Mashinani o’rganishga nazariy kirish Mundarija I.NAZARIY QISM 1.1KIRISH………………………………………… 3 1.2 Mashinani o'rganish…………………5 II.AMALIY QISM 2.1 Mashina tilida kod yozish……………8 2.2 Xulosa …………………………………12 FOYDALANILGAN ADABIYOTLAR……….16

Mashinani o'rganish - bu dasturlash usuli bo'lib, unda kompyuterning o'zi odam yuklagan model va ma'lumotlarga asoslangan harakatlar algoritmini yaratadi. O'rganish naqshlarni qidirishga asoslanadi: mashinaga ko'plab misollar ko'rsatiladi va umumiy xususiyatlarni topishga o'rgatiladi. Aytgancha, odamlar shunga o'xshash tarzda o'rganishadi. Biz bolaga zebra nima ekanligini aytmaymiz, biz unga fotosuratni ko'rsatamiz va uning nima ekanligini aytamiz. Agar bunday dasturda kaptarlarning millionlab fotosuratlari ko'rsatilsa, u kaptarni boshqa qushlardan ajratishni o'rganadi.Mashinani o’rganish bugungi kunda insoniyat manfaatiga xizmat qiladi va ma'lumotlarni tahlil qilish, prognozlarni tuzish, biznes jarayonlarini optimallashtirish va chizishga yordam beradi muhrlar. Ammo bu chegara emas va insoniyat qanchalik ko'p ma'lumot to'plasa, algoritmlar shunchalik samarali bo'ladi va ko'lami kengroq bo'ladi. Kventin ofisga kirish uchun mobil ilovadan foydalanadi. Birinchi dastur skanerlaydi xodimning yuzi, shundan so'ng u barmog'ini sensorga qo'yadi va dastur barmoq izini muvofiqligini tekshiradi va uni xonaga kiritadi. Dasturlash — kompyuterlar va boshqa mikroprotsessorli elektron mashinalar uchun dasturlar tuzish, sinash va o zgartirish jarayonidan iborat. Odatda dasturlash ʻ yuqori saviyali dasturlash tillari ( HTML , CSS , JS , Bootstrap , Java , C++ , Python ) vositasida amalga oshiriladi. Bu dasturlash tillarining semantikasi odam tiliga yaqinligi tufayli dastur tuzish jarayoni ancha oson kechadi.Dasturlash 1. Elektron mashinalarda masalalarni yechish hamda ularda har xil aqliy mehnat turlarini bajarish nazariyasi va usullarini ishlab chiqish bilan shug ullanadigan fan; ʻ algoritmlar nazariyasining amaliy bo limi; insonning mashina bilan aloqa qilish ʻ vositasi. Asosiy vazifalaridan biri elektron mashinalar uchun programma (dastur) tuzish usullari, ularni tekshirish va takomillashtirishdan iborat. Yechilishi lozim bo lgan masala algoritmi Dasturlashda „mashina tili“ga o tkaziladi. ʻ ʻ Dasturlash — bevosita dasturlash va avtomatik dasturlashga bo linadi. Bevosita ʻ Dasturlashda programmaning umumiy sxemasini ishlab chiqishdan kodlash va mashinaga kiritishgacha bo lgan barcha ishni programmachi bajaradi. Avtomatik ʻ dasturlashda esa programmachi faqat programma sxemasini tuzib, uni qisqartirilgan simvolik kurinishda yozadi, programma tuzish va uni kodlash kabi texnikaviy ishlarni esa mashinaning o zi maxsus dasturlash programmasi ʻ yordamida bajaradi. Dasturlash jarayoni, odatda, quyidagi bos-qichlarga bo linadi: masalaning ʻ qo yilishi; masalaning algoritmik tavsifini tuzish; masalani yuqori darajadagi ʻ programma tilida Dasturlash; masalani taxminiymashina tilida Dasturlash; masalani mashina tilida Dasturlash

