Ushbu maqolada Issiqxonaning havo parametrlarini yani temperaturasi, hamligi va karbonat angedrid gazlarini darajasini keyingi turli vaqt oraliqlarida bashorat qilishda optimal AI modellari tahlili muhokama qilingan. Yuqoridagi video o'sha issiqxonamiz haqidagi loyiha haqida qisqacha edi.

P.s. Agar qiziq bo'lsa reaksiya qoldiringlar ( 👍 ) ushbu mini issiqxona haqida batafsil video qilaman.

👉 @machine_learning_lab

#tavsiya

AI yoki boshqa har qanday sohada nazariy bilimga ega bo'lishni o'zi kifoya qilmaydi albatda. Shu bilan birga amaliy bilimga ega bo'lish juda muhimdir va bu kelajakda kasb egallashda asosiy kalit bo'lib ro'l o'ynashi ham mumkin.

AI/DL/ML/DS sohada o'qiyotgan yoki qiziquvchilarning aksariyati "Qanday loyihalarni qilish mumkin?" degan umumiy savolga duch kelishadi. Shunday qilib, ushbu repo sizga kod bilan birga ML, DL, NLP, AI bo'yicha 500 dan ortiq loyihalarni o'z ichiga olgan eng muhim ro'yxatlardan birini taqdim etadi.

Bu amaliy bilimga ega bo'lishni xohlaydigan yoki o'z rezyumelari uchun loyihalar yaratmoqchi bo'lganlar uchun juda foydali.

👉 @machine_learning_lab

​​So'ngi 10 yillik sun'iy itellektning (AI) tahlili

7-qism. GPT-1 va Graph Neural Network (2018)

Transformer arxitekturasini ilgari surgan olim Vaswani va uning hamkasblari bir necha oy o'tib, 2018 yilda OpenAI tomonidan taqdim etilgan Generative Pretrained Transformer yoki GPT-1 ni asosi bo'lgan ilmiy maqolasini nashr etishdi. U matndagi keng kontekstdagi matnlar so'zlarini o'zaro bog'liqliklarni samarali o'rganish uchun transformer arxitekturasidan foydalangan. GPT-1 NLP vazifalarida eng samarodorli natija ko'rsatadigan birinchi modellardan biri edi.

2018 yil oxirlariga kelib Google kompaniyasi GPT-1 yutuqlaridan ilhomlangan holda yangi transformer arxitexturasini (Bidirectional Encoder Representations from Transformers yoki BERT) ilgari surdi.

O'sha yili GPT-1 va BERTdan tashqari, Grafik Neural Networks yoki GNNlar ham "to'palang" qildi. Ular grafik ma'lumotlar bilan ishlash uchun maxsus ishlab chiqilgan neyron tarmoqlar toifasiga kiradi. GNNlar ma'lumotni grafikning tugunlari va qirralari bo'ylab tarqatish uchun xabarlarni uzatish algoritmidan foydalanadilar. Bu tarmoqqa ma'lumotlarning tuzilishi va munosabatlarini ancha intuitiv tarzda o'rganish imkonini beradi. (GNN arxitekturasi quyidagi rasmda tasvirlangan 👇)

Bu yo'l ma'lumotlardan ancha chuqurroq tushunchalarni olish imkonini berdi va natijada DLni qo'llash mumkin bo'lgan muammolar doirasini kengaytirdi. GNN yordamida ijtimoiy tarmoqlarni tahlil qilish, tavsiyalar berish tizimlari va giyohvand moddalarni topish kabi sohalarda katta yutuqlarga erishildi.

GNN haqida batafsil bu yerda o'qishingiz mumkin. (in English language)

@machine_learning_lab

​​Assalomu alaykum hurmatli ML engineerlar! Yana bir yaxshi yangilikni sizlar bilan ulashmoqchiman. Bizni navbatdagi ilmiy maqolamiz yana bir xalqaro nufuzli jurnallardan (IEEE Access) birida chop etildi.

Agar maqolaga qiziqsangiz ushbu link orqali o'qishingiz mumkin.

👉 @machine_learning_lab

Aziz dindoshlar! Barchangizga Hayit bayrami muborak bo’lsin!

@machine_learning_lab

#loyiha

Greenhouse imizga camera buyurma qilgan edik. Bugun yetib keldi.

Endi uni Greenhouse ga o’rnatib tajriba o’tkazishni boshlaymiz! Bir necha kundan beri ushbu loyihamizni bir qismi bo’lgan website ustida ishlayapman bu haqda keyinroq batafsil ☺️.

@machine_learning_lab

#loyiha

Ko’chatlarni greenhouse ga o’tkazganimizdan keyin 10 kun o’tib natija ushbu rasmda! Hozircha bizni AI modelimiz tadbiq qilingani yo’q. Tadbiqdan keyin alohida tahlil qilamiz!

P.s: E’tibor bergan bo’lsangizlar 3 xil turdagi ko’chat o’tkazgan edik bir turdagisi (Kale) ko’karmadi. Nimaga bilmayman. Lekin loyihaning maqsadi bu emas 😊.

