised learning) – bu modelni xususiyatlari aniq bo’lgan ma’lumotlar bilan o’qitish. Bunday turdagi o’qitish usullariga Regressiya va Sinflashtirish masalalarini misol keltirish mumkin. Bunda xususiyatlari aniq deganda kiruvchi va chiquvchi parametrlar mavjud bo’lishi nazarda tutiladi.

O’qituvchili (supervised) o’qitish algortimlari to’g’ri ko’rsatilgan javobni ko’rsating

- Linear Regression
- Nearest Neighbor
- Gaussian Naive Bayes
- Decision Trees
- Support Vector Machine (SVM)
- Random Forest

Modelni o’qitish uchun o’quv tanlanma (dataset) qanday turlarga bo’lindi?

 o’qituvchi to’plam, o’quv tanlanma (training set);
 validatsiya to’plami (validation set);
 testlash to’plami (testing set).

O’qitish uchun ma’lumotlar orasidan ortiqcha yoki ahamiyati past bo’lgan, model turg’unligiga ta’sir qiluvchi ma’lumotlarni olib tashlash jarayoni nima deb ataladi

Ma’lumotlarni tozalash (Data Cleaning)

O’qitish uchun o’qitiluvchi to’plamdagi ma’lumotlar turi va toifasini moslashtirish nima uchun kerak

Formatlash ma’lumotlarni bir xil formatga va bir xil o’lchamga keltirib olish uchun

O’qituvchisiz (unsupervised) o’qitish algortimlari to’g’ri ko’rsatilgan javobni ko’rsating

Klasterlash (Hierarchical clustering, ◦ K-means clustering, ◦ K-NN (k nearest neighbors), ◦ Principal Component Analysis, ◦ Singular Value Decomposition, ◦ Independent Component Analysis)

O’qituvchili o’qitish (supervised learning) nima

O’qituvchili o’qitish (Supervised learning) – bu modelni xususiyatlari aniq bo’lgan ma’lumotlar bilan o’qitish. Bunday turdagi o’qitish usullariga Regressiya va Sinflashtirish masalalarini misol keltirish mumkin

O’qituvchisiz o’qitish (unsupervised learning) nima

O’qituvchisiz o’qitish (Unsupervised learning) – bu modelni xususiyatlari aniq bo’lmagan ma’lumotlar bilan o’qitish.(Klasterlash)

Chiziqli regression model nima uchun ishlatiladi

Chiziqli regressiya - bu korrelyatsiyadan keyingi qadam. U o'zgaruvchining qiymatini boshqa o'zgaruvchining qiymatiga qarab bashorat qilishni xohlaganimizda ishlatiladi

Matlab muhitidagi polyfit() funksiyasi qanday vazifani bajaradi

%Chiziqli regression model qurish

Matlab muhitida polyval() funksiyasi qanday vazifani bajaradi?

Model natijalarini olish

Matlab muhitida scatter() funksiyasi qanday vazifani bajaradi

Berilgan to'plam grafigini chizish

Python muhitida chiziqli regression model qurish uchun ishlatiladigan stats.linregress(x,y) funksiyasi nechta qiymat qaytaradi?

Biologik neyron tarmoq tashkil etuvchilarini ko’rsating
Cell body (soma), dendrites, Synapse, Axon

Sun’iy neyron tarmoq tashkil etuvchilarini ko’rsating

Node – tugun, Input – kiruvchi ma’lumotlar, Weights (interconnections) – og’irlik koeffitsentlari, Output – chiquvchi ma’lumotlar, natija

Neyron tarmoqda tugunlar nimalar bilan bog’lanadi

Neyron tarmoqda qanday turdagi qatlamlar (layers) bo’lishi mumkin
Kiruvchi qatlam (input layer) – obyektga tegishli bo’lgan kiruvchi ma’lumotlar (Masalan, 28x28 o’lchamdagi tasvir bo’ladigan bo’lsa, 784 ta kiruvchi parametr); Chiquvchi qatlam (output layer) – hisoblash natijasini ko’rsatadigan natijaviy qatlam; Yashirin qatlamlar (hidden layer) – neyron tarmog’ida asosiy hisoblashlarni amalga oshiruvchi ko’p sathli (yoki bitta sath) neyronlar jamlanmasi;

Qanday turdagi faollashtirish funksiyalari mavud

Bog’lanishlar va og’irlik koeffitsentlari (weights) – neyron tarmog’idagi bog’lanish koeffitsentlari hisoblanadi, bunda kiruvchi sath neyronlari ushbu koeffitsentlarga kop’paytirish orqali, agar tarmoq bir nechta sathdan iborat bo’lsa unda natijaviy qatlam, keyingi qatlam uchun kiruvchi sath bo’lib hisoblanadi va ularning ham og’irlik koeffitsentlari bo’ladi. Faollashtirish funksiyasi (activation function, transfer function) – chiquvchi qatlam uchun qiymatlarni muvoffiqlashtiruvchi funksiya (softmax, relu) hisoblanadi O’qitish qoidasi (learning rule) - bu tarmoqqa berilgan kirish uchun qulay natijaga erishishda neyron tarmoq parametrlarini o'zgartiradigan qoida yoki algoritm.

Neyron tarmoqdagi tugun qiymati 5 ga teng. Ushbu tugun ReLU funksiyasi yordamida faollashtirilsa qanday qiymatga o’zgaradi

5
Neyron tarmoqdagi tugun qiymati -5 ga teng. Ushbu tugun ReLU funksiyasi yordamida faollashtirilsa qanday qiymatga o’zgaradi
0

Tasvirda keltirilgan neyron tarmoqdagi y ning qiymati to’g’ri ko’rsatilgan javobni tanlang.

Y = 5,

Xulosa
Sun'iy neyron tarmoq - bu bir-biri bilan o'zaro ta'sir qiluvchi neyronlar to'plami. Ular ma'lumotlarni qabul qilish, qayta ishlash va yaratishga qodir. Buni tasavvur qilish inson miyasining ishi kabi qiyin. Bizning miyamizdagi neyron tarmoq siz uni hozir o'qiy olishingiz uchun ishlaydi: bizning neyronlarimiz harflarni taniydi va ularni so'zlarga qo'yadi.Sun'iy neyron tarmog'i miyaga o'xshaydi. U dastlab ba'zi murakkab hisoblash jarayonlarini soddalashtirish uchun dasturlashtirilgan. Bugungi kunda neyron tarmoqlar ko'proq imkoniyatlarga ega. Ulardan ba'zilari smartfoningizda.