Dasturlash tili programmalar tuzishning asosiy vositasidir. Bu tillar konkret mashina komandalari sistemasiga bog liq bo lmasligi va iboralar strukturasi ʻ ʻ jihatidan umumiy xususiyatga ega bo lishi bilan boshqa tabiiy tillarga o xshab ʻ ʻ ketadi. Iboralar ikki turga — operatorlar hamda tavsiflarga bo linadi, ularning bir- ʻ biri bilan bog liqligi qavslar bilan, alohidaligi nuqtali vergul bilan ajratiladi. ʻ Operator tilning amal birligi bo lib, o z navbatida, o zgaruvchan kattalikka qiymat ʻ ʻ ʻ beruvchi operatorlar, shartga muvofiq tegishli hisoblash tarmog ini tanlovchi ʻ (shartli) operator va takroriy hisobni amalga oshiruvchi sikl operatorlariga bo linadi. Tavsifda o zgaruvchan kattalik va boshqa belgilar xususiyatlari yoziladi. ʻ ʻ Biror xususiy masalani yechish uchun tuzilgan programmani simvolik ravishda funksional belgilash mumkin. Bunday belgilash va tavsif birgalikda kichik programma deb yuritiladi. Yangi programmalar tuzishda kichik programmalardan tayyor holda foydalanish mumkin. Matinni Tanib Olish Ishda Kventin skanerlashi kerak kredit kartalari va qog'oz hujjatlar bilan ishlash. Bunda unga matnni aniqlash funksiyasiga ega ilova yordam beradi.Kventin smartfon kamerasini hujjatga qaratadi, dastur ma'lumotni o'qiydi va taniydi va uni elektron shaklga o'tkazadi. Bu juda qulay, lekin ba'zida muvaffaqiyatsizliklar mavjud, chunki algoritmni matnni aniq tanib olishni o'rgatish qiyin. Barcha matnlar shrift o'lchami, sahifadagi joylashuvi, belgilar orasidagi masofa va boshqa parametrlar bilan farqlanadi. Mashinani o'rganish modelini yaratishda buni hisobga olish kerak. Biz ilovani yaratganimizda bunga ishonch hosil qildik naqd pul tushumini tan olish . Sensorlardan Olingan Ma’lumotlarni Tahlil qilish Kventin texnologiyani yaxshi ko'radi va etakchilik qilishga harakat qiladi sog'lom turmush tarzi hayot. U parkda sayr qilishda qadamlarni sanaydigan va yugurish paytida yurak urishini o‘lchaydigan mobil ilovalardan foydalanadi. Datchiklar va mashinani o'rganish yordamida ilovalar odamning ahvolini aniqroq taxmin qiladi va Kventin velosipedga chiqqanda yoki kardiodan kuch mashqlariga o'tganda rejimlarni almashtirishga hojat qolmaydi.Kventinda migren bor. Qattiq bosh og'rig'i qachon kelishini taxmin

qilish uchun u yuklab oldi maxsus dastur, bu boshqa surunkali kasalliklar uchun foydali bo'ladi. Ilova smartfondagi datchiklardan foydalangan holda odamning holatini tahlil qiladi, ma'lumotlarni qayta ishlaydi va soqchilikni bashorat qiladi. Agar xavf mavjud bo'lsa, dastur foydalanuvchi va uning yaqinlariga xabar yuboradi. Navigatsiya Yordamida Kventin navigatorda eng foydali marshrutni tanlashiga qaramay, tez-tez tirbandlikda qolib ketadi va kechikib qoladi. Navigatorni kameradan foydalanishga majburlash va real vaqtda tirbandlik holatini tahlil qilish orqali buni oldini olish mumkin. Shunday qilib, siz tirbandliklarni bashorat qilishingiz va yo'lda xavfli daqiqalardan qochishingiz mumkin. Internet kompaniyalari. Elektron pochta xizmatlari spamni filtrlash uchun mashinani o'rganish algoritmlaridan foydalanadi. Ijtimoiy tarmoqlar faqat qiziqarli yangiliklarni ko'rsatishni o'rganmoqda va "mukammal" yangiliklar lentasini yaratishga harakat qilmoqda.Xavfsizlik xizmatlari. Kirish tizimlari foto yoki biometrik ma'lumotlarni aniqlash algoritmlariga asoslanadi. Yo'l harakati organlari huquqbuzarlarni kuzatish uchun avtomatik ma'lumotlarni qayta ishlashdan foydalanadilar.Kiberxavfsizlik kompaniyalari mashinani o'rganishdan foydalangan holda mobil qurilmalarni buzishdan himoya qilish tizimlarini ishlab chiqmoqda. Ajoyib misol - Qualcomm tomonidan ishlab chiqarilgan Snapdragon .Chakana sotuvchilar. Chakana sotuvchining mobil ilovalari mijozlarning sodiqligini oshirib, shaxsiy xarid ro'yxatlarini yaratish uchun mijozlar ma'lumotlarini o'rganishi mumkin. Yana bir