Nazariy qism

AMALIY MASHG’ULOT MAVZULARI
1-AMALIY MASHG’ULOT
Mashinali o’qitishga kirish va uning asosiy tushunchalari, algoritmlari.
Ishdan maqsad: Mashinali o’qitish haqida tushunchalar hosil qilish va sun’iy entellekt yaratish.
NAZARIY QISM
Mashinada o'qitish, kompyuterlar qanday qilib aniq dasturlashtirilmagan holda qanday qilib vazifalarni bajara olishlarini aniqlashni o'z ichiga oladi. Bu ma'lum bir vazifalarni bajarish uchun taqdim etilgan ma'lumotlardan kompyuterlarni o'rganishni o'z ichiga oladi. Kompyuterlarga berilgan sodda vazifalar uchun mashinaga qo'yilgan muammoni hal qilish uchun zarur bo'lgan barcha bosqichlarni qanday bajarishni aytib beradigan algoritmlarni dasturlash mumkin; kompyuter tomonidan hech qanday o'rganish kerak emas. Ilg'or vazifalar uchun kerakli algoritmlarni qo'lda yaratish inson uchun qiyin bo'lishi mumkin. Amalda, inson dasturchilariga kerakli har bir qadamni belgilashdan ko'ra, mashinaga o'z algoritmini ishlab chiqishda yordam berish samaraliroq bo'lishi mumkin. Mashinada o'qitish intizomi kompyuterlarni to'liq qondiradigan algoritm mavjud bo'lmagan vazifalarni bajarishga o'rgatish uchun turli xil yondashuvlardan foydalanadi.
Machine learning(mashinali o'qitish) - o'zi o'rganadigan dasturlar yaratish amaliyoti va nazariyasi, sun'iy intellektning katta qismi. Dasturchilar o'z algoritmlariga xususiy hollarda umumiy qonuniyatlarni aniqlashni o'rgatishadi. Natijada, kompyuter, inson avvaldan ko'rsatib o'tgan buyruqlaridan emas, balki, o'z shaxsiy malakasidan kelib chiqib qaror qabul qiladi. Bunday o'qitishning juda ko'p metodlari data mining'ga oid bo'lishi mumkin. Mashinali o'qitishga birinchi tarifni 1959-yilda amerikalik informatik Artur Samuel bergan. U sun'iy intellekt elementlariga ega bo'lgan shashka o'yini, dunyoda birinchi o'zi o'rganadigan dasturni yaratgan.
Deep learning(chuqur o'qitish) - yanada murakkab va yanada mustaqil bo'lgan o'zi o'qidigan dasturlar yaratadigan mashinali o'qitish turi. Oddiy mashinali o'qitish hollarida boshqariladigan malaka yordamida kompyuter bilimlarni aniqlab oladi: dasturchi algoritmga ma'lum misollarni ko'rsatadi, xatolarni qo'lda to'g'rilaydi. Deep learningda esa, tizim o'zi o'z funksiyalarini loyihalaydi, ko'p darajali hisob-kitoblar amalga oshiradi va atrof-muhit haqida xulosalar qiladi.
Odatda chuqur o'qitishni neyron tarmoqlarga tadbiq qilishadi. Bu texnologiya asosan rasmlarni qayta ishlashda, nutqni tanishda, neyromashina tarjima, farmatsevtikadagi hisoblashlarda va boshqa zamonaviy texnologiyalarda qo'llaniladi. Asosan Google, facebook va Baidu tomonidan loyihalarga tadbir qilinadi.

Algoritmlarni ifodalash. Algoritmlarni ko'pgina belgilar, shu jumladan, ifodalash mumkin tabiiy tillar, psevdokod, oqim jadvallari, drakon-jadvallar, dasturlash tillari yoki boshqaruv jadvallari (tomonidan qayta ishlangan tarjimonlar). Algoritmlarning tabiiy tildagi ifodalari keng va noaniq bo'lib, murakkab yoki texnik algoritmlar uchun kamdan-kam qo'llaniladi. Psevdokod, oqim jadvallari, drakon-jadvallar va boshqaruv jadvallari - bu tabiiy tilga asoslangan bayonotlarda uchraydigan ko'plab noaniqliklardan qochadigan algoritmlarni ifodalashning tuzilgan usullari. Dasturlash tillari birinchi navbatda algoritmlarni kompyuter tomonidan bajarilishi mumkin bo'lgan shaklda ifodalash uchun mo'ljallangan, lekin ko'pincha algoritmlarni aniqlash yoki hujjatlashtirish usuli sifatida ishlatiladi.

Vakillarning xilma-xilligi mavjud va berilganni ifodalash mumkin Turing mashinasi dastur mashinalar jadvallari ketma-ketligi sifatida (qarang cheklangan holatdagi mashina, davlat o'tish jadvali va boshqaruv jadvali ko'proq uchun), oqim sxemalari sifatida va drakon-jadvallar (qarang holat diagrammasi ko'proq uchun), yoki ibtidoiy shakl sifatida mashina kodi yoki yig'ilish kodi "to'rtliklar to'plamlari" deb nomlangan (qarang Turing mashinasi ko'proq).
Algoritmlarni quyidagicha Turing mashinasini tavsiflashning qabul qilingan uchta darajasiga ajratish mumkin: