Tyuring Testi va SI: Savol va Javoblar

Turing testining maqsadi kompyuterning qanday qobiliyatini sinashdan iborat? Turing testida kim bilan kim suhbatlashadi? Agar inspektor kompyuterni insondan ajrata olmasa, bu nimani anglatadi? Turing testi qaysi yilda taklif qilingan? Turing testining asosiy mezoni nima? Turing testida suhbat qanday tarzda amalga oshiriladi? Turing testining asosiy tanqidlari nimaga qaratilgan? Turing testiga muqobil sifatida ko‘rsatiladigan asosiy testlardan biri nima? Turing testini muvaffaqiyatli o‘tgan dastur qanday deb nomlanadi? Turing testi qanday intellektual qobiliyatlarni tekshiradi? Turing testidan muvaffaqiyatli o‘tgan birinchi kompyuter dasturi qaysi edi? Turing testida muvaffaqiyat qozonishning qanday oqibatlari bo‘lishi mumkin? Turing testi qaysi sohada tadqiqotlarning rivojlanishiga ta’sir qilgan? Turing testidan o‘tmagan dastur nima deb hisoblanadi? Inson bilan kompyuter muloqoti qanday bo‘lsa, Turing testi muvaffaqiyatli deb hisoblanadi? Qaysi kompyuter dasturi Turing testiga yaqinlashishga harakat qilgan? Sun’iy intellektning asosiy maqsadi nima? Sun’iy intellekt yordamida avtomatik ravishda ma’lumotlarni tahlil qilish qanday foyda beradi? Inson kabi muloqot qilish qobiliyatini Inson va kompyuter Kompyuter testdan o‘tdi 1950 Kompyuterning inson kabi fikr yuritishi va muloqot qilishi Yozma yoki matnli shaklda Kompyuterning qobiliyati va hissiyotlari yo‘qligi Loebner testi Chatterbot yoki Chatbot Muloqot qilish qobiliyati va mantiqiy fikrlash Eliza Kompyuterning inson kabi muloqot qilish qobiliyatini isbotlaydi Sun’iy intellekt va kompyuter fanlari Inson intellekti darajasiga yetmagan Inson kompyuterni insondan ajrata olmasa Eliza Insonning fikrlash qobiliyatini taqlid qilish Ishlash vaqtini kamaytiradi Tabiiy tilni qayta ishlash (NLP) sun'iy intellektning qaysi sohasiga tegishli? Sun'iy intellekt tizimlarining asosiy afzalliklaridan biri nima? Sun'iy intellekt yordamida kasalliklarni erta aniqlash qaysi sohada qo‘llanadi? Sun’iy intellektning turlari qaysi asosiy toifalarga bo‘linadi? Zaif sun’iy intellektning vazifasi nimadan iborat? Kuchli sun’iy intellekt nimani anglatadi? Sun’iy intellektning qaysi turi eng rivojlangan hisoblanadi? Sun’iy intellektning qaysi turi insondan ustun bo‘lishi mumkin? Avtonom transport vositalari sun’iy intellektning qaysi turiga misol bo‘la oladi? Kuchli sun’iy intellektni yaratish uchun qanday omillar kerak? Tabiiy tilni qayta ishlash (NLP) texnologiyalari nimaga yordam beradi? Yuzni tanish texnologiyasi qaysi sun’iy intellekt sohasiga kiradi? "O'z-o'zidan o'rganish" sun'iy intellektning qaysi xususiyatiga xos? Super sun’iy intellekt yaratilsa, qaysi sohada inqilob yuzaga kelishi mumkin? Robototexnika va sun'iy intellektning birlashmasi qanday imkoniyatlarni yaratishi mumkin? Sun’iy intellektning asosiy xavf-xatari nimada deb hisoblanadi? Sun’iy intellektning tibbiyotda qo‘llanilishi qaysi maqsadga xizmat qiladi? Mashinasozlikda sun'iy intellekt qanday vazifani bajaradi? Til va muloqot Ular doimiy o'rganish qobiliyatiga ega Sog‘liqni saqlash Zaif va kuchli Muayyan bir vazifani bajarish Inson darajasida aql-idrokka ega bo‘lish Super sun’iy intellekt Super sun’iy intellekt Zaif sun’iy intellekt Aql-idrok va o‘z-o‘zini o‘rganish qobiliyati Ovozli tanib olish Biometrik xavfsizlik O‘rganish va moslashish Genom tahlili va ilmiy tadqiqotlar Mustaqil ishlay oladigan mashinalarni yaratadi Insonning o‘ziga zarar yetkazishi mumkinligi Kasalliklar va tahlillarni aniqlash Ishlab chiqarish jarayonlarini avtomatlashtirish Ma’lumotlarni intellektual tahlil qilishning asosiy maqsadi nima? Foydali ma’lumotlarni aniqlash Ma’lumotlarni intellektual tahlil qilish (data mining) Ma’lumotlarni tozalash jarayoni qaysi bosqichdan boshlanadi? Intellektual tahlilning qaysi turi ma’lumotlar orasidagi yashirin bog‘liqliklarni aniqlashga yordam beradi? Klasterni tahlil qilish jarayonida qanday maqsadga erishiladi? Ma’lumotlarni tozalash bosqichi nima uchun zarur? Ma’lumotlarni assotsiativ tahlil qilish qanday texnikadan foydalanadi? Klasterni tahlil qilishda qanday mezon asosida ob’ektlar guruhlarga bo‘linadi? K-means algoritmi qanday ishlaydi? Ma’lumotlarni klasterlash jarayonida “klaster markazi” nimani anglatadi? Qaysi algoritm katta hajmli ma’lumotlar bilan ishlashda qulay hisoblanadi? Regression tahlili qanday ma’lumotlarni tahlil qilish uchun ishlatiladi? Klassifikatsiya algoritmining maqsadi nima? K-nearest neighbors (KNN) algoritmi qaysi turdagi tahlil uchun ishlatiladi? Assotsiativ tahlil Ma’lumotlarni sinflarga ajratish Noaniq va noto‘g‘ri ma’lumotlarni olib tashlash uchun Apriori algoritmi O‘xshashlik darajasiga ko‘ra Ob’ektlarni eng yaqin markazga bog‘lab klasterlash orqali Klaster ichidagi o‘rtacha nuqta FP-Growth Ma’lumotlar o‘rtasidagi bog‘liqlikni aniqlash Ma’lumotlarni sinflarga ajratish Klassifikatsiya Regression va klassifikatsiya algoritmlari nimasi bilan farqlanadi? Regression raqamli natijalarni beradi, klassifikatsiya esa sinflarga ajratadi Klasterni tahlil qilish qaysi sohaga tegishli? Sun’iy intellekt Ma’lumotlarni intellektual tahlil qilish eng ko‘p qaysi sohada qo‘llaniladi? Sun’iy intellekt va intellektual tahlil asosida qaysi jarayonni avtomatlashtirish mumkin? Assotsiativ tahlil qaysi sohada muhim hisoblanadi? Ma’lumotlarni intellektual tahlil qilishda "so’rovlar va hisobotlar" qachon tayyorlanadi? Sog‘liqni saqlash va marketing Qaror qabul qilish Savdo va marketingda So‘nggi bosqichda FP-Growth algoritmi nimani tahlil qilish uchun ishlatiladi? Ma’lumotlar integratsiyasi jarayonining asosiy maqsadi nima? Ma’lumotlar transformatsiyasi nima uchun amalga oshiriladi? Ma’lumotlarni normalizatsiya qilishning asosiy maqsadi nima? Qaysi jarayon ma’lumotlarni yagona, to‘liq va aniqlashtirilgan ko‘rinishda saqlashga yordam beradi? Ma’lumotlarni tozalash qanday maqsadda amalga oshiriladi? Ma’lumotlarni siqishning asosiy maqsadi nima? Qaysi algoritm ma’lumotlarni yo‘qotishlarsiz siqish uchun ishlatiladi? Ma’lumotlarni siqishda "yo‘qotishlarsiz" (lossless) usul qanday maqsad uchun ishlatiladi? Hajmi katta bo‘lgan media fayllarni siqish uchun ko‘pincha qaysi usul ishlatiladi? Yo‘qotishlarsiz siqish algoritmlariga misol qaysi? Ma’lumotlarni integratsiyalashda “mos kelish” (schema matching) nima? Ma’lumotlarni transformatsiya qilish jarayonida normalizatsiya nima uchun zarur? Ma’lumotlar bazasini integratsiyalashda asosan qaysi usul ishlatiladi? Qaysi ombor ma’lumotlar integratsiyasi natijasida shakllanadi? “Run-Length Encoding” siqish usuli qanday ishlaydi? JPEG siqish usuli asosan qanday fayllar uchun ishlatiladi? Qaysi jarayonda ma’lumotlarni yuqori darajada siqish orqali o‘lchami kichikroq qilish mumkin, ammo ma’lum darajada sifat yo‘qotiladi? Tezkor assotsiativ qoidalarni aniqlash Ma’lumotlarni turli manbalardan birlashtirish Ma’lumotlarni aniq formatga keltirish uchun Ma’lumotlarni bitta umumiy o‘lchovga keltirish Ma’lumotlar integratsiyasi Noto‘g‘ri yoki keraksiz ma’lumotlarni olib tashlash Ma’lumotlar hajmini kamaytirish LZW Ma’lumotlarni butunligicha saqlab qolish Yo‘qotishlar bilan siqish (lossy) ZIP Manbalar o‘rtasida moslikni aniqlash Ma’lumotlarni yagona diapazonga keltirish uchun ETL (Extract, Transform, Load) Data Lake Takroriy qiymatlarni siqish orqali Raqamli fotosuratlar Yo‘qotishlar bilan siqish Yo‘qotishlarsiz siqishda fayl hajmi qanday o‘zgaradi? Qaysi qidiruv algoritmi eng qisqa yo'lni topish uchun ishlatiladi? Qaysi qidiruv algoritmi har bir qadamda minimal baholangan tugunni tanlaydi? Hevristik qidiruv algoritmlariga qaysi algoritm misol bo‘ladi? DFS algoritmining ishlash tartibi qanday? Greedy Best-First Search algoritmi qanday maqsadda ishlatiladi? Hevristika nima? BFS algoritmi qaysi holatda ishlatiladi? Ma’lum darajada kichrayadi, lekin sifat saqlanadi BFS (Breadth First Search) UCS (Uniform Cost Search) A* algoritmi Avval chuqurlik bo‘yicha qidiradi Hevristik bahoni tezroq qidirish uchun Tezroq natijaga erishish uchun taxminiy baholash Minimal chuqurlikdagi tugunni topish uchun IDS (Iterative Deepening Search) qanday holatda qo‘llaniladi? Har bir qadamda chuqurlikni oshirish orqali qidirish Qaysi qidiruv algoritmi yo‘lning umumiy bahosiga qarab yo‘llarni qidiradi? UCS (Uniform Cost Search) Qaysi algoritm optimal yechim topish uchun har bir tugunni tekshiradi? Ma'lumotsiz qidiruv algoritmlariga misol qaysi? Hevristika asosida ishlaydigan algoritm qaysi? Qidiruv algoritmlaridan qaysi biri rekursiv tarzda ishlaydi? IDS algoritmi qanday afzalliklarga ega? Qaysi qidiruv algoritmi eng past baholangan tugunni tekshirishga asoslangan? Agentning asosiy xususiyati nimadan iborat? Intellektual agentlar qanday tushuniladi? Qaysi agent turi o‘zining ichki holatini eslab qoladi? Reaktiv agent qaysi tamoyilga amal qiladi? O‘z maqsadlarini aniqlay oladigan agent qaysi turga kiradi? Agentning holatini saqlovchi qaysi agent hisoblanadi? UCS (Uniform Cost Search) BFS va DFS A* DFS Cheksiz chuqurlikda qidirishga imkon beradi UCS Muhit bilan o‘zaro aloqada bo‘lish Qaror qabul qiluvchi va harakat qiluvchi tizimlar Holatli agent Muhitdagi o‘zgarishlarga bevosita javob beradi Maqsadga yo‘naltirilgan agent Holatli agent Maqsadga yo‘naltirilgan agentning vazifasi qanday? Intellektual agentlarning asosiy tarkibiy qismlaridan biri qaysi? Oddiy reaktiv agent qanday ma’lumotlardan foydalanadi? Rejalashtirish agentining asosiy vazifasi nima? Qaysi agent turi o‘z harakatlarining uzoq muddatli oqibatlarini hisobga oladi? Intellektual agentning faoliyatini tushuntirish uchun qaysi tushuncha ishlatiladi? Sensorlarning agentga qanday ta'siri bor? Holatli agent qaysi komponentdan foydalanadi? Qaysi agent o‘z faoliyatida sezgi asosida harakat qiladi? Intellektual agent qaysi vazifani bajarishi bilan ajralib turadi? O‘z vazifalarini mustaqil ravishda belgilaydigan agent qanday ataladi? Qaysi agent turi oldindan belgilangan qoidalarga ko‘ra harakat qiladi? Intellektual agentning qaror qabul qilish qobiliyatini nimaga asoslaydi? Bilimlar bazasi nima? Bilimlarni namoyish etish nimani anglatadi? Qaysi usul bilimlarni ifodalashning eng asosiy shakli hisoblanadi? Qoidalarga asoslangan bilim namoyishida qoidalar qanday ifodalanadi? Ontologiya qanday bilimlarni ifodalash usuli hisoblanadi? Ramkalar (frames) tizimi qanday bilimlarni ifodalash uchun ishlatiladi? Semantik tarmoqlar qanday bilimlarni namoyish etish uchun mo‘ljallangan? Oldindan belgilangan maqsadga erishish Sensorlar Faqat hozirgi holatni Keyingi vaziyatlarni oldindan rejalashtirish Rejalashtiruvchi agent Agentning muhit bilan o‘zaro aloqasi Muhitni o‘zgarishini aniqlash imkonini beradi Sensor va ichki xotiradan Oddiy reaktiv agent Maqsadga erishishga yo‘naltirilgan harakatlarni bajarish Avtonom agent Oddiy reaktiv agent Bilim bazasi va qoidalariga Bilimlarni tuzilgan shaklda saqlash va boshqarish tizimi Bilimlarni formal tizimda saqlash va ko‘rsatish Qoidalarga asoslangan ifoda "Agar... unda..." ko‘rinishida Ob’ektlar va ularning o‘zaro bog‘liqligini tavsiflash Strukturaviy va umumiy bilimlarni Ob’ektlar va ularning bog‘liqligini ifodalash uchun Bilimlarni ifodalashda semantik tarmoqlar qanday ko‘rinishda beriladi? Qaysi bilimlarni ifodalash usuli inson miyasiga o‘xshash tarmoqli strukturani yaratadi? Ontologiya nimani ifodalash uchun ishlatiladi? Bilimlarni ramka shaklida ifodalash qachon qo‘llaniladi? Bilimlar bazasida qoidalar nimaga xizmat qiladi? Graf shaklida Semantik tarmoq Ma'lum predmetlar va ularning o‘zaro bog‘liqligini aniqlash uchun Strukturaviy bilimlarni tasvirlashda Amallar bajarish qoidalarini belgilash uchun Bilimlarni ifodalashda "Agar... unda..." qoidasi qaysi usulga tegishli? Qoidalarga asoslangan ifoda Semantik