#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 8-dars Veb saytga shriftlarni ulaymiz

Assalomu aleykum qadrli do'stlar!
Bugun 8-darsimizda saytimizga shriftlarni ulaymiz.
Keyingi darslarimizdan saytga Loader qo'shishni o'rganamiz!. Video dars yuzasidan savol va muhokamalaringizni @DevelopersHub1 shu guruhimizda yozib qoldirishingiz mumkin!

Kurs davomida yaratilgan portfolio veb saytni esa bemalol ko'rishingiz mumkin👇

🌐 https://portfoliokurs.netlify.app

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 9-dars Loader o'rnatish

Assalomu aleykum qadrli do'stlar!
Bugun 9-darsimizda saytimizga Loader o'rnatamiz.
Keyingi darslarimizdan saytimizni responsive ya'ni har xil ekranli devayslarga moslab chiqamiz! Darslarimiz ham tugab bormoqda darslarni diqqat bilan kuzating, o'rganing va o'z saytingizni ishlab chiqishni o'rganing.
Video dars yuzasidan savol va muhokamalaringizni @DevelopersHub1 shu guruhimizda yozib qoldirishingiz mumkin!

Kurs davomida yaratilgan portfolio veb saytni esa bemalol ko'rishingiz mumkin👇

🌐 https://portfoliokurs.netlify.app

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 10-dars Veb saytga Effektlar qo'shamiz

Assalomu aleykum qadrli do'stlar!
Bugun 10-darsimizda saytimizga Effektlar qo'shamiz. Effektlarni esa AOS kutubxonasi yordamida qo'shamiz!
Keyingi darslarimizdan saytimizni responsive ya'ni har xil ekranli devayslarga moslab chiqamiz! Darslarimiz ham tugab bormoqda darslarni diqqat bilan kuzating, o'rganing va o'z saytingizni ishlab chiqing.
Video dars yuzasidan savol va muhokamalaringizni @DevelopersHub1 shu guruhimizda yozib qoldirishingiz mumkin!

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 11-dars Saytning responsive qismi

Assalomu aleykum qadrli do'stlar!
Bugun 11-darsimizda saytimizni responsive qismini boshlaymiz ya'ni veb saytimizni har xil devayslarga moslab chiqamiz.

✅ Kursdagi veb saytning kodlari
https://github.com/javohirdev/portfolio_kurs_veb_sayt

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 12-dars Responsive 2-qism

Assalomu aleykum qadrli do'stlar!
Bugun 12-darsimizda saytimizni responsive qismini davom ettiramiz. Yana 6 ta darsdan so'ng kursimiz o'z nihoyasiga yetadi.

✅ Kursdagi veb saytning kodlari
https://github.com/javohirdev/portfolio_kurs_veb_sayt

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 13-dars Responsive 3-qism

Assalomu aleykum qadrli do'stlar!
Bugun 13-darsimizda saytimizni responsive qismini davom ettiramiz. Yana 5 ta darsdan so'ng kursimiz o'z nihoyasiga yetadi.

✅ Kursdagi veb saytning kodlari
https://github.com/javohirdev/portfolio_kurs_veb_sayt

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 14-dars Responsive 4-qism

Assalomu aleykum qadrli do'stlar!
Bugun 14-darsimizda saytimizni responsive qismini davom ettiramiz. Darslarni yaxshilab o'zlashtiring va saytingizga ega bo'ling!

✅ Kursdagi veb saytning kodlari
https://github.com/javohirdev/portfolio_kurs_veb_sayt

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 15-dars Responsive 5-qism

Assalomu aleykum qadrli do'stlar!
Bugun 15-darsimizda saytimizni responsive qismini tugatamiz. Keyingi darsimizda saytimizni Hostingga qo'yishni o'rganamiz!

