📚 #foydali
🐍 Python dasturlash tili bugungi kunda eng keng tarqalgan dasturlash tillaridan hisoblanadi. Va ko'plab sohalarda masalan: muhandislik (engineering), tibbiyot, iqtisod, bizness, qishloq ho'jaligi va hakozolarda qo'llanilib kelinmoqda.
Guido van Rossum (rasmdagi tirjavib turgan bacha) 1980-yillarning oxirida ABC dasturlash tilining davomchisi sifatida Python ustida ishlay boshladi va birinchi marta 1991 yilda Python 0.9.0 sifatida chiqardi.
Keyinchalik, 2000-yilga kelib Python 2.0 versiyasi foydalanuvchilarga taqdim etiladi.
Va nihoyat, 2008-yilda Python 3.0 (katta ehtimol bilan biz ishlatayotgan) versiyasi chiqariladi va hozirgacha yangilanib kelinadi.
P/s: Guido akaga rahmat aytamiz ishlarimizni ancha yengillashishiga sababchi bo'lgani uchun 😉
Telegram | Youtube
🐍 Python dasturlash tili bugungi kunda eng keng tarqalgan dasturlash tillaridan hisoblanadi. Va ko'plab sohalarda masalan: muhandislik (engineering), tibbiyot, iqtisod, bizness, qishloq ho'jaligi va hakozolarda qo'llanilib kelinmoqda.
Guido van Rossum (rasmdagi tirjavib turgan bacha) 1980-yillarning oxirida ABC dasturlash tilining davomchisi sifatida Python ustida ishlay boshladi va birinchi marta 1991 yilda Python 0.9.0 sifatida chiqardi.
Keyinchalik, 2000-yilga kelib Python 2.0 versiyasi foydalanuvchilarga taqdim etiladi.
Va nihoyat, 2008-yilda Python 3.0 (katta ehtimol bilan biz ishlatayotgan) versiyasi chiqariladi va hozirgacha yangilanib kelinadi.
P/s: Guido akaga rahmat aytamiz ishlarimizni ancha yengillashishiga sababchi bo'lgani uchun 😉
Telegram | Youtube
👍11❤1
📚 #foydali
Python dasturlsh tili ITning ko’p sohalarida qo’llaniladi. Masalan:
👉 Machine Learning
👉 Web dasturlash
👉 Game development (o’yinlar yaratish)
👉 Avtomatlashtirish (Automation Testing)
👉 Rasmlar bilan ishlash (Image Processing)
👉 Web qurish (Web scraping)
Albatda, bu sohalar maxsus kutubxonalar va framework lar talab qiladi. Quyidagi rasmda esa har bir sohaga tegishli kutubxonalar va framework lar haqida ma’lumot olishingiz mumkin!
Agar ma’lumot foydali bo’lgan bo’lsa yaqinlaringiz bilan ulashing!
Telegram | Youtube
Python dasturlsh tili ITning ko’p sohalarida qo’llaniladi. Masalan:
👉 Machine Learning
👉 Web dasturlash
👉 Game development (o’yinlar yaratish)
👉 Avtomatlashtirish (Automation Testing)
👉 Rasmlar bilan ishlash (Image Processing)
👉 Web qurish (Web scraping)
Albatda, bu sohalar maxsus kutubxonalar va framework lar talab qiladi. Quyidagi rasmda esa har bir sohaga tegishli kutubxonalar va framework lar haqida ma’lumot olishingiz mumkin!
Agar ma’lumot foydali bo’lgan bo’lsa yaqinlaringiz bilan ulashing!
Telegram | Youtube
👍12
📚 #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
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
🔥7👍2👏1
#foydali
Hammaga ma'lumki Deep Learning (DL) juda ko'p jabhalarda keng qo'llanilib kelinmoqda. DL ni ham ko'plab modellari bor masalan:
👉Recurrent Neural Network (RNN)
👉Convolutional Neural Network (CNN)
👉Autoencoders (AE)
👉Generative Adversarial Network (GAN)
Bu modellar ham qaysi jabhalarda faol ishlatilishi quyidagi rasmda keltirilgan. Ammo bu degani CNN ni ob-havo bashorati uchun ishlatilinmaydi degani emas. Yani CNNni ishlatsa bo'ladi lekin RNN ko'proq samarali ☺️😎😊
Tashrif buyuring 🔗 Telegram | Youtube
Hammaga ma'lumki Deep Learning (DL) juda ko'p jabhalarda keng qo'llanilib kelinmoqda. DL ni ham ko'plab modellari bor masalan:
👉Recurrent Neural Network (RNN)
👉Convolutional Neural Network (CNN)
👉Autoencoders (AE)
👉Generative Adversarial Network (GAN)
Bu modellar ham qaysi jabhalarda faol ishlatilishi quyidagi rasmda keltirilgan. Ammo bu degani CNN ni ob-havo bashorati uchun ishlatilinmaydi degani emas. Yani CNNni ishlatsa bo'ladi lekin RNN ko'proq samarali ☺️😎😊
Tashrif buyuring 🔗 Telegram | Youtube
👍4
#foydali #models
Umumiy qilib DL modellarini Sun’iy neyron tarmoqlari (Artificial Neural Networks) deb yuritiladi. Ammo har bir neyron tarmoqlarini o’zini “ota-onasi” qo’ygan nomi bor. 😂😊
Keling bir necha neyron tarmoqlarini nomlari bilan quyidagi rasm orqali tanishib olamiz!
Ma’lumot qiziq va foydali bo’lsa MLchilarga ulashib qo’ying 😉
Tashrif buyuring 🔗 Telegram | Youtube
Umumiy qilib DL modellarini Sun’iy neyron tarmoqlari (Artificial Neural Networks) deb yuritiladi. Ammo har bir neyron tarmoqlarini o’zini “ota-onasi” qo’ygan nomi bor. 😂😊
Keling bir necha neyron tarmoqlarini nomlari bilan quyidagi rasm orqali tanishib olamiz!
Ma’lumot qiziq va foydali bo’lsa MLchilarga ulashib qo’ying 😉
Tashrif buyuring 🔗 Telegram | Youtube
👍8🔥2
#foydali
Loyiha uchun talab qilinadigan kutubxonalar ro'yhatini hosil qilish.
Odatda deyarli barcha ML engineerlari ma'lum bir loyiha ustida ishlashni boshlasa o'sha loyiha uchun alohida virtual muhit yaratib ishni boshlaydilar. Kimdur conda kimdur vnev va hokozolardan foydalanishadi.
Loyiha davomida ko'plab kutubxonalar o'rnatiladi va loyihangiz to'g'ri ishlashi uchun bu kutubxonalarning versiyalari o'zaro bir biriga ta'sir qiladi. Shuning uchun har bir loyiha uchun alohida muhit yaratish eng aqilli yo'l.
Loyihani tugatib uni foydalanuvchiga berishdan oldin albatda loyiha xatosiz ishlashi uchun talab qilinadigan kutubxonalar ro'yhatini (requirements.txt) shakllantirishingiz kerak bo'ladi. Albatda loyiha davomida o'rnatgan barcha kutubxonalaringiz va ularni versiyalari esingizda qolishingiz amri mahol.
Bunda ushbu ro'yxanti shakllantirishning eng oson yo'li bu o'sha ishlash muhiningizda turib terminaldan quyidagi buyuruqni berishdir.
pip freeze > requirements.txt
Shunda sizda 'requirements.txt' nomli fayl hosil bo'ladi. U o'z ichida muhitga o'rnatilgan barcha kutubxonalar va ularni versiyalarini oladi.
Foydalanuvchi esa sizni loyihangizni olib, yangi muhitda osongina
pip install -r requirements.txt
buyurug'i orqali barcha talab etiladigan kutubxonalarni o'rnatib oladi. Keyin esa bemalol loyihangizdan foydalanishi mumkin 😎.
👉 @machine_learning_lab
Loyiha uchun talab qilinadigan kutubxonalar ro'yhatini hosil qilish.
Odatda deyarli barcha ML engineerlari ma'lum bir loyiha ustida ishlashni boshlasa o'sha loyiha uchun alohida virtual muhit yaratib ishni boshlaydilar. Kimdur conda kimdur vnev va hokozolardan foydalanishadi.
Loyiha davomida ko'plab kutubxonalar o'rnatiladi va loyihangiz to'g'ri ishlashi uchun bu kutubxonalarning versiyalari o'zaro bir biriga ta'sir qiladi. Shuning uchun har bir loyiha uchun alohida muhit yaratish eng aqilli yo'l.
Loyihani tugatib uni foydalanuvchiga berishdan oldin albatda loyiha xatosiz ishlashi uchun talab qilinadigan kutubxonalar ro'yhatini (requirements.txt) shakllantirishingiz kerak bo'ladi. Albatda loyiha davomida o'rnatgan barcha kutubxonalaringiz va ularni versiyalari esingizda qolishingiz amri mahol.
Bunda ushbu ro'yxanti shakllantirishning eng oson yo'li bu o'sha ishlash muhiningizda turib terminaldan quyidagi buyuruqni berishdir.
pip freeze > requirements.txt
Shunda sizda 'requirements.txt' nomli fayl hosil bo'ladi. U o'z ichida muhitga o'rnatilgan barcha kutubxonalar va ularni versiyalarini oladi.
Foydalanuvchi esa sizni loyihangizni olib, yangi muhitda osongina
pip install -r requirements.txt
buyurug'i orqali barcha talab etiladigan kutubxonalarni o'rnatib oladi. Keyin esa bemalol loyihangizdan foydalanishi mumkin 😎.
👉 @machine_learning_lab
👍4👏1