@machine_learning_lab

​​#kitob_tafsiya

📚 2023 yilda NLP mutaxasislari o'qishi uchun tavsiya etiladigan 5 ta bepul kitob.

1. Speech and Language Processing
Mualliflar: Dan Jurafsky and James H. Martin

Stenford universitetining ikki professori tomonidan yozilgan Nutq va tilni qayta ishlash NLP dunyosiga keng qamrovli kirishni taqdim etadi. U 3 bo'limga bo'lingan: NLP uchun asosiy algoritmlar, NLP ilovalari va lingvistik tuzilmaning izohlari.

2. Foundations of Statistical Natural Language Processing
Mualliflar: Christopher D. Manning and Hinrich Schütze

Ushbu kitob NLP asoslari bilan boshlanadi va sizni tabiiy tilni qayta ishlash uchun zarur bo'lgan matematik jihatlarga, masalan, ehtimollar nazariyasi, Bayes teoremasi, dispersiya va boshqalarga asta-sekinlik bilan kirib boradi.

3. Pattern Recognition and Machine Learning
Mualliflar: Christopher M. Bishop

Bu machine learning sohasiga batafsil kirish. Har bir bobning oxirida har bir tushunchani o'quvchiga yaxshiroq tushuntirish uchun tanlangan mashq mavjud.

4. Neural Network Methods in Natural Language Processing
Mualliflar: Yoav Goldberg

Kitob chiziqli modellar, perseptronlar, oldinga uzatish, neyron tarmoqlarni o'rgatish va hokazolar kabi asoslarni o'rganishdan boshlanadi. Muallif ushbu fundamental elementlarni amaliy misollar bilan birga tushuntirish uchun matematik yondashuvdan foydalangan.

5. Practical Natural Language Processing
Muallfilar: Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, and Harshit Surana

Ushbu kitob NLP real dunyoda qanday qo'llanilishi, NLP modellari va matn ma'lumotlari va ChatGPT kabi chatbotlardan foydalanish holatlarini qamrab oladi. Ushbu kitobda siz NLP dan chakana savdo, sog'liqni saqlash, moliya va boshqalar kabi turli sohalarda qanday foydalanish mumkinligini bilib olasiz.NLP har bir sohada qanday ishlashini bilib olasiz va uni ishingizda qanday ishlatishni tushunasiz.

@machine_learning_lab

Yuqoridagi kitobni to'liq holdagi nusxasi.
(5. Practical Natural Language Processing)

@machine_learning_lab

​​2023 yilda ML dunyosida yana bir shov-shuvga sabab bo'lgan DragGAN modelining code lari ommaga taqdim etildi. Quyidagi qisqa videoda DragGAN modelini ishlash jarayoni tasvirlangan.

Maqola: 👉 bu yerda

GitHub code: 👉 bu yerda

HuggingFace: 👉 bu yerda

P.s: HuggingFace ga kirib o'zingiz tekshirib ko'rsangiz bo'ladi. Juda qiziq ekan ☺️.

@machine_Learning_lab

​​Oldinda qiziqarli voqealar kutmoqda.

Garvard universiteti talabalarni samarali o'qitish tizimini yaxshilash uchun o'zining mashhur darsida (CS50) sun'iy intellektdan (AI) foydalanishni rejalashtirmoqda.

Ular ChatGPT-ga o'xshash "CS50 bot" ni joriy etish umumiy savollarga javob berish va kod dizayni va xatolar haqida fikr-mulohazalarni taqdim etish orqali professor va talabalarga yordam berishga qaratilgan.

"Bizning umidimiz shuki, Al orqali biz CS50 da har bir talaba uchun 1:1 o'qituvchi: talaba nisbatga erishamiz, va ularga dasturiy ta'minotga asoslangan vositalar bilan ta'minlash orqali talabalarga eng qulay usulga 24/7 uslubida o'qishni qo'llab-quvvatlaymiz.” dedi CS50 professori Devid J. Malan gazetaga bergan intervyusida.


CS50 boti o'quvchilarni javoblar sari yo'naltirsa-da, u oddiy yechimlarni taqdim etishdan ko'ra muammoni hal qilish ko'nikmalarini rivojlantirishga ustuvor ahamiyat beradi. Garvardning Alni qo’llashi shu o’quv yili boshida kutilmoqda.

@machine_learning_lab

​​#Roadmap #yol_xaritasi

AI muhandisi bo'lish ta'lim, amaliy tajriba va doimiy ravishda o'rganish va sohadagi eng so'nggi yutuqlardan xabardor bo'lishga tayyorlikni talab qiladi. Mana sizga AI muhandisi bo'lishga yordam beradigan batafsil yo'l xaritasi (roadmap) 🗺:

1️⃣ Dasturlash va kompter savodxonligi asoslarini o'rganish
ML muhandisi bo'lish uchun dasturlash va kompyuter savodxonligi asoslarini yaxshi tushunish kerak. Siz Python yoki C++ kabi bir yoki bir nechta dasturlash tillarini o'rganishdan boshlashingiz mumkin, so'ngra boshlang'ich informatika kurslarida ishlashingiz mumkin.