✅ Kursdagi veb saytning kodlari
https://github.com/javohirdev/portfolio_kurs_veb_sayt

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 16-dars Veb saytni bepul hostingga qo'yamiz

Assalomu aleykum qadrli do'stlar!
Bugun 16-darsimizda saytimizni bepul hostingga joylaymiz. Keyingi darsimizda saytimizni har xil devayslarda test qilamiz!

✅ Kursdagi veb saytning kodlari
https://github.com/javohirdev/portfolio_kurs_veb_sayt

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#portfolio #video_tutorials

Portfolio veb sayt tuzamiz | 17-dars Veb saytni test qilamiz

Assalomu aleykum qadrli do'stlar!
Bugun 17-darsimizda kurs davomida tuzib chiqqan veb saytimizni test qilamiz ya'ni kompyuterda, smartfonda kirilgan holda saytni barcha funksiyalarini ishlatib koramiz. Keyingi darsda esa kursimiz nihoyasiga yetadi!


✅ Kursdagi veb saytning kodlari
https://github.com/javohirdev/portfolio_kurs_veb_sayt

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

⚡️ SIZ UCHUN KERAKLI VIDEO DARS! ⚡️

Assalomu aleykum qadrli do'stlar!
Bugun Portfolio veb sayt yaratishni o'rganing kursimiz o'z nihoyasiga yetadi, so'nggi 18-darsimizda sizning keyingi faoliyatingizga kerakli bo'ladigan narsalar va yana o'rganishingiz kerak bo'lgan texnologiyalarni ham tushuntirib tanishtirib o'taman. Kursimiz siz uchun foydali bo'ldi deb o'ylayman keyingi video darslarda ko'rishguncha!

🌐 Kurs davomida yaratib o'tilgan veb sayt
https://portfoliokurs.netlify.app

✅ Kursdagi veb saytning kodlari
https://github.com/javohirdev/portfolio_kurs_veb_sayt

Manba: Javohir Group

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#tavsiya

Veb dasurchi, dizayner umuman IT ning barcha sohasidagilar uchun juda kerak bo'ladigan sodda dastur. Hajmi ham juda kichik. Dasturni ochib pipetkani rangini bilmoqchi bo'lgan joyingizga olib borasiz, tamom. Rangni chiqarib beradi.

Manba: BoburDev

💻 Dasturlashga qiziqadiganlarga jo'nating va kanalimga a'zo bo'ling!
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

📹 TARMOQDA | Data scientist Aziza | Polshadagi o'qishi , Data science va Python haqida →

Polshada o'qiydigan va ishlaydigan O'zbekistonlik data scientist Aziza bilan suhbat. Ushbu podcastda siz Polshada o'qish qanday? data sciense o'zi nima? va Python kabilar haqida ma'lumot olasiz

Yout-Tubeda ko’rish uchun👇
https://youtu.be/WGTHGLogbM4

Bizni ijtimoiy tarmoqlarda kuzating

https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

Data Science haqida qisqacha

Data Science hozirda ko’p tilga olinadigan so’zlardan biri bo’ldi desak mubolag’a bo’lmaydi. Malumot (data)lar bilan ishlaydigan mutahassislarga shu darajada ehtiyoj kuchaydiki, hatto kelajak bizneslari aynan shu soha vakillariga bog’lig’ligi haqida gapirilyabti.
Data Science o’zi nima? Bu savolga, quyidagicha javob bergan bo’lar edik. Data Science bu — ilmiy usullar, va algoritmlar yordamida malumot manbalaridan datalarni olish va uni qayta ishlash, biznesga tadbiq qilishdir. Har qanday biznes va tashkilotlar o’z qarorlarini aynan mavjud datalarga asoslanib qilishlari hechkimga sir emas, aynan shuni bajaruvchi, va o’rganuvchi soha bu Data Sciencedir.

Data Science muhimligi

Har bir tashkilot bugungi ma’lumotlarga asoslangan biznes dunyosida o’z foydalaridan maksimal darajada foydalanish uchun ularga aynan data analysis va science ilmi talab qilinishini angladilar va datalar bilan ishlaydigan xodimlarni qidira boshladilar.
Hozirgi kunda Data Science deyarli barcha ma’lumotlar tarmoqlarida — chakana savdo, elektron tijorat, moliya, sog’liqni saqlash, ta’lim, va telekomunikatsiya sohalarida qo’llaniladi.
Bundan tashqari internet olamida katta kuchga ega bo’lgan Google, Apple, Facebook, Amazon va boshqa bir qancha yirik kompaniyalar data sciencedan foydalanib ulkan ishlar qilmoqdalar. Ushbu kompaniyalar o’z bizneslarini rivojlantirish uchun aynan data sciencega murojat qiladilar va aniq va to’g’ri bo’lgan datalar orqali o’z qarorlarini joriy etadilar.

Data Science nima?

Data Science bu — malumot olish, tayyorlash, tahlil qilish, vizualizatsiya va ma’lumotlarni yetkazib berishdir. Bu ko’p qirrali soha bo’lib, ilmiy tahlillar, dasturiy algoritmlar, va kopleks jarayonlarni o’z ichiga oladi.
Hozirgi rivojlanayotgan texnalogiya asrida, datalar ko’payyabti va uni tahlil qiladigan, ular bilan ishlaydigan sohaga e’tibor ham kuchayyabti. Data Scienceni bilgan mutahassislarga “Data Scienctist”larga ish bozorida ehtiyoj ham kunbay-kun oshib boryabti. Data Scientistlar statistika va machine learning qurilmalaridan malumotlarni olish va tahlil qilish bilan shug’ullanib qolmay, machine learning algoritmlardan foydalanib kelajakdagi ehtimolli o’sish va pasayish jarayonlarini aniq datalar yordamida oldindan ko’rib, tahlil qilib berishyabti.

Nega aynan Data Science?

Data Science haqida ozroq bo’lsada tushuncha hosil bo’lgan bo’lsa, bu sohaning muhimligi haqida ozroq to’htalib o’tamiz.
Mashinaning loqilg’isi kabi, datalar ham sanoatlar, bizneslarning asosiy kuch beruvchi tayanchi bo’ldi desak adashmagan bo’lamiz. Bizneslar faoliyat olib borishi, o’sishi, va rivojlanishi uchun datalarga ehtiyoj oshyabti. Data Scientistlar datalar bilan ishlab, uni yetkazib, kompaniyalarning to’g’ri qaror qilishlari uchun tamal toshi vazifasini bajaryabtilar.

Data Scientistlarga bo’lgan talab oshishda davom etadi. 2012-yilda Datalar bilan ishlaydigan xodimlarga talab 650%ga oshgan bo’lsa, 2026-yilga kelib bu ko’rsatgich 11.5 million ishchi o’rni jobmarketda paydo bo’lishi kutilmoqda (U.S Bureau of Labor Statistics).

Manba: DataScience.uz

Python dasturlashni biz bilan o'rganing 👇🏽
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#Data_science
#Neyron_tarmoqlari

Neyron tarmoqlari

Neyron tarmoqlari – bu insonning asab tizimini ko’paytirishga urinishlarga asoslangan sun’iy intellekt sohasidagi tadqiqotlar yo’nalishlaridan biri. Aynan: asab tizimining xatolarni o’rganish va tuzatish qobiliyati, bu bizga odam miyasining ishlashini taqlid qilishga imkon beradi.

Inson nerv sistemasi yoki asab tizimi – bu tananing barcha tizimlarining o’zaro bog’liq xatti-harakatlarini ta’minlaydigan murakkab tuzilmalar tarmog’i.

Biologik neyron – bu yadrodan, hujayrali tanadan va jarayonlardan iborat bo’lgan maxsus hujayradir. Neyronning asosiy vazifalaridan biri boshqa neyronlar bilan ulanish orqali neyron tarmog’iga elektrokimyoviy impulsni yuborishdir. Bundan tashqari, har bir aloqa sinaptik aloqaning kuchi deb nomlanadigan ma’lum bir miqdor bilan tavsiflanadi. Ushbu qiymat boshqa neyronga o’tkazilganda elektrokimyoviy impuls bilan nima sodir bo’lishini aniqlaydi: u kuchayadi yoki zaiflashadi yoki o’zgarishsiz qoladi.
Biologik neyron tarmoq yuqori darajadagi ulanishga ega: boshqa neyronlar bilan bir necha mingta aloqa bitta neyronga tushishi mumkin. Ammo, bu taxminiy qiymat va har bir holatda u boshqacha. Bir neyrondan ikkinchisiga impulslarning uzatilishi butun neyron tarmog’ining ma’lum bir qo’zg’alishini keltirib chiqaradi. Ushbu qo’zg’alishning kattaligi neyron tarmoqning ba’zi kirish signallariga javobini aniqlaydi. Masalan, odamning eski tanishi bilan uchrashuvi, agar ba’zi tanish va yoqimli hayot xotiralari ushbu tanishish bilan bog’liq bo’lsa, neyron tarmog’ining kuchli qo’zg’alishiga olib kelishi mumkin. O’z navbatida, neyron tarmog’ining kuchli qo’zg’alishi yurak urish tezligining oshishiga, ko’zlarning tez-tez yonib turishiga va boshqa reaktsiyalarga olib kelishi mumkin. Neyron tarmoq uchun notanish odam bilan uchrashuv deyarli imkonsiz bo’ladi,
Biologik neyron tarmog’ining quyidagi juda soddalashtirilgan modelini berish mumkin:

Har bir neyron yadrodan tashkil topgan hujayrali tanadan iborat. Dendrit deb ataladigan ko’plab qisqa tolalar hujayraning tanasidan ajralib chiqadi. Uzoq dendritlarga aksonlar deyiladi. Aksonlar uzoq masofalarni bosib o’tishadi, bu raqam o’lchovida ko’rsatilgandan ancha kattadir. Aksonlar odatda 1 sm uzunlikka ega (bu hujayra tanasining diametridan 100 baravar ko’p), ammo 1 metrga yetishi mumkin.
XX asrning 60-80-yillarida ekspert tizimlari sun’iy intellekt sohasida izlanishlarning ustuvor yo’nalishlaridan biri bo’lgan . Ekspert tizimlari yaxshi ishladi, ammo faqat yuqori ixtisoslashgan sohalarda. Ko’proq universal aqlli tizimlarni yaratish uchun boshqacha yondashuv talab qilindi. Ehtimol, bu sun’iy intellekt tadqiqotchilari e’tiborini inson miyasining ostidagi biologik neyron tarmoqlarga qaratganligiga olib keldi.

Sun’iy intellektdagi neyron tarmoqlari biologik neyron tarmoqlarining soddalashtirilgan modelidir.

O’xshashlik shu yerda tugaydi. Inson miyasining tuzilishi yuqorida aytib o’tilganlarga qaraganda ancha murakkab va shuning uchun uni hech bo’lmaganda aniqroq ko’paytirish mumkin emas.
Neyron tarmoqlari juda ko’p muhim xususiyatlarga ega, ammo asosiysi bu o’rganish qobiliyatidir. Neyron tarmog’ini o’rganish birinchi navbatda neyronlar orasidagi sinaptik aloqalarning «kuchini» o’zgartirishni o’z ichiga oladi. Buni quyidagi misol yaqqol ko’rsatib turibdi. Pavlovning klassik tajribasida har safar itni boqishdan oldin qo’ng’iroq jiringladi. It tezda qo’ng’iroqni ovqat bilan bog’lashni o’rganib oldi. Bunga miyaning eshitish uchun javob beradigan qismlar va tuprik bezlari orasidagi sinaptik aloqalar kuchayganligi sabab bo’lgan. Va qo’ng’iroq sadosi bilan neyron tarmoqning keyingi qo’zg’alishi itda kuchli tupurikka olib kela boshladi.
Bugungi kunda neyron tarmoqlar sun’iy intellekt sohasidagi tadqiqotlarning ustuvor yo’nalishlaridan biridir.

Manba: www.aiportal.ru

Python dasturlashni biz bilan o'rganing 👇🏽
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#Big_data
#Suniy_intellekt

Big Data'ning asosiy 8 atamasi. (1-qism)

Dunyoda raqamlangan ma'lumotlar hajmi #ekponent bo'yicha o'sib bormoqda. IBS kompaniyasining ma'lumotlariga qaraganda, 2003-yilda 5 eksabayt(1 eksabayt - 1 milliard gigabayt) ma'lumot yig'ilgan ekan. 2008-yilda u 0.18 zettabayt(1 zettabayt = 1024 eksabayt) gacha, 2011-yilga kelib 1.76 zettabayt, 2013-yilda 4.4 zettabaytgacha yetibdi. 2015-yilning mayida dunyoda yig'ilgan raqamlanga ma'lumotlar hajmi 6.5 zettabaytdan oshib ketibdi. 2020-yilga kelib insoniyat 40-44 zettabayt raqamli ma'lumot hosil qilar ekan.
IBS mutaxassislarining fikriga ko'ra, 2013-yilda yig'ilgan ma'lumotlar massivining atiga 1.5%i qandaydiy axborot qiymatiga ega bo'lgan ekan. Baxtga qarshi, hozir dunyoda katta ma'lumotlarni qayta ishlash texnologiyalari bo'lib, ular yordamida juda katta ma'lumotlar massividan insonlarga kerak, qiziq bo'lgan, foydali ma'lumotlarni ajratib olish mumkin bo'ladi.
Ushbu maqolada Big Data(katta ma'lumotlar)ning 8 eng asosiy atamalari va ular haqida qisqacha tushunchalar beriladi.

Big data(katta ma'lumotlar) - juda katta hajmdagi bir jinsli bo'lmagan va tez tushadigan raqamli ma'lumotlar bo'lib, ularni odatiy usullar bilan qayta ishlab bo'lmaydi. Ba'zi hollarda, katta ma'lumotlar tushunchasi bilan birga shu ma'lumotlarni qayta ishlash ham tushuniladi. Asosan, analiz obyekti katta ma'lumotlar deb ataladi.
Big data atamasi 2008-yilda dunyoga kelgan. Nature jurnali muharriri Klifford Linch dunyo ma'lumotlar hajmining juda tez sur'atda o'sishiga bag'ishlangan maxsus sonida big data atamasini qo'llagan. Biroq, katta ma'lumotlar avval ham bo'lgan. Mutaxassislarning fikricha, kuniga 100 gb dan ko'p ma'lumot tushadigan oqimlarga big data deb aytilar ekan.
Katta ma'lumotlarni analiz qilish, inson his etish imkoniyatidan tashqarida bo'lgan qonuniylatlarni aniqlashda yordam beradi. Bu esa kundalik hayotimizdagi barcha sohalar, hukumatni boshqarish, tibbiyot, telekommunikatsiya, moliya, transport, ishlab chiqarish va boshqa sohalarni yanada yaxshilash, ularning imkoniyatlarini oshirish, muommolarga muqobil yechimlar izlab topish imkonini yaratadi.
Data lake(ma'lumotlar ko'li) - qayta ishlanmagan katta ma'lumotlar ombori.
"Ko'l" har xil manbalardan kelgan, har xil formatda bo'lgan ma'lumotlarni saqlaydi. Bu esa odatiy relatsion ma'lumotlar omborida ma'lumotlarni aniq struktura asosida saqlashdan ko'ra arzonroqqa tushadi. Ma'lumotlar ko'li, ma'lumotlarni boshlang'ich holatida analiz qilish imkonini beradi. Bundan tashqari, "ko'l"lardan bir vaqtni o'zida bir nechta ishchilar foydalanishlari mumkin.

Data science(ma'lumotlar haqidagi fan) - analiz muommolarini , ma'lumotlarni qayta ishlash va ularni raqamli ko'rinishda taqdim etishni o'rganadigan fan.
Bu atama dunyoga kelgan vaqt 1974-yil hisoblanadi. O'sha yili Daniyalik informatik, Peter Naur "A Basic Principle of Data Science" nomli kitobini chop ettirgan.
2010-yillar boshida katta ma'lumotlarni tarqalishi natijasida bu yo'nalish juda foydali va kelajagi bor biznesga aylandi. Va o'shandi katta ma'lumotlar bilan ishlaydigan mutaxassislarga talab juda oshib ketdi.

Data science tushunchasiga ma'lumotlar omborini loyihalash va raqamlangan ma'lumotlarni qayta ishlashning barcha metodlari kiradi. Ko'plab mutaxassislar fikricha, aynan data science big dataning biznes nuqtai nazaridan hozirgi zamonoviy o'rindoshi hisoblanadi.

Python dasturlashni biz bilan o'rganing 👇🏽
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#Big_data
#Suniy_intellekt

Big Data'ning asosiy 8 atamasi. (2-qism)

Data mining(ma'lumotlarni topish) - biron qonuniyatni topish maqsadida ma'lumotlarni intellektual analiz qilishga aytiladi. Isroillik matematik Grigoriy Pyatetskiy-Shapiro 1989-yilda bu atamani fanga kiritgan.
Texnologiyalar, avvalari noma'lum va foydali bo'lgan qayta ishlanmagan(hom) ma'lumotlarni topish jarayoniga data mining(ma'lumotlarni topish) deyiladi. Data mining metodlari ma'lumotlar ombori, statistika va sun'iy intellekt tutashgan nuqtada joylashadi.

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.

Sun'iy neyron tarmog'i - oddiy protsessorlar(sun'iy neyronlar) birlashtirilgan tizimi bo'lib, insonning nerv tizimini imitatsiya qiladi. Bunday struktura evaziga, neyron tarmoqlari dasturlanmaydi, ular o'qitishadi. Huddi haqiqiy neyronlar kabi, protsessorlar signallarni oddiygina qabul qilishadi va boshqa protsessorlarga o'zatishadi. Shu bilan birga, boshqa butun tizim algoritmlar bajara olmaydigan murakkab topshiriqlarni bajaradi.
1943-yilda amerikalik olimlar Uorren Makkalok va Uolter Pittslar sun'iy neyron tarmog'i tushunchasini fanga kiritishgan.
Business intelligence(biznes-analitika) - aniq strukturaga ega bo'lmagan juda katta hajmdagi ma'lumotlarni qayta ishlash natijasida muqobil biznes yechimlar izlashga aytiladi.
Effektiv biznes-analitika ichki va tashqi ma'lumotlarni analiz qiladi - ham bozor axborotlarini, ham mijoz-kompaniyaning hisobotlarini hisobga oladi. Bu biznesni butunlay tushunishga yordam beradi, shu bilan birga, strategik va operatsion qarorlar qabul qilishga zamin yaratadi(mahsulot narxini aniqlashda, kompaniya rivojlanishining asosiy yo'nalishlarini belgilab olishda).
Bu atama 1958-yilda IBM taqdiqotchisi Xans Piter Lun maqolasida birinchi bo'lib ko'rsatilgan. 1996-yilda axborot texnologiyalari bozorini o'rganishga asoslangan Gartner analitik agentligi business intelligence tarkibiga data mining metodikasini ham qo'shgan.

Python dasturlashni biz bilan o'rganing 👇🏽
https://t.me/joinchat/AAAAAFjIGlUylKDptkc7aw

#humor

Github 2008 yilda tashkil qilingan.
2008-yilgacha esa dastur kodlari taxminan shunaqa ko‘rsatilgan :)

Manba: Botir Ziyatov

@python_uzbek_coder