​​Machine Learning (ML) yoki Deep Learning (DL) modellari bilan ishlaganda ularni to'gri o'qitish (train qilish) va ma'lumotlarni to'g'ri tahlil qilib modelllarga yuborish juda muhim ro'l o'ynaydi. Sababi siz rivojlantirgan model siz qanday o'qitgan bo'lsangiz shunday ishlaydi.
Qisqa qilib aytganda Suniy idrok modellari qanday ishlashi quyidagi videoda hazilomus qilib tushuntirib berilgan.

Telegram | Youtube

​​Kaggle platformasi 2010-yilda Google kampaniyasi tomonidan asos solingan. Bu platforma asosan Data scientist va Machine Learning sohasidagi engineerlar va o'rganuvchilar uchun online comunity (jamoa).

Kaggle Python dasturlash tiliga asoslangan va juda ko'plab asosiy kutubxonalar tayyor holda o'rnatilgan (ML bilan bog'liq kutubxonalar) web-based muhit. 2021 - yilgi ma'lumotga ko'ra 8 mln dan ortiq foydalanuvchi platformadan ro'yhatdan o'tgan.

Kaggle bepul datasetlar (malumotlar bazasi) taklif qiladi va foydalanuvchilar bu datasetlardan foydalanib bilimlarini oshirishlari mumkin. Barcha turdagi datasetlarni topish mumkin.

Kaggle o'z foydalanuvchilariga jamiyatdagi muhim muammolarni ML dan foydalanib yechim topishda doimiy musobaqalar (competitions) taklif qilib boradi. Bu o'z o'rnida ikki tarafga ham ma'nfatli. Sababi bu musobaqalarda g'oliblarga juda katta miqdorda pullar qo'yiladi. Masalan ushbu musobaqaga $1 mln pul mukofoti qo'yilgan.

P/s: Agar siz ML (Data Science) ga qiziqsangiz va Kaggle platformasida ro'yhatdan o'tmagan bo'lsangiz tezda "otni qamchilash" kerak deb hisoblayman

Telegram | Youtube

​​📚 #foydali #AI #ML #DL

AI (Artificial Intelligence) sohasiga yangi kirib kelgan o'rganuvchida doim uchraydigan bir savol bor: Artificial Intelligence, Machine Learning va Deep Learning lar orasida nima farq bor❓ 🧐

👉 Ushbu savolga quyidagi rasmdan javob topish mumkin ya'ni AI bu butun bir soha bo'lsa u o'z ichiga ML ni oladi va ML ham o'z navbatida NN (Neural networks - Neuronlar tizimi) ni o'z ichiga olsa NN esa DL ni o'z ichiga oladi. Ammo ko'p ML mutaxassislari NN va DL ni birga qo'shib DL deb hisoblaydilar bu ham albatda to'gri.

🆚 Farqlari: ishlatiladigan modellarga qarab farqlanadi. Ko'rib turganingizdek Har bir soha o'z ichiga ko'plab modellarni oladi. Ammo bularni farqlamasdan umumiy AI deb atash maqsadga muvofiqroq bo'ladi. 😊😎

❓Siz qaysi modellardan ko'proq foydalanasiz?

Join us 🔗 Telegram | Youtube

​​📚 #foydali #Ai #ml #DL

ML va Data Science engineerlari bilishi kerak bo'lga top-20 🔝 websitelar ro'yhati quyidagi rasmda keltirilgan.

Siz ushbu websitelarda bilmingizni mustahkamlashingiz mumkin.

Telegram | Youtube

​​👨‍💻 #project #loyiha

Segment Anything

Segment Anything Model (SAM) nuqtalar yoki qutilar kabi kirish so'rovlaridan yuqori sifatli ob'ekt niqoblarini (masks) yasab beradi va undan tasvirdagi barcha ob'ektlar uchun niqoblar yaratish uchun foydalanish mumkin. Ushbu loyiha MetaAI tomonidan ishlab chiqilgan. Quyidagi linklardan loyiha haqida batafsil ma’lumot olishingiz mumkin!

Github: https://github.com/facebookresearch/segment-anything

Loyiha: https://segment-anything.com/

Maqola: https://arxiv.org/abs/2304.02643v1

Dataset: https://segment-anything.com/dataset/index.html

Telegram | Youtube

​​📗 #ml #DL #AI

ML algoritmlari asosan 4 turga bo'linadi. Bular Supervised Learning, Unsupervised Learning, Reinforcement Learning va Recommender System. Bulardan, bugungi kunda eng ko'p ishlatilariganlari birinchi uchligi.

MLning bu turlari ham o'z navbatida turli xil masalalarni ko'rib chiqadi. Masalan:

👉Supervised Learning: Regression va Classification masalalarini o'rganadi.

👉Unsupervised Learning: Clustering masalalarini o'rganadi.

👉Reinforcement Learning: Decision-Making (Qaror qabul qilish) masalarini o'rganadi.

👉Recommender System: Personalized Recommendation problems (shaxsiy tavsiyalar muammosi 😊)

Quyidagi rasmda grafik ko'rinishda tasvirlangan. 👇

Telegram | Youtube

​​Data Science ni o’rganish uchun eng yaxshi YouTube channel lar 👇

Telegram | Youtube

​​👆Yuqoridagi savollarga javob tariqasida quyidagi ma'lumotdan bohabar bo'lib qo'ygan yaxshi!

✅ Ya'ni quyidagi rasmda bir nechta ML algoritmlarini sinflanishi tasvirlanga. Qaysi algoritmlar qanday masalalarni ko'radi degan savolga batafsilroq javob.

P/s: Natijalar yomon ems 👍☺️😎

Telegram | Youtube

Assalomu alaykum aziz dindoshim! Barchangizga Ramazon hayiti muborak bo’lsin! 🤲🤲🤲

Tashrif buyuring 🔗 Telegram | Youtube

​​#linear_regression

Linear Regression haqida qisqacha:

👍 Amaliyotga qo’llash anchagina sodda va train qilishda samarali.
👍 Modeldagi overfitting muammosi regularization (lambda) qo’shish orqali kamaytirilishi mumkin.
👍 Ishlashi juda yaxshi agar malumotlar to’plami (dataset) chiziqli bo’linadigan bo’lsa.


👎 Ma'lumotlar to'plamini mustaqil deb hisoblaydi, bu real hayotda kam uchraydi.
👎 Ma'lumotlar to'plamidagi shovqunga (noise) va overfitting muammosiga moyil.
👎Outliers ga juda ta'sirchan.


Tashrif buyuring 🔗 Telegram | Youtube

​​#overfitting #underfitting #rightfit

⁉️ Overfitting nima?
ML algoritmi training datasetda training qilinganda juda yaxshi natija ko’rsatadi ammo yangi test dataset bilan test qilinganda natija juda past chiqadi. Bunda overfiiting muammosi yuzaga keldi deb aytiladi.

⁉️ Underfitting nima?
ML algoritimi training datasetda ham test datasetda ham past natija ko’rsatganda underfitting muammosi yuzaga keldi deb aytiladi.

⁉️Rightfit nima?
ML algoritmi training datasetda ham test datatsetda ham deyarli bir xil yaxshi natijaga erishga Rightfit deb aytiladi.

Quyidagi rasmda bu terminlarni grafik ko’rinishda tasviri keltirilgan!

Tashrif buyuring 🔗 Telegram | Youtube