2️⃣Matematika va statistika bo'yicha bilimga ega bo'lish
Matematika va statistika AI ni o'rganishning asosidir. Chiziqli algebra, ehtimollar nazariyasi va statistika haqida kuchli tushunchaga ega bo'lish muhimdir. Siz ushbu sohalarda mustahkam poydevor yaratish uchun onlayn kurslar yoki darsliklarni olishdan boshlashingiz mumkin.

3️⃣ML tushunchalarini o'rganish
Siz nazorat ostida (Supervised Learning) va nazoratsiz o'rganish (Unsupervised Learning), tasniflash (Classification), regressiya (Regression), klasterlash (Clustering) va Deep Learning kabi asoslardan boshlashingiz mumkin. Asoslarni yaxshi tushunganingizdan so'ng, siz AIning ilg'or yo'nalishlaridan Natural Language Processing (NLP) va Computer Vision (CV) kabilarga o'tishingiz mumkin.

4️⃣O'rganganlaringizni amaliyotda qo'llang
Real hayotdagi ma'lumotlar to'plamida ishlash orqali o'rgangan narsalaringizni amalda qo'llash muhimdir. Kaggle - qiziqarli ma'lumotlar to'plamini topish va ML musobaqalarida qatnashish uchun ajoyib platforma. Ushbu maʼlumotlar toʻplamini oʻrganish va tahlil qilish va ML modellarini yaratish uchun 1-3-bosqichlarda oʻrganilgan koʻnikmalardan foydalanishingiz mumkin.

5️⃣Ma'lumotlar to'plami bilan ishlash va vizualizatsiya qilish ko'nikmasini rivojlantirish
Ma'lumotlar to'plami bilan ishlash va vizualizatsiya har qanday ML muhandisi uchun muhim mahoratdir. Siz ma'lumotlarni tozalash va qayta ishlashni va ma'lumotlarni ML modellari uchun mos formatlarga keltirishni o'rganishingiz kerak. Bundan tashqari, siz ma'lumotlarni tushunish va manfaatdor tomonlarga tushunchalarni etkazishda yordam beradigan vizualizatsiya yaratish uchun Matplotlib va Seaborn kabi ma'lumotlarni vizualizatsiya qilish vositalarida malaka hosil qilishingiz kerak.

6️⃣Maxsus frameworklar va platformalarni o'rganish
ML modellarini yaratish uchun ko'plab vositalar va frameworklar mavjud. Ushbu vositalarning bir yoki bir nechtasida malakali bo'lish muhimdir. Mashhur vositalar va frameworklar qatoriga TensorFlow, PyTorch, Keras, Scikit-learn va Pandas kiradi. Shuningdek, AWS, Google Cloud Platform va Microsoft Azure kabi bulutga asoslangan platformalar haqida ham maʼlumot olishingiz kerak boʻlib, ular ML modellarini yaratish, oʻqitish va amaliyotga tadbiq etish xizmatlarini taqdim etadi.

7️⃣Real ML loyihalarini amalga oshirish
Malakali ML muhandisi bo'lishning eng yaxshi usuli bu haqiqiy loyihalar ustida ishlashdir. Image classification, sentiment analysis yoki customer segmentation kabi kichik o'lchamdagi loyihalarni qurishdan boshlashingiz mumkin. Yetarli tajribaga ega bo'lganingizdan so'ng, siz kattaroq va murakkabroq loyihalar ustida ishlashingiz mumkin.

8️⃣Eng so'nggi AI sohasidagi yangiliklardan xabardor bo'lish
AI jadal rivojlanayotgan soha bo'lib, eng so'nggi ishlanmalardan xabardor bo'lish muhimdir. Siz tadqiqot maqolalarini o'qishingiz, konferentsiyalar va uchrashuvlarda qatnashishingiz, so'nggi tendentsiyalar va texnikalar haqida xabardor bo'lish uchun onlayn forumlar qatnashishingiz kerak.


Usbu ma'lumot ko'pchilikka manfatli bo'lishi uchun yaqinlaringizga ham ulashing!


👉@machine_learning_lab

Professor David Malan yangilikni bizdan oldi shekilli 😂😂😂

Xabarni joylaganiga 8 soat bo’libdi. Biz kecha bu haqda post qo’ygan edik😂

P.s: Ko’rdilarmi bizni Garvardda ham bilishadiii.
#bizda_bunyodkor_stadioni_bor rukunidan!

@machine_learning_lab

​​Playground AI haqida eshitganmisiz?

Playground AI - bu sun'iy idrok algorithmlariga asoslangan tasvirlar yaratishga imkon beradigan bepul online website.

Siz undan san'at, ijtimoiy tarmoq postlari, taqdimotlar, plakatlar, videolar, logotiplar va boshqalarni yaratish uchun foydalanishingiz mumkin.

👉 Link bu yerda

👉@machine_learning_lab