aqlli dastur ma'lum bir shaxsni qiziqtiradigan mahsulotlarni tavsiya qilishi mumkin.Moliyaviy tashkilotlar. Bank ilovalari foydalanuvchilarning xatti- harakatlarini o'rganadi va mijozning xususiyatlaridan kelib chiqqan holda mahsulot va xizmatlarni taklif qiladi.Aqlli uylar. Mashinani o'rganishga asoslangan dastur inson harakatlarini tahlil qiladi va o'z echimlarini taklif qiladi. Misol uchun, tashqarida sovuq bo'lsa, choynak qaynaydi va do'stlar domofon orqali qo'ng'iroq qilsalar, dastur pitsa buyurtma qiladi.Tibbiyot muassasalari. Klinikalar kasalxonadan tashqarida bo'lgan bemorlarni kuzatish imkoniyatiga ega bo'ladi. Tana va jismoniy faollik ko'rsatkichlarini kuzatib borish, algoritm shifokor bilan uchrashishni yoki parhezga o'tishni taklif qiladi. Agar siz algoritmni millionni ko'rsatsangiz tomografik tasvirlar o'smalar bilan tizim saratonni erta bosqichda katta aniqlik bilan bashorat qila oladi. Mashina O’rganish Uchun Eng Yaxshi Dasturlash Till

2019-yil yanvar oyida IT- loyihalarni joylashtirish va ularni birgalikda ishlab chiqish bo‘yicha xizmat GitHub eng ko‘p reytingni e’lon qildi. mashhur tillar mashinani o'rganish uchun ishlatiladigan dasturlash (ML). Ro yxat mualliflari ilovalari MLʻ algoritmlaridan foydalanishini ko rsatgan omborlar soniga asoslanadi. 2018- ʻ yil 27-fevralda IBM Watson texnik direktori Rob High hozirda mashinani o‘rganishning asosiy maqsadi neyron tarmoqlarni o‘qitish uchun zarur bo‘lgan ma’lumotlar miqdorini cheklash ekanligini ta’kidladi. Oliy bu muammoni hal qilish mumkin deb hisoblash uchun barcha asoslar bor deb hisoblaydi. Google sun'iy intellekt (AI) texnologiyalari rahbari Jon Giannandrea uning kompaniyasi ham bu muammo bilan band ekanligini ta'kidlaganidek, hamkasblari uning fikriga qo'shilishmoqda.Qoida tariqasida, mashinani o'rganish modellari neyron tarmoqning aniqligini ta'minlash uchun katta hajmdagi ma'lumotlar bilan ishlaydi, ammo ko'plab sohalarda katta asoslar ma'lumotlar shunchaki mavjud emas.Biroq, Xui bu muammoni hal qilish mumkin deb hisoblaydi, chunki inson miyasi u bilan kurashishni o'rgangan. Biror kishi yangi vazifaga duch kelganda, shunga o'xshash vaziyatlarda to'plangan harakatlar tajribasidan foydalaniladi. Bu High-dan foydalanishni taklif qiladigan kontekstli fikrlash. Transfer o'rganish texnologiyasi ham bunga yordam berishi mumkin, ya'ni allaqachon o'qitilgan AI modelini olish va uning ma'lumotlaridan boshqa neyron tarmoqni o'qitish uchun foydalanish qobiliyati, buning uchun ma'lumotlar sezilarli darajada kam.Biroq, mashinani o'rganish bilan bog'liq muammolar, ayniqsa, tabiiy nutqqa kelganda, bu bilan cheklanmaydi. Yuqori eslatmalar AI bu jihatlarni antropomorfik shaklda aks ettirishi shart emas, lekin qandaydir javob signallari, masalan, vizual signallar kelishi kerak. Shu bilan birga, ko'pchilik AIlar birinchi navbatda savollarning mohiyatini tushunishlari va kontekstda harakat qilishni o'rganishlari kerak, ayniqsa bu savolning oldingi savollarga qanday aloqasi bor.Bu keyingi masalaga ishora qiladi. Hozirda qo'llanilayotgan mashinani o'rganish modellarining ko'pchiligi o'ziga xos xususiyatga ega, chunki ular o'rganilgan ma'lumotlar cheklangan. Ushbu tarafkashlikka kelsak, Xay ikkita jihatni ta'kidlaydi.Misol sifatida Xay IBM va Sloan Kettering saraton markazi o'rtasidagi qo'shma loyihani keltirdi. Ular eng yaxshi onkologik jarrohlar ishiga asoslangan AI algoritmini tayyorladilar.