tarmoqlar qanday afzallikka ega? Ob’ektlar va ularning munosabatlarini oson ifodalaydi Qaysi bilimlarni ifodalash usuli atribut qiymatlari bilan bog‘liq? Intellektual tizimlarda ontologiyaning vazifasi nimadan iborat? Bilimlarni namoyish etishda ramka ichida qanday ma'lumotlar mavjud bo‘ladi? Bilimlarni namoyish etishdagi qoidalar qanday tasvirlanadi? Bilimlar bazasida "ontologiya" tushunchasi qaysi bilimlarni ifodalashga yordam beradi? Bilimlarni ifodalash uchun qoidalarga asoslangan tizim qachon ishlatiladi? Freym modeli qanday bilimlarni taqdim etishda qo‘llaniladi? Produksion model qaysi shaklda ifodalanadi? Mantiqiy model nimaga asoslangan? Semantik tarmoq qanday ma’lumotlarni ifodalaydi? Freym modeli qanday struktura yordamida bilimlarni saqlaydi? Produksion qoidalar qaysi ma’lumotlarni taqdim etishda foydalidir? Semantik tarmoq nimani ifodalash uchun mo‘ljallangan? Ramkalar Bilimlarni bir tizimga keltirish va ularning o‘zaro bog‘liqligini ko‘rsatish Ob’ekt atributlari va qiymatlari "Agar... unda..." shaklida Predmetlar va ularning o‘zaro munosabatlarini Ob’ektlar orasidagi murakkab munosabatlar mavjud bo‘lganda Strukturaviy va umumiy bilimlarni "Agar... unda..." qoidasi Formal mantiq qoidalariga Ob’ektlar va ularning bog‘liqligini Ob’ektning atributlari va qiymatlari orqali Harakat va qaror qabul qilish qoidalarini Ob’ektlar va ularning munosabatlarini Mantiqiy modellar qanday bilimlarni ifodalashga yordam beradi? Formal qoidalar va munosabatlarni Freym modelida har bir freym nimani ifodalaydi? Muayyan ob’ekt yoki holatni Produksion model qanday asosiy afzallikka ega? Qoidalar asosida tezkor qaror qabul qilish imkonini beradi Mantiqiy ifodalar qayerda qo‘llaniladi? Semantik tarmoqlar qanday shaklda ifodalanadi? Freym modelida atributlar nima uchun ishlatiladi? Produksion qoidalarning asosiy elementi nima? Semantik tarmoq qanday vazifani bajaradi? Formallik talab etilgan mantiqiy tizimlarda Freym modeli qanday ma’lumotlarni ifodalash uchun mos keladi? Qaysi taqdim etish modeli murakkab holatlar uchun mantiqiy yechimlarni taklif etadi? Qaysi model ob’ekt va hodisalarni o‘zaro bog‘langan tizimda tasvirlaydi? Produksion qoidalarning ko‘rinishi qaysi tilda yozilgan ko‘rinishga o‘xshaydi? Mantiqiy modelning afzalligi nimada? Noravshan mantiq qaysi turdagi muammolarni yechishda qo‘llaniladi? Noravshan mantiqda “haqiqat qiymati” qanday ifodalanadi? Bayes teoremasining asosiy maqsadi nima? Noravshan mantiq modellari qaysi muallif tomonidan keng tadbiq etilgan? Bayes teoremasida "shartli ehtimol" nimani anglatadi? Noravshan mantiq modellarida "a’zolik darajasi" nima? Bayes teoremasida yangi ma’lumotlar qanday tahlil qilinadi? Noravshan mantiqda qiymatlar o‘rtasidagi bog‘liqlikni qanday ifodalash mumkin? Ob’ektlar va ularning o‘zaro bog‘liqlik grafigida Ob’ekt xususiyatlarini aniqlash uchun "Agar... unda..." ko‘rinishi Ob’ektlar o‘rtasidagi munosabatlarni tushuntiradi Ob’ektlarning tavsifini Mantiqiy model Produksion model "Agar... unda..." ko‘rinishi Qoidalarga asoslangan bilimlarni formal ifodalashda Aniqlikni talab qilmaydigan, noaniq holatlarni tahlil qilishda 0 dan 1 gacha bo‘lgan qiymatlar oralig‘ida Shartli ehtimollarni hisoblash Lotfi Zadeh Ma’lum bir sharoitdagi ehtimol Qiymatlar biror elementning belgilangan sinfga tegishliligini ifodalaydi Yangi ma’lumotlar yordamida ehtimol qayta hisoblanadi Qisman yoki to‘liq bog‘liqlik darajasini ko‘rsatish bilan Noravshan mantiq modellarida "noravshanlik" qaysi vazifani bajaradi? Bayes teoremasidan qachon foydalaniladi? Noravshan mantiqda 0 va 1 qiymatlari nimani anglatadi? Bayes teoremasi qaysi sohada keng qo‘llaniladi? Noravshan mantiqning asosiy afzalligi nima? Bayes teoremasida yangi ma’lumotlarga nisbatan ehtimol qanday hisoblanadi? Noravshan mantiqda qaysi qiymatlar qabul qilinishi mumkin? Bayes teoremasida asosiy ehtimol va shartli ehtimol o‘rtasidagi bog‘liqlik qanday ifodalanadi? Noravshan mantiq modeli qaysi sohada ko‘p qo‘llaniladi? Bayes teoremasi qanday natijalarni beradi? Noravshan mantiqda “a’zolik funktsiyasi” nimani ifodalaydi? Bayes teoremasi asosida qaysi usul yangi ma’lumotlarga asoslangan qaror qabul qilishga yordam beradi? Noaniqlikni ifodalaydi Shartli ehtimollar va yangi ma’lumotlar bilan ishlashda To‘liq noto‘g‘ri va to‘liq to‘g‘ri Statistika va ehtimollar nazariyasida Noaniq va qisman qiymatlar bilan ishlay oladi Qayta hisoblash orqali yangilanadi 0 dan 1 gacha bo‘lgan o‘zgaruvchilar Shartli ehtimol formulasi bilan Sun’iy intellekt va boshqaruv tizimlarida Ma’lum ehtimol asosida yangilangan ehtimollarni hisoblaydi Ob’ektning sinfga qisman tegishliligini Shartli ehtimollarni yangilash orqali Ekspert tizimi nima? Muayyan sohadagi bilim va tajribaga asoslangan maslahat beruvchi dasturiy ta’minot Ekspert tizimlarining asosiy vazifasi nima? Foydalanuvchilarga avtomatlashtirilgan tarzda maslahat berish va qaror qabul qilishda yordam berish Ekspert tizimining asosiy tarkibiy qismi nima? Ekspert tizimlari qaysi sohaga tegishli? Ekspert tizimining muhim qismi bo‘lgan "inference engine" nima uchun xizmat qiladi? Ekspert tizimlarining foydalanuvchiga ko‘rsatadigan asosiy foydasi nima? Ekspert tizimda bilimlarni qanday ko‘rinishda saqlash mumkin? Bilimlar bazasi Sun’iy intellekt Bilimlarni asosiy ma’lumotlar asosida tahlil qilish va xulosa chiqarish uchun Mutaxassislik bilimlarini qo‘llab, qaror qabul qilishda yordam berish Ma’lumotlar bazasida Ekspert tizimda qaror qabul qilish jarayonini qo‘llab-quvvatlash uchun nima ishlatiladi? Ekspert tizimi foydalanuvchiga qanday turdagi maslahatlarni beradi? Ekspert tizimlarining qaysi jihati foydalanuvchiga ko‘rsatmalar berish uchun ishlatiladi? Ekspert tizimining foydalanuvchi bilan o‘zaro aloqasini ta’minlovchi qismi qanday ataladi? Ekspert tizimlarida qaror qabul qilish qanday amalga oshiriladi? Qaysi holatda ekspert tizimi ishlatilishi mumkin? Ekspert tizimining "sharhlovchi" moduli nima uchun xizmat qiladi? Ekspert tizimi o‘z bilimlarini qanday tahlil qiladi? Mantiqiy qoidalar va bilimlar bazasi Mutaxassislik bilimlariga asoslangan aniq maslahatlar Mantiqiy qoidalar Foydalanuvchi interfeysi Bilimlar bazasi va mantiqiy qoidalar orqali Tibbiy tashhis qo‘yishda Foydalanuvchiga tizim xulosalarini tushuntirish uchun Ma’lumotlar bazasi va mantiqiy qoidalar asosida Ekspert tizimi bilimlarini qanday kiritish mumkin? Mutaxassislar tomonidan kiritingan qoidalar va faktlar yordamida Ekspert tizimlari ko‘pincha qanday muammolarni hal qilish uchun ishlatiladi? Maxsus sohalardagi murakkab qarorlar qabul qilish Ekspert tizimlarining foydasi nimada? Tezroq qaror qabul qilishda yordam beradi Ekspert tizimining ishlash jarayonida qanday bilimlardan foydalaniladi? Maxsus sohadagi bilimlardan Ekspert tizimlarining dastlabki loyihasi qaysi sohada ishlab chiqilgan? Tibbiyot Mashinali o‘qitish nima? Kompyuterga ma’lum bir vazifani tajriba asosida o‘rganishga imkon beruvchi texnologiya Mashinali o‘qitish qaysi soha bilan bevosita bog‘liq? Mashinali o‘qitishning qaysi turida ma’lumotlardagi belgilar belgilangan bo‘ladi? Nazoratsiz o‘qitish uchun qaysi maqsad eng ko‘p qo‘llaniladi? Qaysi mashinali o‘qitish turi mukofot va jazolar asosida ishlaydi? Regression modeli qaysi vazifa uchun qo‘llaniladi? Sun’iy intellekt Nazoratli o‘qitish Klasterizatsiya Reinforcement o‘qitish Davomiy qiymatlarni bashorat qilish Mashinali o‘qitishda “Overfitting” nimani anglatadi? Qaysi mashinali o‘qitish modeli tasniflash uchun mos keladi? Nazoratli o‘qitish uchun qaysi vazifa odatiy hisoblanadi? Nazoratli o‘qitishda ma’lumotlar qanday tasniflanadi? Nazoratsiz o‘qitish algoritmlarida ma’lumotlar qanday bo‘ladi? Klasterizatsiya qaysi mashinali o‘qitish turiga kiradi? Mashinali o‘qitishda “Underfitting” nimani anglatadi? O‘rganish jarayonida yangi namunalarni sinash nima uchun zarur? Modelni baholash uchun ishlatiladigan "MAE" (Mean Absolute Error) nima? Mashinali o‘qitishda ishlatiladigan “train-test split” nima? Qaysi mashinali o‘qitish algoritmi eng ko‘p nazoratli o‘qitish uchun ishlatiladi? Qaysi mashinali o‘qitish algoritmi tasniflashda ishlatiladi? Gradient Descent nima uchun ishlatiladi? Overfittingning oldini olish uchun qaysi texnika ishlatiladi? O‘qituvchili o‘qitish algoritmi qanday aniqlanadi? O‘qituvchili o‘qitishda model qanday turdagi ma’lumotlar ustida o‘rganadi? Qaysi algoritm regression vazifalari uchun mos keladi? Qaysi o‘qituvchili o‘qitish algoritmi eng ko‘p klassifikatsiya uchun ishlatiladi? Modelning ma’lumotlarga haddan tashqari moslashishini K-Nearest Neighbors Klasifikatsiya va regression Belgilangan ma’lumotlar Belgilanmagan Nazoratsiz o‘qitish Modelning yetarli darajada murakkab bo‘lmasligini Modelning moslashuvini tekshirish uchun Modelning o‘rtacha xatoligi Ma’lumotlar to‘plamini o‘rgatish va sinash uchun bo‘lish usuli Decision Trees Naive Bayes Model xatolarini kamaytirish uchun optimallashtirish usuli sifatida Umumiylashtirish Belgilangan ma’lumotlar yordamida modelni o‘rgatish usuli Belgilangan Lineyn regression Decision Trees Decision Trees algoritmi qanday ishlaydi? Qaror qabul qilish jarayonini bo‘lish orqali Support Vector Machine (SVM) algoritmining asosiy maqsadi nima? Ma’lumotlarni tekislik bo‘yicha ajratish Random Forest algoritmi nima? K-Nearest Neighbors (KNN) algoritmida “K” nimani anglatadi? Lineyn regression qanday vazifalar uchun ishlatiladi? Naive Bayes algoritmi qaysi matematik modelga asoslangan? Gradient Descent texnikasi nimani kamaytirish uchun ishlatiladi? Bagging texnikasi qaysi algoritm bilan ko‘p qo‘llaniladi? Logistik regression nimani bashorat qilish uchun ishlatiladi? SVM algoritmi qanday qilib ma’lumotlarni ajratadi? AdaBoost algoritmi qaysi maqsadda ishlatiladi? Logistik regression qanday turdagi natijalar uchun mos? Random Forest algoritmida nechta daraxtlardan foydalanish modelni qanday ta’sir qiladi? Naive Bayes algoritmi qaysi vazifada ishlatilishi uchun ma’qul? Support Vector Machine qaysi ma’lumotlar bo‘linishini amalga oshiradi? O‘qituvchisiz o‘qitish algoritmlarining asosiy vazifasi nima? Bir nechta qaror daraxtlarining ansambli Eng yaqin qo‘shnilar sonini Davomiy qiymatlarni bashorat qilish Bayes teoremasi Yo‘qotish funksiyasini Decision Trees Ikki qiymatli natijalar O‘q orqali ajratish O‘rganish jarayonida yangi xatolarni minimallashtirish Kategoriyalarga ajratilgan qiymatlar Modelning ishonchliligini oshiradi Tasniflash Liniy separatsiya mumkin bo‘lgan ma’lumotlar Ma’lumotlarni belgilarsiz tahlil qilish va tuzilmalarni aniqlash Klasterizatsiya qanday o‘qitish turiga kiradi? O‘qituvchisiz K-means algoritmi qanday ishlaydi? Ma’lumotlarni klasterlar markaziga yaqinlashtirib ajratadi Qaysi algoritm ma’lumotlarni klasterlarga ajratishda qo‘llaniladi? K-means O‘qituvchisiz o‘qitishning asosiy maqsadi nima? DBSCAN algoritmi qanday ma’lumotlarni klasterlashga asoslangan? K-means algoritmida “K” nimani anglatadi? Ma’lumotlardan strukturalarni aniqlash Qalinligi va zichligiga asoslangan Klasterlar sonini Qaysi algoritm klasterlar markazini moslashuvchan ravishda yangilab boradi? Qaysi o‘qituvchisiz o‘qitish algoritmi zichlikka asoslangan ma’lumotlarni klasterlaydi? Hierarchical clustering nima? O‘qituvchisiz o‘qitishda foydalaniladigan asosiy ma’lumot turlari qanday? DBSCAN algoritmida qaysi parametr ma’lumotlarning zichligini belgilaydi? Hierarchical clusteringning qaysi turi eng ko‘p ishlatiladi? K-means DBSCAN Ierarxik struktura asosida ma’lumotlarni klasterlash Belgilarsiz ma’lumotlar Masofa chegarasi (eps) Agglomerativ va diviziv K-means algoritmining asosiy kamchiligi nima? Klasterlarning miqdorini oldindan berish talab qilinishi Principal Component Analysis (PCA) algoritmi nima uchun ishlatiladi? DBSCAN algoritmida qanday nuqtalar klasterning markazi sifatida tanlanadi? K-means algoritmida har bir nuqta qanday klasterga qo‘shiladi? Ma’lumotlarni qisqartirish va asosiy komponentlarni aniqlash O‘qituvchisiz o‘qitishdagi asosiy afzallik nima? Belgilangan ma’lumotlar talab qilinmasligi DBSCAN algoritmi qanday nuqtalarni “shovqin” deb belgilaydi? PCA ma’lumotlar qisqartirish uchun qanday usulni qo‘llaydi? Sun’iy neyron tarmoqlar (SNT) qanday maqsad uchun qo‘llaniladi? Yetarlicha qo‘shnilarga ega bo‘lmagan nuqtalar Sun’iy neyron tarmoqlar qanday ilhomlangan? Sun’iy neyron tarmog‘idagi eng kichik element nima deb ataladi? Sun’iy neyron tarmog‘ida kirish va chiqishlar orasidagi hisob-kitoblar qanday elementlar orqali amalga oshiriladi? Qaysi qatlam SNTda barcha kirish ma’lumotlarini o‘z ichiga oladi? Yashirin qatlamlar qanday vazifani bajaradi? Yetarlicha qo‘shnilarga ega zich nuqtalar Eng yaqin klaster markaziga O‘zgaruvchilar sonini kamaytirish Murakkab muammolarni hal qilish va ma’lumotlarni o‘rganish Odam miyasi neyronlari va sinapslari tuzilishidan Neyron Neyronlar Kirish qatlami Ma’lumotlarni qayta ishlash va o‘rganish Neyronning chiqishi qanday funktsiya orqali hisoblanadi? Qaysi aktivatsiya funksiyasi ikki sinfli muammolar uchun mos keladi? Sun’iy neyron tarmoqlarida ReLU aktivatsiya funksiyasi qanday vazifani bajaradi? Backpropagation qanday vazifani bajaradi? Backpropagation algoritmida qanday optimizatsiya usuli keng qo‘llaniladi? Gradent descent algoritmi nima uchun qo‘llaniladi? Sigmoid funktsiyasi qanday qiymatlar diapazonini chiqaradi? Dropout texnikasi qanday maqsadda qo‘llaniladi? Convolutional Neural Network (CNN) asosan qaysi maqsadda qo‘llaniladi? Yo‘qotish funksiyasi nima uchun ishlatiladi? Aktivatsiya funktsiyasi Sigmoid Salbiy qiymatlarni 0 ga o‘zgartiradi, musbat qiymatlarni esa o‘zgarmas holda qoldiradi Tarmoqdagi vaznlarni yangilaydi Adam Yo‘qotish funksiyasini minimallashtirish 0 dan 1 gacha Haddan tashqari moslashishni oldini olish Rasm va video qayta ishlash Modelning xatolarini o‘lchash Qaysi qatlam CNN’da xususiyatlarni tanlash uchun ishlatiladi? Pooling layer Pooling qatlamining asosiy vazifasi nima? Xarakterli xususiyatlarni ajratib olish RNN asosan qaysi turdagi ma’lumotlar bilan ishlashga mo‘ljallangan? Davomiy va ketma-ket ma’lumotlar Batch normalization texnikasining vazifasi nima? Tarmoqdagi o‘rganishni tezlashtirish va barqarorlashtirish Perseptron nima uchun ishlatiladi? Perseptronning asosiy komponenti nima? Perseptron qanday aktivatsiya funksiyasidan foydalanadi? Perseptron modelidagi kirishlar qanday jarayondan o‘tadi? Perseptron qanday ma’lumotlarni tasniflaydi? Lineyer tasniflash muammolarini hal qilish Qadam funksiyasi (step function) Eng sodda perseptronning chiqishi qanday shaklda bo‘ladi? Binary (0 yoki 1) Perseptron qanday o‘qitiladi? Gradient descent yordamida Perseptronning o‘rganish jarayonida qanday vaznlarni yangilaydi? Har bir kirish uchun barcha vaznlarni Neyron Vaznlarga ko‘paytirish Faqat chiziqli ajraladigan ma’lumotlarni Eng sodda perseptronda qanday yo‘qotish funksiyasi ishlatiladi? Perseptron qaysi algoritmga asoslangan? Perseptron qanday muammolarni hal qila olmaydi? Xato minimal bo‘lmaguncha perseptron qanday yangilanishni davom ettiradi? Perseptron nima asosida o‘z vaznlarini yangilaydi? Perseptron qanday turdagi aktivatsiya funktsiyasiga ega? Eng sodda perseptron qanday natija beradi? Perseptron qaysi yillar davomida ishlab chiqilgan? O‘qitish jarayonida perseptron qanday qilib sinf chegarasini aniqlaydi? Eng sodda perseptron modelida nechta qatlam mavjud? Perseptron modelida qanday jarayon ma’lumotlarni tasniflash uchun ishlatiladi? Chiziqli bo‘luvchi masalalarda perseptron qanday tasniflovchi rolini bajaradi? Neyron tarmoqlarda og'irlik koeffitsientlari qanday rol o'ynaydi? Neyron tarmoqdagi og'irlik koeffitsientlari qanday qiymatlarga ega bo'lishi mumkin? Og'irliklarni yangilash uchun qaysi algoritm ishlatiladi? Og'irliklarni hisoblash jarayonida qaysi o‘rganish koeffitsienti (learning rate) ahamiyatga ega? Qaysi aktivatsiya funksiyasi og'irliklar bilan kirish signallarini bog'laydi? Og'irlik koeffitsientlarini yangilashda qanday gradient hisoblash usuli ishlatiladi? Og'irliklar qanday qilib neyron tarmoqning o‘rganish jarayonida yangilanadi? Kvadrat yo‘qotish funksiyasi Qadam algoritmi No-lineyer muammolarni Vaznlarni yangilaydi Yo‘qotish funksiyasi qiymati Binar Diskret qiymatlar 1960-yillar Chiziqli tasniflash chegarasini yaratadi Bitta qatlam Chiziqli bo‘luvchi tasniflash Chiziqli tasniflovchi Kirish signalining ta’sirini boshqaradi Ijobiy yoki salbiy real sonlar Gradient descent Har bir qadamdagi o‘zgarish miqdori Logistik Backpropagation Xatoliklarni minimallashtirish yo‘lida optimallashtiriladi Og'irliklarning boshlang'ich qiymatlari qanday tanlanadi? Og'irlik koeffitsientlarini yangilashda qaysi funksiya asosiy o‘rin tutadi? Qaysi faktor og'irliklarning tez yangilanishiga ta'sir ko‘rsatadi? Og'irliklarni yangilash jarayonida qaysi yo'nalishda harakat qilinadi? Backpropagation algoritmi og'irliklarni qanday yangilaydi? Og'irliklarni o‘rganish jarayonida qanday qilib ortiqcha moslashish (overfitting) oldini olish mumkin? Og'irliklarning qaysi bosqichda yangilanishi boshlanadi? Gradient descent yordamida og'irliklarni yangilashda nima kamaytiriladi? Momentum parametri gradient descentda nima uchun qo‘llaniladi? Tasodifiy Yo‘qotish funksiyasi O‘rganish koeffitsienti Eng kichik xatolik yo‘nalishi Xatoliklarni avvalgi qatlamlarga tarqatib, og'irliklarni o'zgartiradi Cheklash usulini qo‘llash (regularization) Har bir qadamda Yo‘qotish funksiyasi qiymati O‘rganishni tezlashtirish Yo‘qotish funksiyasini minimallashtirish nimani anglatadi? Eng kichik xatolik bo‘lgan og‘irliklarni topish Og'irliklarni optimallashtirish algoritmi qaysi sharoitda to‘xtaydi? Yo‘qotish qiymati minimumga yetganda yoki belgilangan qadamlar bajarilganda O‘rganish koeffitsienti qaysi parametrni aniqlaydi? Adam algoritmi gradient descentga qanday ta’sir ko‘rsatadi? Chuqur o‘qitish qaysi sun’iy intellekt sohasiga tegishli? Chuqur o‘qitish jarayonida qaysi model arxitekturasi eng ko‘p ishlatiladi? Qaysi aktivatsiya funksiyasi chuqur o‘qitish uchun eng ko‘p ishlatiladi? Chuqur o‘qitishda parametrlarni optimallashtirish uchun qaysi algoritm eng mashhur? Chuqur o‘qitish modellari qaysi darajadagi qatlamlardan iborat? Og'irliklarning yangilanish tezligini Ko‘p o‘zgaruvchan vaznlarni optimallashtirishni samarali qiladi O‘rganishning yangi shakli Neyron tarmoqlari ReLU (Rectified Linear Unit) Adam optimizer Ko‘p qatlamli Qaysi usul chuqur o‘qitish jarayonida ortiqcha moslashuv (overfitting) oldini olish uchun qo‘llaniladi? Chuqur o‘qitish jarayonida yo‘qotish funksiyasi nima uchun kerak? Qaysi komponent chuqur o‘qitishda avvalgi qatlamlarning natijalarini qabul qiladi? Chuqur o‘qitishda qo‘llaniladigan konvolyutsion qatlam nima qiladi? Neyron tarmog‘ida chiziqli qatlamlar va faoliyat qatlamlarining kombinatsiyasi qanday natijaga olib keladi? Chuqur o‘qitish algoritmlari ko‘pincha qanday ma’lumotlardan foydalanadi? Hujjatni tanish (document recognition) jarayonida qaysi algoritm ishlatiladi? Neyron tarmoqlarida qatlamlar o‘rtasidagi ulanishlar qaysi qismdan iborat? Konvolyutsion neyron tarmoqlari ko‘proq qaysi sohada qo‘llaniladi? Chuqur o‘qitish jarayonida qanday qilib ko‘proq ma’lumot olish mumkin? Chuqur o‘qitish jarayonida qatlamlar soni ko‘payganda nima yuz beradi? Yo‘qotish funktsiyasida xatolik qanday hisoblanadi? Chuqur o‘qitishda xatoliklarni kamaytirish uchun qanday qo‘llanma ishlatiladi? Neyron tarmoqda yangi qatlam qo‘shishning afzalliklari nimalardan iborat? Chuqur o‘qitish modellarini o‘rganishda qaysi tizimlarni ishlatish mumkin? CNN arxitekturasida konvolyutsion qatlamning asosiy vazifasi nima? Qaysi qatlam CNN da maxsus xususiyatlarni tanib olishda ishlatiladi? Data augmentation Modelning xatolik darajasini baholash uchun Kirish qatlamlari Kirish ma’lumotlarining xususiyatlarini chiqaradi To‘g‘ri tasniflash Ikkita turli xil Chuqur o‘qitish Og'irliklar Rasmlarni tahlil qilish Data augmentation O‘rganish qiyinlashadi Kirish va chiqish o‘rtasidagi farq Optimallashtirish O‘rganish imkoniyatlarini oshirish GPU va CPU Ma’lumotlarning xususiyatlarini chiqarish Konvolyutsion qatlam CNN arxitekturasida qaysi aktivatsiya funksiyasi eng ko‘p ishlatiladi? ReLU (Rectified Linear Unit) Pooling qatlamining maqsadi nima? Xususiyatlarni kamaytirish Pandas DataFrame yaratish uchun to'g'ri sintaksis nima? NumPy kutubxonasini chaqirib olish qaysi qatorda tug’ri ko’rsatilgan. Numpy kutubxonasi qanday turdagi ma’lumotlar ustida amal bajarish uchun ishlariladi? Loyha Metodologiyasi nima? Bashorat qilish tizimlari pd.Dataframe(data) import numpy as np N-ulchamli massivlarga ishlov berish uchun ishlatiladi. Metodologiya – bu ma’lum bir sohadagi jarayonlar va faoliyatni boshqaradigan umumiy strategiya. ob-havoni bashorat qilish, aholini bashorat qilish, iqtisodiy prognozlash, hosilni baholash va harbiy, marketing va moliyaviy prognozlarni o'z ichiga oladi. Kichik loyhalar uchun ishlatilinadigan metadalogiya qaysi javobda keltirilgan? Agile modeli. Data Mining ? ma'lumotlar bazalarida bilimlarni kashf qilish, bilimlarni olish, ma'lumotlarni qazib olish, ma'lumotlarni qazib olish, ma'lumotlar namunasini qayta ishlash, ma'lumotlarni tozalash va yig'ish uchun ishlatiladigan atama; Bunga tegishli dasturiy ta'minot ham kiradi. Pandas DataFrame-da birinchi qatorni qaytarish uchun to'g'ri sintaksis nima? NumPy kutubxonasining ommalashishiga sabab bo’lgan asosiy omil qaysi? Bilim muhandisligi Bilimlar bazasi Intellektual tahlilchilarning ishlab chiquvchilar uchun integratsiyaning maqsadi df[0] Vektorlashgan hisoblash. bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami muammolarni tushunish, shakllantirish va hal qilish uchun zarur bo'lgan bilim sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. Vektorlashgan hisoblashga ta’rif bering. N-o’lchamli massivlarning o’lchamini bilish metodini ko’rsating. Barcha elementlari 1 dan tashlik topgan (2,4) massiv yaratish kodini ko’rsating. Diagnostika tizimlari Ekspertiza Ekspert tizimi arange funksiyasi yordamida 100 dan 200 gacha sonlar orasidan juft sonlardan massiv yaratish kodini ko’rsating. Numpay funksiyasi yordamida (5,6) elementlari (0~1) oraliqda taxminiy qiymatlardan tashkil topgan massiv yaratish kodini ko’rsating. Perseptronning kirishi pandas kutubxonasi tarkibidagi ikki eng muhim ma'lumotlar turi qanday ataladi? Series obyektining qiymatlarini ko'rish uchun uning qaysi parametriga murojaat qilamiz. Yig'ilib boriladigan ko'paytma metodini ko’rsating. DataFrame ning dastlabki 20 qatorini qaytarish uchun to'g'ri sintaksis nima? CRISP-DM metodologiyasining yoyilmasini to`g`ri belgilang? Predictive so'zining ma`nosi Predictive tahlil bizga qanday malumotlarni taqdim etadi? eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi Massiv ko’rinishidagi ma’lumotlar to’plamining barcha elementlari ustida bir vaqtning o’zida hisoblash amallarini bajarish. .ndim np.ones(shape=(2,4)) tibbiyot, elektronika, mexanika va dasturiy ta'minot sohasidagi diagnostikani o'z ichiga oladi muammoni hal qilish uchun o'rganish, o'qish va tajribadan olingan keng qamrovli, maxsus bilim odatda inson tajribasini talab qiladigan muammolarni hal qilish uchun kompyuterga kiritilgan inson bilimlaridan foydalanadigan tizim np.arange(100,200,2) np.random.rand(5,6) haqiqiy sonlardan tashkil topgan vektor Series, DataFrame .values cumprod() df.head(20) Cross industry standard proccessing-Data Mining Bashoratlash Oldindan sodir bo`lishi mumkin bo`lgan voqea yoki hodisa haqida qimmatli ma'lumotlarni taqdim etadi Agar tarmoq yashirin qatlamlarda juda ko'p sonli neyronlarga ega bo'lsa, u holda Sun'iy neyron tarmoq – bu………………………….. ………….to'plami. ML ni o'qitishda qo'llaniladigan offline usuli kamchiligini aniqlang Sun'iy intellektdan foydalanishning funksional tuzilishi qanday komplekslardan tarmoqni qayta tayyorlash mumkin bir-biriga bog'langan neyronlar; Ko`plab ma`lumotlarni,vaqtni talab qiladi va ozgarish bo`lganida jarayonni yangilashga ehtiyoj seziladi Bajaruvchi tizim, intellektual interfeys, bilimlar bazasi iborat? Ma’lumotlar nima? obyektlar, jarayonlar va hodisalarni hamda ularning xossalarini tavsiflaydi; Bilimlar nima? Sinapslarning simmetriyasini rad etish usuli quyidagilarga imkon beradi: Perseptronning mashg'uloti qachon tugallangan hisoblanadi Perseptronni o'rganish algoritmi Perseptronni o'rganish algoritmini bajargandan so'ng, biz chekli qadamlar ichida perseptron berilgan vazifani o'rgana olmaydi, deb ayta olamizmi? Berilgan chiqish neyronining xato signali deyiladi: Agar ikkita namuna juda o'xshash bo'lsa, unda: Agar kirish vektori saqlangan tasvirlardan biriga mos kelsa, u holda: Statistik o'rganish algoritmlarida ikkita neyron o'rtasidagi sinoptik aloqaning o'zgarishi miqdori quyidagilarga bog'liq: Bir neyronli perseptron bilan umumiy makonning o'lchami aniqlanadi Bir qavatli perseptron quyidagi muammolarni hal qiladi: strukturalashgan ma’lumotlar maksimal xotira hajmiga erishish chiqish xatosi yetarlicha kichik bo'ladi nazorat ostida o'rganish algoritmi Ha neyron chiqishi va uning maqsadli qiymati o'rtasidagi farq ular o'zaro bog'lanishlarga olib kelishi mumkin bir neyron tanib olish qatlamida yonadi tasodifiy o'zgaradi kirish vektorining uzunligi funksiyalarning yaqinlashishi Perseptronning aylanish teoremasi quyidagilarni bildiradi: agar bu vazifani perseptron bilan ifodalash mumkin bo'lmasa, u holda o'rganish algoritmi tsiklga aylanadi Ko'p qatlamli perseptronning barcha faqat oxirgi qatlamning neyronlari neyronlarini o'rgatish mumkinmi? Qanday masalalarni yechishda ko’proq uch o'lchovli ob'ektlarni tanishdan foydalaniladi? Exspert tizimlar ko’proq qanday bilimlarga asoslanadi ML da minimallashtirish tushunchasi nimani anglatadi sun'iy neyron Tanib olish bosqichi boshlanadi: Perseptron qanday holatda bu masalani hal qilishni o'rganishi mumkin? DAP tarmog'i bir hil bo'lmagan deb ataladi, agar: rasmlarga ishlov berishda exspertlarning empirik bilimlari asosida shakllantirilgan bilimlarga mazmunan bir biriga o`xshash ma'lumotlarni birlashtirish biologik neyronning asosiy funktsiyalarini taqlid qiladi kirish vektorini yetkazib berish vaqtida agar muammo perseptron bilan ifodalansa har bir neyron o'z chegara funktsiyasiga ega DAP qanday xotira turi? geteroassotsiativ Modeling, Data Mining, Data File Sources, File Exporting Maʼlumotni qayta ishlash xususiyatlari, ...... o‘z ichiga oladi Identifikatsiyani boshqarish funksional imkoniyatlari tizimga kirish huquqiga ega bo‘lgan barcha foydalanuvchilar, shu jumladan ...................boshqaradi Big Data Analytics vositalari ... Statistik tahlil qancha bosqichda amalga oshiriladi Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shaxs bilan bog‘liqlikni o‘rganish; Ulanishlarni umumlashtirish uchun model yaratish; Maʼlumotlarni qayta ishlash texnologiyalari maʼlumotlarni to‘plash,saralash va tashkillashtirishni shaxsiy foydalanuvchilar, kompyuter uskunalari va dasturiy taʼminotni identifikatsiyalash maʼlumotlarini foydalanuvchilarga turli xil tahlil paketlari va modullarini taklif qiladi 5 Statistik tahlilning 1-chi bosqichi Statistik tahlilning 2-chi bosqichi To‘g‘riligini isbotlash; Statistik tahlilning 3-chi bosqichi Rad etish; Statistik tahlilning 4-chi bosqichi Qarorlarni boshqarish uchun bashoratli tahlillarni qo‘llash. Statistik tahlilning 5-chi bosqichi ML qanday muammolarni hal qilish uchun maʼlumotlar tahlilini amalga oshirish uchun tayanch vazifasini o‘tashi mumkin bo‘lgan ochiq manbali dasturlar to‘plami Statistik tahlilning 1-chi bosqichi Statistik tahlilning 2-chi bosqichi Statistik tahlilning 3-chi bosqichi Statistik tahlilning 4-chi bosqichi Statistik tahlilning 5-chi bosqichi Shaxsni anglab olish, shaxs ovozini va yuzini tanib olish, avtomobillarning tartib raqamini tanib olish neyron tarmoqlarning qo'llaniladigan qaysi sohasiga kiradi? Shaxsni anglab olish, shaxs ovozini va yuzini tanib olish, avtomobillarning tartib raqamini tanib olish neyron tarmoqlarning qaysi usuli yordamida o`rganiladi Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shachs bilan bog‘liqlikni o‘rganish; Ulanishlarni umumlashtirish uchun model yaratish; To‘g‘riligini isbotlash; Rad etish; Qarorlarni boshqarish uchun bashoratli tahlillarni qo‘llash. Xavfsizlik va qo’riqlash tizimlari CNN kiradi? Analog model - Aslida, bilim muhandisligi: Tarjima qilish tizimlari Dinamik matematik model Bashorat qilish tizimlari Har xil qaror qabul qilish holatlari uchun modellarning asosiy toifalari Data Mining yoki Data Mining Statik matematik model haqiqiy tizimga o'xshamaydi, lekin uning xatti-harakatlarini taqlid qiladi bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami kuzatishlar natijasida vaziyatning tavsifini aniqlash vaqt o'tishi bilan o'zgarib turadigan stsenariylarni baholash uchun foydalaniladi ob-havoni bashorat qilish, aholini bashorat qilish, iqtisodiy prognozlash, hosilni baholash va harbiy, marketing va moliyaviy prognozlarni o'z ichiga oladi. yuqoridagilarning barchasi ma'lumotlar bazalarida bilimlarni kashf qilish, bilimlarni olish, ma'lumotlarni qazib olish, ma'lumotlarni qazib olish, ma'lumotlar namunasini qayta ishlash, ma'lumotlarni tozalash va yig'ish uchun ishlatiladigan atama; Bunga tegishli dasturiy ta'minot ham kiradi. vaziyatning oddiy "suratini" (yoki "cast") takrorlaydi Model protsessor odatda quyidagi amallarni bajaradi Bilim muhandisligi Bilimlar bazasi Intellektual tizimlarni ishlab chiquvchilar uchun integratsiyaning maqsadi Jismoniy model Model Jadvallar bilan ishlash uchun Python dasturlash tilining qaysi kutubxinasidan foydalaniladi Diagrammani ko'rsatish uchun qaysi buyrugdan foydalaniladi ML tarkibidagi regressiya usuli qaysi yo'nalishlarda qo'llaniladi kuzatishlar natijasida vaziyatning tavsifini aniqlash Har xil qaror qabul qilish holatlari uchun modellarning asosiy toifalari OLAP - Onlayn tahliliy ishlov berish Diagnostika tizimlari Agar neyron tarmoq o'qitiladi Agar tarmoq yashirin qatlamlarda juda ko'p sonli neyronlarga ega bo'lsa, u holda 2010 yilda KB ma'murlari uchun integratsiya maqsadi yuqoridagilarning barchasi bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami muammolarni tushunish, shakllantirish va hal qilish uchun zarur bo'lgan bilim sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi haqiqatning soddalashtirilgan tasviri yoki mavhumligi Pandas plt.show() Prognozlash ilmida haqiqatning soddalashtirilgan tasviri yoki mavhumligi yuqoridagilarning barchasi operativ analitik ishlov berish tibbiyot, elektronika, mexanika va dasturiy ta'minot sohasidagi diagnostikani o'z ichiga oladi o'quv kirishlarini bajarayotganda, u tegishli o'quv natijalarini ishlab chiqaradi tarmoqni qayta tayyorlash mumkin maʼlumotlarni so‘rash va tahlil qilish uchun Apache Hadoop- ning tepasida qurilgan maʼlumotlar ombori dasturining loyihasi yaratildi birinchi navbatda ma'lumotlar bazasi texnologiyasida, lekin KBMS talablariga moslashtirilgan bir qator vositalarni taqdim etish "Ish haqi" ustuni 50000 dan katta bo'lgan DataFrame df-dagi qatorlarni qanday filtrlaysiz? Python-da pandalar kutubxonasini qanday import qilasiz? Pandasda DataFrame nima? DataFrame df dan "Yosh" nomli ustunni qanday tanlash mumkin? head()Funksiya pandas kutubxonasida vazifasi qanday? DataFrame df da yetishmayotgan qiymatlarni qanday tekshirasiz? describe()Funktsiya pandas kutubxonasida nima vazifani bajaradi? groupby()Funksiya pandas kutubxonasida vazifasi qanday? DataFrame df dan "Shahar" nomli ustunni qanday o'chirish mumkin? merge()Funksiyasining pandas kutubxonasida vazifasi qanday? Qanday qilib "df" dagi ma`lumotlar o`zgartirilgan xolatini "data"a ga saqlash mumkin? Seaborn nima? Quyidagi chizmalardan qaysi biri bir oʻzgaruvchan kuzatishlar toʻplamining taqsimlanishini tasavvur qilish uchun ishlatiladi? Seabornda scatter grafigini yaratish uchun qaysi funksiyadan foydalaniladi? Seaborn funksiyalarida rang parametri nimani anglatadi? Seaborn chizmalarining umumiy estetik uslubini qanday o'rnatishingiz mumkin? Seabornda issiqlik xaritasini qanday yaratish mumkin? Python-da Matplotlib-ning asosiy maqsadi nima? Matplotlib ichidagi qaysi modul chizmachilik uchun asosiy sinflarni taqdim etadi? df[df['Salary'] > 50000] import pandas as pd Har xil turdagi ustunlarga ega boʻlgan ikki oʻlchovli etiketli maʼlumotlar strukturasi df['Age'] DataFrame ning dastlabki 5 qatorini beradi df.isnull() DataFramedagi son ustunlarning tavsiflovchi statistikasi DataFrame-ni belgilangan ustun yoki ustunlar bo‘yicha guruhlaydi df.drop('City', axis=1) Umumiy ustun asosida ikkita DataFrameni birlashtiradi df.to_csv('data.csv') Ma'lumotlarni vizualizatsiya qilish kutubxonasi Gistogramma seaborn.scatterplot() Rangni kodlash uchun qo'shimcha toifali o'zgaruvchi seaborn.set_theme() seaborn.heatmap() Ma’lumotlarni vizuallashtirish matplotlib.axes Matplotlib yordamida oddiy chiziqli chizma qanday yaratiladi? Matplotlib figurasini faylga saqlash uchun qaysi funksiyadan foydalaniladi? Matplotlibda subplot()funksiya nima qiladi? Matplotlib syujetining sarlavhasini belgilash uchun qaysi funksiyadan foydalaniladi? Oddiy chiziqli regressiyaning ma`nosi? Regressiya tahlili nima? Neyron tarmoqlarda uzilishning maqsadi nima? Quyidagilardan qaysi biri nazorat ostida o‘qitish algoritmi hisoblanadi? Qaysi turdagi o'rganish modeli o'z xatolaridan saboq olish va shunga mos ravishda parametrlarini yangilash bilan tavsiflanadi? Mijozlarning norozligini aniqlash nima? Nima uchun mijozlarning noroziligi aniqlash biznes uchun muhim? Mijozlarning noroziligini umumiy ko'rsatkichi nima? Qanday qilib korxonalar mijozlarning noroziligini oldini olishlari mumkin? Korxonalar mijozlarning norozilik darajasini qanday o'lchashlari mumkin? Quyidagilardan qaysi biri konvolyutsion neyron tarmoqlarining (CNN) keng tarqalgan qo'llanilishi hisoblanadi? Chuqur o'rganish kontekstida transfer o'rganish nima? Kompyuterni ko'rishning asosiy maqsadi nima? Quyidagilardan qaysi biri kompyuter ko'rishning keng tarqalgan plot() savefig() Joriy chizmaga pastki chizmalarni qo‘shadi title() Oddiy chiziqli regressiya faqat bitta mustaqil o'zgaruvchidan foydalangan holda bog'liq o'zgaruvchini bashorat qilishni o'z ichiga oladi Regressiya tahlili bir bog'liq o'zgaruvchi va bir yoki bir nechta mustaqil o'zgaruvchilar o'rtasidagi munosabatni tekshirish uchun qo'llaniladigan statistik usuldir. Haddan tashqari moslashishni kamaytirish Qarorlar daraxti Reinforcement learning Mustahkamlash o`qitish Vaqt o'tishi bilan kompaniyaning mahsulot yoki xizmatlaridan foydalanishda davom etadigan mijozlar foizi biznesning daromadi va rentabelligiga ta'sir qiladi Mijozlarni jalb qilish yoki foydalanishning keskin pasayishi mijozlarga mukammal xizmat ko'rsatish yo'qolgan mijozlar sonini davr boshidagi umumiy mijozlar soniga bo'lish yo'li bilan Tasvirni aniqlash Neyron tarmoqni muayyan vazifaga o'rgatish va uni boshqa, ammo bog'liq vazifaga qo'llash Tasvir tasnifi Hissiyotlarni tahlil qilish qo'llanilishiga misol bo`la olmaydi? Kompyuter ko'rishda tasvirni segmentatsiyalashdan maqsad nima? Konvolyutsion neyron tarmoqlari (CNN) vazifasi nima? Kompyuter ko'rish modellarini o'rgatishda ma'lumotlarni ko'paytirishdan maqsad nima? Tabiiy tilni qayta ishlash (NLP) ning asosiy maqsadi nima? Quyidagilardan qaysi biri NLP ning umumiy qo'llanilishiga mos kelmaydi? NLP-da matnni tasniflash vazifalari uchun qaysi turdagi mashina o'rganish qo'llaniladi? NLP da ob'ektni tanib olish (NER) nima uchun ishlatiladi? NLPda til modelining maqsadi nima? Google Teachable Machine nima? Teachable Machine asosan mashinani o'rganishning qaysi turiga e'tibor beradi? Teachable Machine-ning asosiy maqsadi nima? Teachable Machine yordamida qanday turdagi modellarni yaratish mumkin? Teachable Machine-dan foydalanish uchun qaysi dasturlash tili talab qilinmaydi? Qanday qilib Teachable Machine foydalanuvchilarga o'qitilgan modellarini eksport qilishga imkon beradi? Teacheble machine da yaratilgan loyihalarni qaysi tizimlar qòllab quvvatlaydi? array([0, 1, 2, 3]) massivi ustida cumsum metodini bajsak, eng oxirgi element qanday qiiymatga ega bo'lib qoladi? array([2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6, 7]) ko'rinishdagi massiv ustida unique tasvir ichidagi ob'ektlarni aniqlash Tasvirni aniqlash O'quv ma'lumotlar to'plamining hajmini oshirish Kompyuterlar yordamida odamga o'xshash tilni qayta ishlash Ob-havoni bashorat qilish Nazorat ostida o‘rganish Matndagi nomlar, manzillar va sanalar kabi aniq ob'ektlarni aniqlash Ketma-ketlikda keyingi so‘zni bashorat qilish Google tomonidan mashinani o'rganish tajribasi nazorat ostida o‘qitish mashinalo o`qitishni kodlashsiz foydalanish imkoniyatini yaratish Tasvir, tovush va poza modellari Python Yuklab olinadigan fayl sifatida Veb-brauzerlar, Android va iOS 6 array([2, 3, 4, 5, 6, 7]) funksiyasiga argument sifatida uzatadigan bo'lsak, natija qanday bo'ladi? arr1 va arr2 massivlarini faylda saqlash uchun to’g’ri kodni ko’rsating. arr1 massivini .npy fayl kengaytmada saqlash kodini ko’rsating. massivdagi takrorlanmas elementlarni qaytaruvchi (takrorlansa ham faqat bittasini qabul qiluvchi) funksiyani ko’rsating. ikki ulchamli (3x4) arr massivini elimentlarini garizantal yunalishda elimentlarini tartiblang. ikki ulchamli (3x4) arr massivini elimentlarini vertikal yunalishda elimentlarini tartiblang. Yig'indilab boradigan yig'indi metodini ko’rsating Numpay funksiyasi yordamida 3 ulchamli (4x3) elementlari max qiymati 100 gacha bo’lgan taxminiy qiymatlardan tashkil topgan massiv yaratish kodini ko’rsating. arange funksiyasi yordamida 100 dan 200 gacha sonlar orasidan juft sonlardan massiv yaratish kodini ko’rsating. np.savez("data.npz",x=arr1,y=arr2) np.save("data.npy",arr1) np.unique() np.sort(arr,axis=1) np.sort(arr,axis=0) cumsum() np.random.randint(100,size=(3,4,3)) np.arange(100,200,2) Pandas DataFrame yaratish uchun to'g'ri sintaksis nima? pd.Dataframe(data) NumPy kutubxonasini chaqirib olish qaysi qatorda tug’ri ko’rsatilgan. import numpy as np Numpy kutubxonasi qanday turdagi ma’lumotlar ustida amal bajarish uchun ishlariladi? N-ulchamli massivlarga ishlov berish uchun ishlatiladi. Loyha Metodologiyasi nima? Metodologiya – bu ma’lum bir sohadagi jarayonlar va faoliyatni boshqaradigan umumiy strategiya. Bashorat qilish tizimlari ob-havoni bashorat qilish, aholini bashorat qilish, iqtisodiy prognozlash, hosilni baholash va harbiy, marketing va moliyaviy prognozlarni o'z ichiga oladi. Kichik loyhalar uchun ishlatilinadigan metadalogiya qaysi javobda keltirilgan? Agile modeli. Data Mining ? ma'lumotlar bazalarida bilimlarni kashf qilish, bilimlarni olish, ma'lumotlarni qazib olish, ma'lumotlarni qazib olish, ma'lumotlar namunasini qayta ishlash, ma'lumotlarni tozalash va yig'ish uchun ishlatiladigan atama; Bunga tegishli dasturiy ta'minot ham kiradi. Pandas DataFrame-da birinchi qatorni qaytarish uchun to'g'ri sintaksis nima? df[0] NumPy kutubxonasining ommalashishiga sabab bo’lgan asosiy omil qaysi? Vektorlashgan hisoblash. Bilim muhandisligi bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami Bilimlar bazasi muammolarni tushunish, shakllantirish va hal qilish uchun zarur bo'lgan bilim Intellektual tahlilchilarning ishlab chiquvchilar uchun integratsiyaning maqsadi sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi Vektorlashgan hisoblashga ta’rif bering. Massiv ko’rinishidagi ma’lumotlar to’plamining barcha elementlari ustida bir vaqtning o’zida hisoblash amallarini bajarish. N-o’lchamli massivlarning o’lchamini bilish metodini ko’rsating. .ndim Barcha elementlari 1 dan tashlik topgan (2,4) massiv yaratish kodini ko’rsating. np.ones(shape=(2,4)) Diagnostika tizimlari tibbiyot, elektronika, mexanika va dasturiy ta'minot sohasidagi diagnostikani o'z ichiga oladi Ekspertiza muammoni hal qilish uchun o'rganish, o'qish va tajribadan olingan keng qamrovli, maxsus bilim Ekspert tizimi odatda inson tajribasini talab qiladigan muammolarni hal qilish uchun kompyuterga kiritilgan inson bilimlaridan foydalanadigan tizim arange funksiyasi yordamida 100 dan 200 gacha sonlar orasidan juft sonlardan massiv yaratish kodini ko’rsating. np.arange(100,200,2) Numpay funksiyasi yordamida (5,6) elementlari (0~1) oraliqda taxminiy qiymatlardan tashkil topgan massiv yaratish kodini ko’rsating. np.random.rand(5,6) Perseptronning kirishi haqiqiy sonlardan tashkil topgan vektor pandas kutubxonasi tarkibidagi ikki eng muhim ma'lumotlar turi qanday ataladi? Series, DataFrame Series obyektining qiymatlarini ko'rish uchun uning qaysi parametriga murojaat qilamiz. .values Yig'ilib boriladigan ko'paytma metodini ko’rsating. cumprod() DataFrame ning dastlabki 20 qatorini qaytarish uchun to'g'ri sintaksis nima? df.head(20) CRISP-DM metodologiyasining yoyilmasini to`g`ri belgilang? industry standard proccessing-Data Mining Predictive so'zining ma`nosi Cross Bashoratlash Predictive tahlil bizga qanday malumotlarni taqdim etadi? Oldindan sodir bo`lishi mumkin bo`lgan voqea yoki hodisa haqida qimmatli ma'lumotlarni taqdim etadi Agar tarmoq yashirin qatlamlarda juda ko'p sonli neyronlarga ega bo'lsa, u holda tarmoqni qayta tayyorlash mumkin Sun'iy neyron tarmoq – bu………………………….. ………….to'plami. birbiriga bog'langan neyronlar; ML ni o'qitishda qo'llaniladigan offline usuli kamchiligini aniqlang Ko`plab ma`lumotlarni,vaqtni talab qiladi va ozgarish bo`lganida jarayonni yangilashga ehtiyoj seziladi Sun'iy intellektdan foydalanishning funksional tuzilishi qanday komplekslardan iborat? Bajaruvchi tizim, intellektual interfeys, bilimlar bazasi Ma’lumotlar nima? ularning xossalarini obyektlar, jarayonlar va hodisalarni hamda tavsiflaydi; Bilimlar nima? strukturalashgan ma’lumotlar Sinapslarning simmetriyasini rad etish usuli quyidagilarga imkon beradi: maksimal xotira hajmiga erishish Perseptronning mashg'uloti qachon tugallangan hisoblanadi chiqish xatosi yetarlicha kichik bo'ladi Perseptronni o'rganish algoritmi algoritmi nazorat ostida o'rganish Perseptronni o'rganish algoritmini bajargandan so'ng, biz chekli qadamlar ichida perseptron berilgan vazifani o'rgana olmaydi, deb ayta olamizmi? Ha Berilgan chiqish neyronining xato signali deyiladi: chiqishi va uning maqsadli qiymati o'rtasidagi farq neyron Agar ikkita namuna juda o'xshash bo'lsa, unda: ular o'zaro bog'lanishlarga olib kelishi mumkin Agar kirish vektori saqlangan tasvirlardan biriga mos kelsa, u holda: bir neyron tanib olish qatlamida yonadi Statistik o'rganish algoritmlarida ikkita neyron o'rtasidagi sinoptik aloqaning o'zgarishi miqdori quyidagilarga bog'liq: tasodifiy o'zgaradi Bir neyronli perseptron bilan umumiy makonning o'lchami aniqlanadi kirish vektorining uzunligi Bir qavatli perseptron quyidagi muammolarni hal qiladi: funksiyalarning yaqinlashishi Perseptronning aylanish teoremasi quyidagilarni bildiradi: agar bu vazifani perseptron bilan ifodalash mumkin bo'lmasa, u holda o'rganish algoritmi tsiklga aylanadi Ko'p qatlamli perseptronning barcha neyronlarini o'rgatish mumkinmi? faqat oxirgi qatlamning neyronlari Qanday masalalarni yechishda ko’proq uch o'lchovli ob'ektlarni tanishdan foydalaniladi? rasmlarga ishlov berishda Exspert tizimlar ko’proq qanday bilimlarga asoslanadi exspertlarning empirik bilimlari asosida shakllantirilgan bilimlarga ML da minimallashtirish tushunchasi nimani anglatadi mazmunan bir biriga o`xshash ma'lumotlarni birlashtirish sun'iy neyron biologik neyronning asosiy funktsiyalarini taqlid qiladi Tanib olish bosqichi boshlanadi: berish vaqtida kirish vektorini yetkazib Perseptron qanday holatda bu masalani hal qilishni o'rganishi mumkin? agar muammo perseptron bilan ifodalansa DAP tarmog'i bir hil bo'lmagan deb ataladi, agar: o'z chegara funktsiyasiga ega har bir neyron DAP qanday xotira turi?geteroassotsiativ Modeling, Data Mining, Data File Sources, File Exporting Maʼlumotlarni qayta ishlash texnologiyalari Maʼlumotni qayta ishlash xususiyatlari, ...... o‘z ichiga oladi maʼlumotlarni to‘plash,saralash va tashkillashtirishni Identifikatsiyani boshqarish funksional imkoniyatlari tizimga kirish huquqiga ega bo‘lgan barcha foydalanuvchilar, shu jumladan ...................boshqaradi shaxsiy foydalanuvchilar, kompyuter uskunalari va dasturiy taʼminotni identifikatsiyalash maʼlumotlarini Big Data Analytics vositalari ... foydalanuvchilarga turli xil tahlil paketlari va modullarini taklif qiladi Statistik tahlil qancha bosqichda amalga oshiriladi 5 Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shaxs bilan bog‘liqlikni o‘rganish; Statistik tahlilning 1-chi bosqichi Ulanishlarni umumlashtirish uchun model yaratish; tahlilning 2-chi bosqichi To‘g‘riligini isbotlash; Rad etish; Statistik Statistik tahlilning 3-chi bosqichi Statistik tahlilning 4-chi bosqichi Qarorlarni boshqarish uchun bashoratli tahlillarni qo‘llash. Statistik tahlilning 5-chi bosqichi Pandas DataFrame yaratish uchun to'g'ri sintaksis nima? ==== # pd.Dataframe(data) ==== pd.dataframe(data) ==== pd.Dataframe(Dataframe) ==== pd.Dataframa(data) ++++ NumPy kutubxonasini chaqirib olish qaysi qatorda tug’ri ko’rsatilgan. ==== # import numpy as np ==== import numpy as npn ==== import numpy as pd ==== import numpy as nump ++++ Numpy kutubxonasi qanday turdagi ma’lumotlar ustida amal bajarish uchun ishlariladi? ==== # N-ulchamli massivlarga ishlov berish uchun ishlatiladi. ==== Jadvallarga ishlov berish uchun ishlatiladi. ==== Jadvallarni faylda saqlash uchun ishlatiladi. ==== Barcha javoblar to’g’ri. ++++ Loyha Metodologiyasi nima? ==== # Metodologiya – bu ma’lum bir sohadagi jarayonlar va faoliyatni boshqaradigan umumiy strategiya. ==== Barcha javoblar to’g’ri. ==== Metodologiya – biror faoliyatda qo’llaniladigan usullar tizimi. ==== Metodologiya – ma’lum texnalogiyalar yoki vositalarga bog’liq emas, yoki tayyor reseptlar to’plami ham emas. ++++ Bashorat qilish tizimlari ==== # ob-havoni bashorat qilish, aholini bashorat qilish, iqtisodiy prognozlash, hosilni baholash va harbiy, marketing va moliyaviy prognozlarni o'z ichiga oladi. ==== tizimning xatti-harakatlari kuzatuvlarini maqsadga erishish uchun hal qiluvchi bo'lib ko'rinadigan standartlar bilan solishtiring ==== avtomatik dasturlash kabi rejalashtirish vazifalariga ixtisoslashgan ==== kuzatishlar natijasida vaziyatning tavsifini aniqlash ++++ Kichik loyhalar uchun ishlatilinadigan metadalogiya qaysi javobda keltirilgan? ==== # Agile modeli. ==== CRISP-DM modeli. ==== Sharshara modeli ==== To’g’ri javob yuq. ++++ Data Mining ? ==== # ma'lumotlar bazalarida bilimlarni kashf qilish, bilimlarni olish, ma'lumotlarni qazib olish, ma'lumotlarni qazib olish, ma'lumotlar namunasini qayta ishlash, ma'lumotlarni tozalash va yig'ish uchun ishlatiladigan atama; Bunga tegishli dasturiy ta'minot ham kiradi. ==== muammoni hal qilish yoki qaror qabul qilish uchun tushunarli va qo'llanilishi uchun tashkil etilgan va tahlil qilingan ma'lumotlar ==== operatsiyalarni operativ qayta ishlash ==== Ma'lumotlarni saralash jarayoni ++++ Pandas DataFrame-da birinchi qatorni qaytarish uchun to'g'ri sintaksis nima? ==== # df[0] ==== df[1] ==== df.loc[0] ==== dfloc[1] ++++ NumPy kutubxonasining ommalashishiga sabab bo’lgan asosiy omil qaysi? ==== # Vektorlashgan hisoblash. ==== Ishlatishga osonligi. ==== Raqamli hisoblash uskunalari. ==== Ishlashdagi tezligi. ++++ Bilim muhandisligi ==== # bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami ==== sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. ==== birinchi navbatda ma'lumotlar bazasi texnologiyasida, lekin KBMS talablariga moslashtirilgan bir qator vositalarni taqdim etish ==== ES metodologiyasi, ekspert bilimlari qoidalarida ajratib olish, tahlil qilish va ifodalash usullarini qamrab oladi ++++ Bilimlar bazasi ==== # muammolarni tushunish, shakllantirish va hal qilish uchun zarur bo'lgan bilim ==== muammoni hal qilish uchun o'rganish, o'qish va tajribadan olingan keng qamrovli, maxsus bilim ==== odatda inson tajribasini talab qiladigan muammolarni hal qilish uchun kompyuterga kiritilgan inson bilimlaridan foydalanadigan tizim ==== ob'ektlar, hodisalar yoki jarayonlar sinfini ifodalash uchun zarur bo'lgan minimal axborot tuzilmalari ++++ Intellektual tahlilchilarning ishlab chiquvchilar uchun integratsiyaning maqsadi ==== # sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. ==== birinchi navbatda ma'lumotlar bazasi texnologiyasida, lekin KBMS talablariga moslashtirilgan bir qator vositalarni taqdim etish ==== bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami ==== ES metodologiyasi, ekspert bilimlari qoidalarida ajratib olish, tahlil qilish va ifodalash usullarini qamrab oladi ++++ ==== # eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi ==== vaqt o'tishi bilan o'zgarib turadigan stsenariylarni baholash uchun foydalaniladi ==== haqiqatning soddalashtirilgan tasviri yoki mavhumligi ==== vaziyatning oddiy "suratini" (yoki "cast") takrorlaydi ++++ Vektorlashgan hisoblashga ta’rif bering. ==== # Massiv ko’rinishidagi ma’lumotlar to’plamining barcha elementlari ustida bir vaqtning o’zida hisoblash amallarini bajarish. ==== Massiv ko’rinishidagi ma’lumotlar tuplamining har bir elimenti ustida ketma-ket hisoblash amallarini bajarishi. ==== Massiv ko’rinishidagi ma’lumotlar to’plamining barcha elementlarini birma-bir massiv ko’rinishida saqlaydi. ==== Massiv ko’rinishidagi ma’lumotlar to’plamining barcha elementlarini bir vaqtning o’zida massiv ko’rinishida saqlaydi. ++++ N-o’lchamli massivlarning o’lchamini bilish metodini ko’rsating. ==== # .ndim ==== .dtype() ==== .dtype ==== .ndim() ++++ Barcha elementlari 1 dan tashlik topgan (2,4) massiv yaratish kodini ko’rsating. ==== # np.ones(shape=(2,4)) ==== np.ones(size=(2,4)) ==== np.ones(4,2) ==== np.ones[shape=(2,4)] ++++ Diagnostika tizimlari ==== # tibbiyot, elektronika, mexanika va dasturiy ta'minot sohasidagi diagnostikani o'z ichiga oladi ==== kuzatishlar natijasida vaziyatning tavsifini aniqlash ==== tizimning xatti-harakatlari kuzatuvlarini maqsadga erishish uchun hal qiluvchi bo'lib ko'rinadigan standartlar bilan solishtiring ==== avtomatik dasturlash kabi rejalashtirish vazifalariga ixtisoslashgan ++++ Ekspertiza ==== # muammoni hal qilish uchun o'rganish, o'qish va tajribadan olingan keng qamrovli, maxsus bilim ==== ob'ektlar, hodisalar yoki jarayonlar sinfini ifodalash uchun zarur bo'lgan minimal axborot tuzilmalari ==== muammolarni tushunish, shakllantirish va hal qilish uchun zarur bo'lgan bilim ==== odatda inson tajribasini talab qiladigan muammolarni hal qilish uchun kompyuterga kiritilgan inson bilimlaridan foydalanadigan tizim ++++ Ekspert tizimi ==== # odatda inson tajribasini talab qiladigan muammolarni hal qilish uchun kompyuterga kiritilgan inson bilimlaridan foydalanadigan tizim ==== ob'ektlar, hodisalar yoki jarayonlar sinfini ifodalash uchun zarur bo'lgan minimal axborot tuzilmalari ==== muammoni hal qilish uchun o'rganish, o'qish va tajribadan olingan keng qamrovli, maxsus bilim ==== muammolarni tushunish, shakllantirish va hal qilish uchun zarur bo'lgan bilim ++++ arange funksiyasi yordamida 100 dan 200 gacha sonlar orasidan juft sonlardan massiv yaratish kodini ko’rsating. ==== # np.arange(100,200,2) ==== pd.arange(100,200,2) ==== np.arange(size=(4,20,2)) ==== np.arange(shape=(4,20,2)) ++++ Numpay funksiyasi yordamida (5,6) elementlari (0~1) oraliqda taxminiy qiymatlardan tashkil topgan massiv yaratish kodini ko’rsating. ==== # np.random.rand(5,6) ==== np.random.randn(5,6) ==== np.random.randint(0,1, size=(5,6)) ==== barcha javoblar to’g’ri ++++ Perseptronning kirishi ==== # haqiqiy sonlardan tashkil topgan vector ==== 0 va 1 qiymatlari ==== nollar va birliklar vektori ==== butun haqiqiy o'q (-?;+?) ++++ pandas kutubxonasi tarkibidagi ikki eng muhim ma'lumotlar turi qanday ataladi? ==== # Series, DataFrame ==== Massiv, Obyekt ==== DataFrame va Massiv ==== Obyekt, DataFrame. ++++ Series obyektining qiymatlarini ko'rish uchun uning qaysi parametriga murojaat qilamiz. ==== # .values ==== .np.values() ==== pd.index ==== np.index ++++ Yig'ilib boriladigan ko'paytma metodini ko’rsating. ==== # cumprod() ==== cumsum() ==== sum() ==== mean() ++++ DataFrame ning dastlabki 20 qatorini qaytarish uchun to'g'ri sintaksis nima? ==== # df.head(20) ==== df.head(19) ==== df.row(20) ==== df.column(20) ++++ CRISP-DM metodologiyasining yoyilmasini to`g`ri belgilang? ==== # Cross industry standard proccessing-Data Mining ==== Classical industry standard proccessing-Data Mining ==== Cross industry server proccessing-Data Mining ==== Cross intelligence standard proccessing-Data Mining ++++ Predictive so'zining ma`nosi ==== # Bashoratlash ==== Ehtimollash ==== tadqiqot ==== Oldindan sodir bolishi mumkin bo'lgan voqea yoki hodisa haqidagi aniq yechimni taqdim etadi ++++ Predictive tahlil bizga qanday malumotlarni taqdim etadi? ==== # Oldindan sodir bo`lishi mumkin bo`lgan voqea yoki hodisa haqida qimmatli ma'lumotlarni taqdim etadi ==== Aniq yechim taqdim etiladi ==== Qiyosiy tahlil taqdim etiladi ==== vazn qiymatlari juda kichik bo'ladi ++++ Agar tarmoq yashirin qatlamlarda juda ko'p sonli neyronlarga ega bo'lsa, u holda ==== # tarmoqni qayta tayyorlash mumkin ==== tarmoqni o'qitish uchun zarur bo'lgan vaqt minimal ==== tarmoqni o'qitish uchun zarur bo'lgan vaqt, maksimal ==== tarmoq muammoni hal qilish uchun etarlicha moslashuvchan bo'lmasligi mumkin ++++ Sun'iy neyron tarmoq – bu………………………….. ………….to'plami. ==== # bir-biriga bog'langan neyronlar; ==== bir-biriga bog'lanmagan neyronlar ==== bir-biriga bog'langan neyropaketlar; ==== bir-biriga bog'langan neyroilovalar. ++++ ML ni o'qitishda qo'llaniladigan offline usuli kamchiligini aniqlang ==== # Ko`plab ma`lumotlarni,vaqtni talab qiladi va ozgarish bo`lganida jarayonni yangilashga ehtiyoj seziladi ==== aynan bitta masalani hal qiladi ==== ma`lumotlar avtomatik tarzda yangilanadi ==== Hotiradan ko`p joyni talab qiladi ++++ "Sun'iy intellektdan foydalanishning funksional tuzilishi qanday komplekslardan iborat?" ==== # Bajaruvchi tizim, intellektual interfeys, bilimlar bazasi ==== Foydalanuvchi, muloqot tizimi, programmalar ==== Konseptual qatlam, bajaruvchi, izlash vositalari ==== Hisoblash, translyatorlar, axborotli qatlam ++++ Ma’lumotlar nima? ==== # "obyektlar, jarayonlar va hodisalarni hamda ularning xossalarini tavsiflaydi;" ==== faqat obyektlar, jarayonlar va hodisalarni tavsiflayd ==== faqat mantiqiy obyektlar tavsiflaydi ==== funksional va strukturali jarayonlarni tavsiflaydi. ++++ Bilimlar nima? ==== # strukturalashgan ma’lumotlar ==== strukturalashgan obyektlar ==== strukturalashgan tizimlar ==== strukturalashgan predmetlar ++++ Sinapslarning simmetriyasini rad etish usuli quyidagilarga imkon beradi: ==== # maksimal xotira hajmiga erishish ==== tarmoq barqarorligini ta'minlash ==== mahalliy minimaldan saqlaning ==== global pasayishlardan qoching ++++ Perseptronning mashg'uloti qachon tugallangan hisoblanadi ==== # chiqish xatosi yetarlicha kichik bo'ladi ==== berilgan funksiyaning etarlicha aniq yaqinlashuviga erishildi ==== o'quv majmuasining barcha vektorlari bir marta ishga tushiriladi ==== o'quv majmuasining barcha vektorlari bir necha marta bajariladi ++++ Perseptronni o'rganish algoritmi ==== # nazorat ostida o'rganish algoritmi ==== nazoratsiz o'rganish algoritmi ==== mustahkamlash o'rganish algoritmi ==== o‘quvchi bilan o‘rganish algoritmi ++++ Perseptronni o'rganish algoritmini bajargandan so'ng, biz chekli qadamlar ichida perseptron berilgan vazifani o'rgana olmaydi, deb ayta olamizmi? ==== # Ha ==== Yo'q ==== vazifaga qarab ==== modelga qarab ++++ Berilgan chiqish neyronining xato signali deyiladi: ==== # neyron chiqishi va uning maqsadli qiymati o'rtasidagi farq ==== faollashtirish funksiyasi hosilasi ==== berilgan chiqish neyroniga signal yuboradigan neyron uchun OUT qiymati ==== berilgan chiqish neyroniga signal yuboradigan neyron uchun NET qiymati ++++ Agar ikkita namuna juda o'xshash bo'lsa, unda: ==== # ular o'zaro bog'lanishlarga olib kelishi mumkin ==== ular bir naqshga birlashtirilishi mumkin ==== ular tarmoq barqarorligini buzishi mumkin ==== ular tarmoq chidamliligini kuchaytirishi mumkin ++++ Agar kirish vektori saqlangan tasvirlardan biriga mos kelsa, u holda: ==== # bir neyron tanib olish qatlamida yonadi ==== tanib olish qatlamining chiqishi mos keladigan saqlangan naqshdir ==== reset bloki ishga tushiriladi ==== barcha neyronlar tanib olish qatlamida yonadi ++++ Statistik o'rganish algoritmlarida ikkita neyron o'rtasidagi sinoptik aloqaning o'zgarishi miqdori quyidagilarga bog'liq: ==== # tasodifiy o'zgaradi ==== neyronning haqiqiy va kerakli natijalari o'rtasidagi farqdan ==== presinaptik neyronning qo'zg'alish darajasida ==== postsioptik neyronning qo'zg'alish darajasi bo'yicha ++++ Bir neyronli perseptron bilan umumiy makonning o'lchami aniqlanadi ==== # kirish vektorining uzunligi ==== muayyan vazifaning konteksti ==== vazn qiymatlari ==== faollashtirish funktsiyasi chegarasi ++++ Bir qavatli perseptron quyidagi muammolarni hal qiladi: ==== # funksiyalarning yaqinlashishi ==== naqshni aniqlash ==== ovozni aniqlash ==== Boshqa neyron tarmoqlarni o'rgatish ++++ Perseptronning aylanish teoremasi quyidagilarni bildiradi: ==== # agar bu vazifani perseptron bilan ifodalash mumkin bo'lmasa, u holda o'rganish algoritmi tsiklga aylanadi ==== agar muammoning yechimi bo'lmasa, o'rganish algoritmi tsiklga aylanadi ==== har qanday o'rganish algoritmi tsikllari ==== agar muammoning yechimlari mavjud bo'lsa, u holda o'rganish algoritmi tsiklga aylanadi ++++ Ko'p qatlamli perseptronning barcha neyronlarini o'rgatish mumkinmi? ==== # faqat oxirgi qatlamning neyronlari ==== faqat birinchi qavatning neyronlari ==== Ha ==== faqat birinchi va oxirgi qatlamning neyronlari ++++ "Qanday masalalarni yechishda ko’proq uch o'lchovli ob'ektlarni tanishdan foydalaniladi?" ==== # rasmlarga ishlov berishda ==== qishloq xo'jaligida ==== texnika tashxisida ==== tibbiy tashxisda. ++++ Exspert tizimlar ko’proq qanday bilimlarga asoslanadi ==== # exspertlarning empirik bilimlari asosida shakllantirilgan bilimlarga ==== ilmiy jurnallardan olingan bilimlarga; ==== gazetadan olingan bilimlarga. ==== Kitoblardan olinga bilimlarga ++++ ML da minimallashtirish tushunchasi nimani anglatadi ==== # mazmunan bir biriga o`xshash ma'lumotlarni birlashtirish ==== neyronlarning bir qatlamini kamaytirish ==== Ma'lumotlarni kamaytirish ==== Yozilgan kodlar qatorini minimallashtirish ++++ sun'iy neyron ==== # biologik neyronning asosiy funktsiyalarini taqlid qiladi ==== funksionalligi jihatidan biologik neyrondan ustundir ==== biologik neyronning modelidir ==== biologik neyronlar tarmog'idir ++++ Tanib olish bosqichi boshlanadi: ==== # kirish vektorini yetkazib berish vaqtida ==== hozirda reset qatlami ishga tushiriladi ==== tanib olish qatlamida g'olib neyronning qo'zg'alish momentida ==== tanib olish qatlamini ishga tushirish vaqtida ++++ Perseptron qanday holatda bu masalani hal qilishni o'rganishi mumkin? ==== # agar muammo perseptron bilan ifodalansa ==== agar muammo butun sonli yechimga ega bo'lsa ==== agar muammoning yechimi bo'lsa ==== agar muammoning yechimi bo'lmasa ++++ DAP tarmog'i bir hil bo'lmagan deb ataladi, agar: ==== # har bir neyron o'z chegara funktsiyasiga ega ==== berilgan kirish vektori bir nechta muqobil assotsiatsiyalar bilan bog'lanishi mumkin ==== bog'langan vektorlar turli o'lchamlarga ega ==== bog'langan vektorlar bir xil o'lchamlarga ega ++++ DAP qanday xotira turi? ==== # geteroassotsiativ ==== manzil ==== avtomatik manzil ==== avtoassotsiativ ++++ Modeling, Data Mining, Data File Sources, File Exporting ==== # Maʼlumotlarni qayta ishlash texnologiyalari ==== Maʼlumotlarni qayta ishlash modellari ==== Maʼlumotlarni qayta ishlash usullari ==== Maʼlumotlarni qayta ishlash tizimlari ++++ Maʼlumotni qayta ishlash xususiyatlari, ...... o‘z ichiga oladi ==== # maʼlumotlarni to‘plash,saralash va tashkillashtirishni ==== maʼlumotlarni to‘plash ==== maʼlumotlarni tashkillashtirishni ==== maʼlumotlarni saqlash ++++ Identifikatsiyani boshqarish funksional imkoniyatlari tizimga kirish huquqiga ega bo‘lgan barcha foydalanuvchilar, shu jumladan ...................boshqaradi ==== # shaxsiy foydalanuvchilar, kompyuter uskunalari va dasturiy taʼminotni identifikatsiyalash maʼlumotlarini ==== shaxsiy foydalanuvchilarmaʼlumotlarini ==== shaxsiy foydalanuvchilar, kompyuter uskunalari va dasturiy taʼminotni ==== kompyuter uskunalari va dasturiy taʼminotni ++++ Big Data Analytics vositalari ... ==== # foydalanuvchilarga turli xil tahlil paketlari va modullarini taklif qiladi ==== foydalanuvchilarga bir xil tahlil paketlari va modullarini taklif qiladi ==== foydalanuvchilarga tahlil paketlari taklif qiladi ==== foydalanuvchilarga turli xil modullarini taklif qiladi ++++ Statistik tahlil qancha bosqichda amalga oshiriladi ==== # 5 ==== 4 ==== 3 ==== 2 ++++ Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shaxs bilan bog‘liqlikni o‘rganish; ==== # Statistik tahlilning 1-chi bosqichi ==== Statistik tahlilning 2-chi bosqichi ==== Statistik tahlilning 3-chi bosqichi ==== Statistik tahlilning 4-chi bosqichi ++++ Ulanishlarni umumlashtirish uchun model yaratish; ==== # Statistik tahlilning 2-chi bosqichi ==== Statistik tahlilning 1-chi bosqichi ==== Statistik tahlilning 3-chi bosqichi ==== Statistik tahlilning 4-chi bosqichi ++++ To‘g‘riligini isbotlash; ==== # Statistik tahlilning 3-chi bosqichi ==== Statistik tahlilning 1-chi bosqichi ==== Statistik tahlilning 2-chi bosqichi ==== Statistik tahlilning 4-chi bosqichi ++++ Rad etish; ==== # Statistik tahlilning 4-chi bosqichi ==== Statistik tahlilning 1-chi bosqichi ==== Statistik tahlilning 2-chi bosqichi ==== Statistik tahlilning 3-chi bosqichi ++++ Qarorlarni boshqarish uchun bashoratli tahlillarni qo‘llash. ==== # Statistik tahlilning 5-chi bosqichi ==== Statistik tahlilning 1-chi bosqichi ==== Statistik tahlilning 2-chi bosqichi ==== Statistik tahlilning 3-chi bosqichi ++++ ML qanday muammolarni hal qilish uchun ==== # maʼlumotlar tahlilini amalga oshirish uchun tayanch vazifasini o‘tashi mumkin bo‘lgan ochiq manbali dasturlar to‘plami ==== butun maʼlumotlar tahlilini amalga oshirish uchun dasturlar to‘plami ==== maʼlumotlar tahlilini amalga oshirish uchun yopiq manbali dasturlar to‘plami ==== kompyuter fayllarini saqlash uchun ochiq manbali dasturlar to‘plami ++++ Statistik tahlilning 1-chi bosqichi ==== # Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shachs bilan bog‘liqlikni o‘rganish; ==== Ulanishlarni umumlashtirish uchun model yaratish; ==== To‘g‘riligini isbotlash; ==== Rad etish; ++++ Statistik tahlilning 2-chi bosqichi ==== # Ulanishlarni umumlashtirish uchun model yaratish; ==== Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shachs bilan bog‘liqlikni o‘rganish; ==== To‘g‘riligini isbotlash; ==== Rad etish; ++++ Statistik tahlilning 3-chi bosqichi ==== # To‘g‘riligini isbotlash; ==== Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shachs bilan bog‘liqlikni o‘rganish; ==== Ulanishlarni umumlashtirish uchun model yaratish; ==== Rad etish; ++++ Statistik tahlilning 4-chi bosqichi ==== # Rad etish; ==== Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shachs bilan bog‘liqlikni o‘rganish; ==== Ulanishlarni umumlashtirish uchun model yaratish; ==== To‘g‘riligini isbotlash; ++++ Statistik tahlilning 5-chi bosqichi ==== # Qarorlarni boshqarish uchun bashoratli tahlillarni qo‘llash. ==== Maʼlumotlarning mohiyatini tavsiflash, maʼlumotlarni taqdim etgan shachs bilan bog‘liqlikni o‘rganish; ==== Ulanishlarni umumlashtirish uchun model yaratish; ==== To‘g‘riligini isbotlash; ++++ "Shaxsni anglab olish, shaxs ovozini va yuzini tanib olish, avtomobillarning tartib raqamini tanib olish neyron tarmoqlarning qo'llaniladigan qaysi sohasiga kiradi?" ==== # Xavfsizlik va qo’riqlash tizimlari ==== Aloqa ==== Avionika ==== Bank sohasida ++++ "Shaxsni anglab olish, shaxs ovozini va yuzini tanib olish, avtomobillarning tartib raqamini tanib olish neyron tarmoqlarning qaysi usuli yordamida o`rganiladi ==== # CNN ==== ML ==== DNN ==== NLP ++++ Analog model - ==== # haqiqiy tizimga o'xshamaydi, lekin uning xatti-harakatlarini taqlid qiladi ==== vaziyatning oddiy "suratini" (yoki "cast") takrorlaydi ==== vaqt o'tishi bilan o'zgarib turadigan stsenariylarni baholash uchun foydalaniladi ==== eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi ++++ Aslida, bilim muhandisligi: ==== # bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami ==== sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. ==== ES metodologiyasi, ekspert bilimlari qoidalarida ajratib olish, tahlil qilish va ifodalash usullarini qamrab oladi ==== birinchi navbatda ma'lumotlar bazasi texnologiyasida, lekin KBMS talablariga moslashtirilgan bir qator vositalarni taqdim etish ++++ Tarjima qilish tizimlari ==== # kuzatishlar natijasida vaziyatning tavsifini aniqlash ==== ob-havoni bashorat qilish, aholini bashorat qilish, iqtisodiy prognozlash, hosilni baholash va harbiy, marketing va moliyaviy prognozlarni o'z ichiga oladi. ==== avtomatik dasturlash kabi rejalashtirish vazifalariga ixtisoslashgan ==== tizimning xatti-harakatlari kuzatuvlarini maqsadga erishish uchun hal qiluvchi bo'lib ko'rinadigan standartlar bilan solishtiring ++++ Dinamik matematik model ==== # vaqt o'tishi bilan o'zgarib turadigan stsenariylarni baholash uchun foydalaniladi ==== haqiqatning soddalashtirilgan tasviri yoki mavhumligi ==== eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi ==== vaziyatning oddiy "suratini" (yoki "cast") takrorlaydi. ++++ Bashorat qilish tizimlari ==== # ob-havoni bashorat qilish, aholini bashorat qilish, iqtisodiy prognozlash, hosilni baholash va harbiy, marketing va moliyaviy prognozlarni o'z ichiga oladi. ==== tizimning xattiharakatlari kuzatuvlarini maqsadga erishish uchun hal qiluvchi bo'lib ko'rinadigan standartlar bilan solishtiring ==== avtomatik dasturlash kabi rejalashtirish vazifalariga ixtisoslashgan ==== kuzatishlar natijasida vaziyatning tavsifini aniqlash ++++ Har xil qaror qabul qilish holatlari uchun modellarning asosiy toifalari ==== # yuqoridagilarning barchasi ==== Simulyatsiya, vizual modellashtirish va simulyatsiya ==== Matematik dasturlash yordamida optimallashtirish ==== evristik dasturlash ++++ Data Mining yoki Data Mining ==== # ma'lumotlar bazalarida bilimlarni kashf qilish, bilimlarni olish, ma'lumotlarni qazib olish, ma'lumotlarni qazib olish, ma'lumotlar namunasini qayta ishlash, ma'lumotlarni tozalash va yig'ish uchun ishlatiladigan atama; Bunga tegishli dasturiy ta'minot ham kiradi. ==== muammoni hal qilish yoki qaror qabul qilish uchun tushunarli va qo'llanilishi uchun tashkil etilgan va tahlil qilingan ma'lumotlar ==== operatsiyalarni operativ qayta ishlash ==== operatsiyalarni operativ qayta ishlash ++++ Statik matematik model ==== # vaziyatning oddiy "suratini" (yoki "cast") takrorlaydi ==== haqiqatning soddalashtirilgan tasviri yoki mavhumligi ==== vaqt o'tishi bilan o'zgarib turadigan stsenariylarni baholash uchun foydalaniladi ==== eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi ++++ Model protsessor odatda quyidagi amallarni bajaradi ==== # yuqoridagilarning barchasi ==== tizimning dialog komponentidan keladigan modellashtirish ko'rsatmalarini tasdiqlash va talqin qilish va ularni modelni boshqarish tizimiga o'tkazish ==== model integratsiyasi, ya'ni. kerak bo'lganda bir nechta modellarning operatsiyalarini birlashtirish ==== modelning bajarilishi, ya'ni. modelni davom ettirish yoki amalga oshirishni boshqarish jarayoni ++++ Bilim muhandisligi ==== # bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami ==== sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. ==== birinchi navbatda ma'lumotlar bazasi texnologiyasida, lekin KBMS talablariga moslashtirilgan bir qator vositalarni taqdim etish ==== ES metodologiyasi, ekspert bilimlari qoidalarida ajratib olish, tahlil qilish va ifodalash usullarini qamrab oladi ++++ Bilimlar bazasi ==== # muammolarni tushunish, shakllantirish va hal qilish uchun zarur bo'lgan bilim ==== muammoni hal qilish uchun o'rganish, o'qish va tajribadan olingan keng qamrovli, maxsus bilim ==== odatda inson tajribasini talab qiladigan muammolarni hal qilish uchun kompyuterga kiritilgan inson bilimlaridan foydalanadigan tizim ==== ob'ektlar, hodisalar yoki jarayonlar sinfini ifodalash uchun zarur bo'lgan minimal axborot tuzilmalari ++++ Intellektual tizimlarni ishlab chiquvchilar uchun integratsiyaning maqsadi ==== # sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. ==== birinchi navbatda ma'lumotlar bazasi texnologiyasida, lekin KBMS talablariga moslashtirilgan bir qator vositalarni taqdim etish ==== bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami ==== ES metodologiyasi, ekspert bilimlari qoidalarida ajratib olish, tahlil qilish va ifodalash usullarini qamrab oladi ++++ Jismoniy model ==== # eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi ==== vaqt o'tishi bilan o'zgarib turadigan stsenariylarni baholash uchun foydalaniladi ==== haqiqatning soddalashtirilgan tasviri yoki mavhumligi ==== vaziyatning oddiy "suratini" (yoki "cast") takrorlaydi ++++ Model - ==== # haqiqatning soddalashtirilgan tasviri yoki mavhumligi ==== vaziyatning oddiy "suratini" (yoki "cast") takrorlaydi ==== vaqt o'tishi bilan o'zgarib turadigan stsenariylarni baholash uchun foydalaniladi ==== eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi ++++ Jadvallar bilan ishlash uchun Python dasturlash tilining qaysi kutubxinasidan foydalaniladi ==== # Pandas ==== Numpy ==== Django ==== Seaborn ++++ Diagrammani ko'rsatish uchun qaysi buyrugdan foydalaniladi ==== # plt.show() ==== plt.print() ==== plt.art() ==== plt.gistogramm() ++++ ML tarkibidagi regressiya usuli qaysi yo'nalishlarda qo'llaniladi ==== # Prognozlash ilmida ==== aniq yechimni taqdim etadi ==== sinflarga ajratishda muhim ahamiyatga ega ==== tahlil va aniq hulosani taqdim etishda ++++ kuzatishlar natijasida vaziyatning tavsifini aniqlash ==== # haqiqatning soddalashtirilgan tasviri yoki mavhumligi ==== vaziyatning oddiy "suratini" (yoki "cast") takrorlaydi ==== vaqt o'tishi bilan o'zgarib turadigan stsenariylarni baholash uchun foydalaniladi ==== eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli o'lchamdagi ++++ Har xil qaror qabul qilish holatlari uchun modellarning asosiy toifalari ==== # yuqoridagilarning barchasi ==== Simulyatsiya, vizual modellashtirish va simulyatsiya ==== Matematik dasturlash yordamida optimallashtirish ==== evristik dasturlash ++++ OLAP - Onlayn tahliliy ishlov berish ==== # operativ analitik ishlov berish ==== operatsiyalarni operativ qayta ishlash ==== ma'lumotlar bazalarida bilimlarni kashf qilish, bilim olish, ma'lumotlarni qazib olish, ma'lumotlarni o'rganish, ma'lumotlar namunalarini qayta ishlash, ma'lumotlarni tozalash va yig'ish uchun ishlatiladigan atama ==== Bu, shuningdek, muammoni hal qilish yoki qaror qabul qilish uchun tushunarli va foydalanish uchun tashkil etilgan va tahlil qilingan tegishli dasturiy ta'minot ma'lumotlariga ham tegishli. ++++ Diagnostika tizimlari ==== # tibbiyot, elektronika, mexanika va dasturiy ta'minot sohasidagi diagnostikani o'z ichiga oladi ==== kuzatishlar natijasida vaziyatning tavsifini aniqlash ==== tizimning xatti-harakatlari kuzatuvlarini maqsadga erishish uchun hal qiluvchi bo'lib ko'rinadigan standartlar bilan solishtiring ==== avtomatik dasturlash kabi rejalashtirish vazifalariga ixtisoslashgan ++++ Agar neyron tarmoq o'qitiladi ==== # o'quv kirishlarini bajarayotganda, u tegishli o'quv natijalarini ishlab chiqaradi ==== ma'lum bir vektor kirishga berilganda, tarmoq vektorlarning qaysi sinfiga tegishli ekanligiga javob beradi. ==== o'rganish algoritmi o'z ishini tugatdi va tsikl bo'lmadi ==== o'rganish algoritmi o'z ishini yakunladi va loop qildi ++++ Agar tarmoq yashirin qatlamlarda juda ko'p sonli neyronlarga ega bo'lsa, u holda ==== # tarmoqni qayta tayyorlash mumkin ==== tarmoqni o'qitish uchun zarur bo'lgan vaqt minimal ==== tarmoqni o'qitish uchun zarur bo'lgan vaqt, maksimal ==== tarmoq muammoni hal qilish uchun etarlicha moslashuvchan bo'lmasligi mumkin ++++ 2010 yilda ==== # maʼlumotlarni so‘rash va tahlil qilish uchun Apache Hadoop- ning tepasida qurilgan maʼlumotlar ombori dasturining loyihasi yaratildi ==== katta fayllarni saqlash va ularga kirish imkoniyati yedi, va umuman aytganda bitta qattiq diskda saqlanib bo‘lmaydigan fayllarni nazarda tutiladi ==== Google File System chiqdi. ==== Hadoop TeraSort tanlovida g‘olib chiqdi ++++ KB ma'murlari uchun integratsiya maqsadi ==== # birinchi navbatda ma'lumotlar bazasi texnologiyasida, lekin KBMS talablariga moslashtirilgan bir qator vositalarni taqdim etish ==== sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos bo'lgan va ushbu ma'lumotlarning qayerda joylashganiga bog'liq bo'lmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. ==== bilimlardan foydalangan holda muammolarni hal qilish uchun mo'ljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar to'plami ==== ES metodologiyasi, ekspert bilimlari qoidalarida ajratib olish, tahlil qilish va ifodalash usullarini qamrab oladi ++++ "Ish haqi" ustuni 50000 dan katta bo'lgan DataFrame df-dagi qatorlarni qanday filtrlaysiz? ==== # df[df['Salary'] > 50000] ==== df[Salary > 50000] ==== df.filter('Salary > 50000') ==== df.select_rows('Salary > 50000') ++++ Python-da pandalar kutubxonasini qanday import qilasiz? ==== # import pandas as pd ==== import pd ==== from pandas import ==== using pandas ++++ Pandasda DataFrame nima? ==== # Har xil turdagi ustunlarga ega boʻlgan ikki oʻlchovli etiketli maʼlumotlar strukturasi ==== Bir oʻlchovli etiketli massiv ==== Maʼlumotlarni oʻz ichiga olgan lugʻat ==== Python roʻyxatlari toʻplami. ++++ DataFrame df dan "Yosh" nomli ustunni qanday tanlash mumkin? ==== # df['Age'] ==== df.get_column('Age') ==== df.select_column('Age') ==== df.column('Age') ++++ head()Funksiya pandas kutubxonasida vazifasi qanday? ==== # DataFrame ning dastlabki 5 qatorini beradi ==== DataFrame ning oxirgi 5 qatorini beradi ==== DataFrame ning umumiy statistikasini beradi ==== DataFrame ni o‘sish tartibida tartiblaydi ++++ DataFrame df da yetishmayotgan qiymatlarni qanday tekshirasiz? ==== # df.isnull() ==== df.isna() ==== check_missing() ==== df.missing_values() ++++ describe()Funktsiya pandas kutubxonasida nima vazifani bajaradi? ==== # DataFramedagi son ustunlarning tavsiflovchi statistikasi ==== har bir ustundagi yetishmayotgan qiymatlar soni ==== har bir ustundagi noyob qiymatlarning xulosasi ==== DataFrame korrelyatsiya matritsasi ++++ groupby()Funksiya pandas kutubxonasida vazifasi qanday? ==== # DataFrame-ni belgilangan ustun yoki ustunlar bo‘yicha guruhlaydi ==== DataFrame-ni belgilangan ustun asosida saralaydi ==== DataFrame-dagi ma’lumotlarni jamlaydi ==== Umumiy ustun asosida ikkita DataFrame-ni birlashtiradi ++++ DataFrame df dan "Shahar" nomli ustunni qanday o'chirish mumkin? ==== # df.drop('City', axis=1) ==== df.remove_column('City') ==== df.delete_column('City') ==== df.remove('City') ++++ merge()Funksiyasining pandas kutubxonasida vazifasi qanday? ==== # Umumiy ustun asosida ikkita DataFrameni birlashtiradi ==== DataFrame ga yangi ustun qo‘shadi ==== Ikki DataFrame ni vertikal ravishda birlashtiradi ==== Belgilangan shart asosida qatorlarni filtrlaydi ++++ Qanday qilib "df" dagi ma`lumotlar o`zgartirilgan xolatini "data"a ga saqlash mumkin? ==== # df.to_csv('data.csv') ==== df.save_csv('data.csv') ==== df.write_csv('data.csv') ==== df.export_csv('data.csv') ++++ Seaborn nima? ==== # Ma'lumotlarni vizualizatsiya qilish kutubxonasi ==== dasturlash tili ==== mashinani o'rganish tizimi ==== operatsion tizim ++++ Quyidagi chizmalardan qaysi biri bir oʻzgaruvchan kuzatishlar toʻplamining taqsimlanishini tasavvur qilish uchun ishlatiladi? ==== # Gistogramma ==== Chiziqli chizma ==== Tarqalish sxemasi ==== Qutili chizma ++++ Seabornda scatter grafigini yaratish uchun qaysi funksiyadan foydalaniladi? ==== # "seaborn.scatterplot() " ==== seaborn.lineplot() ==== seaborn.barplot() ==== seaborn.boxplot() ++++ Seaborn funksiyalarida rang parametri nimani anglatadi? ==== # Rangni kodlash uchun qo'shimcha toifali o'zgaruvchi ==== chizma rangi ==== chizma hajmi ==== chizma uslubi ++++ Seaborn chizmalarining umumiy estetik uslubini qanday o'rnatishingiz mumkin? ==== # seaborn.set_theme() ==== seaborn.set_style() ==== seaborn.set_theme() ==== seaborn.set_aesthetic() ++++ Seabornda issiqlik xaritasini qanday yaratish mumkin? ==== # seaborn.heatmap() ==== seaborn.scatterplot() ==== seaborn.lineplot() ==== seaborn.boxplot() ++++ Python-da Matplotlib-ning asosiy maqsadi nima? ==== # Ma’lumotlarni vizuallashtirish ==== Ma'lumotlarni manipulyatsiya qilish ==== Mashinani o'rganish ==== Veb ishlab chiqish ++++ Matplotlib ichidagi qaysi modul chizmachilik uchun asosiy sinflarni taqdim etadi? ==== # matplotlib.axes ==== matplotlib.figure ==== matplotlib.plot ==== matplotlib.pyplot ++++ Matplotlib yordamida oddiy chiziqli chizma qanday yaratiladi? ==== # plot() ==== line() ==== draw() ==== plot() ++++ Matplotlib figurasini faylga saqlash uchun qaysi funksiyadan foydalaniladi? ==== # savefig() ==== save() ==== export() ==== saveas() ++++ Matplotlibda subplot()funksiya nima qiladi? ==== # Joriy chizmaga pastki chizmalarni qo‘shadi ==== chizma rangini sozlaydi ==== Yangi figura yaratadi ==== chizmaga izohlar qo‘shadi. ++++ Matplotlib syujetining sarlavhasini belgilash uchun qaysi funksiyadan foydalaniladi? ==== # title() ==== set_title() ==== plot_title() ==== add_title() ++++ Oddiy chiziqli regressiyaning ma`nosi? ==== # Oddiy chiziqli regressiya faqat bitta mustaqil o'zgaruvchidan foydalangan holda bog'liq o'zgaruvchini bashorat qilishni o'z ichiga oladi ==== Oddiy chiziqli regressiya esa ikki yoki undan ortiq mustaqil o'zgaruvchilar yordamida bog'liq o'zgaruvchini bashorat qilishni o'z ichiga oladi. ==== chiziqli regressiya tahlili bir bog'liq o'zgaruvchi va bir yoki bir nechta mustaqil o'zgaruvchilar o'rtasidagi munosabatni tekshirish uchun qo'llaniladigan statistik usuldir. ==== Oddiy chiziqli regressiya 6 ta mustaqil o'zgaruvchidan foydalangan holda bog'liq o'zgaruvchini bashorat qilishni o'z ichiga oladi ++++ Regressiya tahlili nima? ==== # Regressiya tahlili bir bog'liq o'zgaruvchi va bir yoki bir nechta mustaqil o'zgaruvchilar o'rtasidagi munosabatni tekshirish uchun qo'llaniladigan statistik usuldir. ==== Regressiya tahlili faqat bitta mustaqil o'zgaruvchidan foydalangan holda bog'liq o'zgaruvchini bashorat qilishni o'z ichiga oladi ==== Regressiya tahlili bir bog'liq o'zgaruvchi va bir yoki bir nechta mustaqil o'zgaruvchilar o'rtasidagi munosabatni tekshirish uchun qo'llaniladigan statistik usuldir. ==== Regressiya tahlili 6 ta mustaqil o'zgaruvchidan foydalangan holda bog'liq o'zgaruvchini bashorat qilishni o'z ichiga oladi ++++ Neyron tarmoqlarda uzilishning maqsadi nima? ==== # Haddan tashqari moslashishni kamaytirish ==== Modelning murakkabligini oshirish ==== Mashq vaqtini tezlashtirish ==== Konvergentsiyani ta'minlash ++++ Quyidagilardan qaysi biri nazorat ostida o‘qitish algoritmi hisoblanadi? ==== # Qarorlar daraxti ==== K-klasterlashni bildiradi ==== K-eng yaqin qo‘shnilar ==== Apriori algoritmi. ++++ Qaysi turdagi o'rganish modeli o'z xatolaridan saboq olish va shunga mos ravishda parametrlarini yangilash bilan tavsiflanadi? ==== # "Reinforcement learning Mustahkamlash o`qitish" ==== "Supervised learning Nazoratli o`qitish" ==== "Unsupervised learning Nazoratsiz o`qitish" ==== "Semisupervised learning Yarimnazoratli o`qitish" ++++ Mijozlarning norozligini aniqlash nima? ==== # Vaqt o'tishi bilan kompaniyaning mahsulot yoki xizmatlaridan foydalanishda davom etadigan mijozlar foizi ==== yangi mijozlarni jalb qilish jarayoni ==== mijoz tomonidan ishlab chiqarilgan umumiy daromad ==== mijozlarni saqlab qolish xarajatlari ++++ Nima uchun mijozlarning noroziligi aniqlash biznes uchun muhim? ==== # biznesning daromadi va rentabelligiga ta'sir qiladi ==== biznesning umumiy muvaffaqiyatiga ta'sir qilmaydi ==== kompaniyalarga mijozlarning xohish-istaklarini tushunishga yordam beradi ==== faqat kichik biznes uchun muhim ++++ Mijozlarning noroziligini umumiy ko'rsatkichi nima? ==== # Mijozlarni jalb qilish yoki foydalanishning keskin pasayishi ==== Mijozlarning qoniqish darajasining oshishi ==== Mijozlarning shikoyatlarining kamayishi ==== Mijozlarni ushlab turishning yuqori darajasi ++++ Qanday qilib korxonalar mijozlarning noroziligini oldini olishlari mumkin? ==== # mijozlarga mukammal xizmat ko'rsatish ==== mijozlarning fikr-mulohazalariga e'tibor bermaslik ==== mahsulot narxini oshirish ==== mijozlar bilan muloqotni cheklash ++++ Korxonalar mijozlarning norozilik darajasini qanday o'lchashlari mumkin? ==== # yo'qolgan mijozlar sonini davr boshidagi umumiy mijozlar soniga bo'lish yo'li bilan ==== har bir mijozga to'g'ri keladigan o'rtacha daromadni hisoblash yo'li bilan ==== yangi mijozlar sonini hisoblash yo'li bilan ==== mijozlarga xizmat ko'rsatish qo'ng'iroqlari sonini kuzatish yo'li bilan ++++ Quyidagilardan qaysi biri konvolyutsion neyron tarmoqlarining (CNN) keng tarqalgan qo'llanilishi hisoblanadi? ==== # Tasvirni aniqlash ==== his-tuyg'ularni tahlil qilish ==== vaqt qatorlarini bashorat qilish ==== "mustahkamlashni o'rganish" ++++ Chuqur o'rganish kontekstida transfer o'rganish nima? ==== # Neyron tarmoqni muayyan vazifaga o'rgatish va uni boshqa, ammo bog'liq vazifaga qo'llash ==== turli neyron tarmoqlar o'rtasida ma'lumotlarni uzatish jarayoni ==== og'irliklarni bir qatlamdan ikkinchisiga o'tkazish usuli ==== orqaga tarqalish paytida gradientlarni uzatish. ++++ Kompyuterni ko'rishning asosiy maqsadi nima? ==== # Tasvir tasnifi ==== Nutqni aniqlash ==== Matnni nutqqa aylantirish ==== abiiy tilni qayta ishlash. ++++ Quyidagilardan qaysi biri kompyuter ko'rishning keng tarqalgan qo'llanilishiga misol bo`la olmaydi? ==== # Hissiyotlarni tahlil qilish ==== ob'ektni aniqlash ==== yuzni aniqlash ==== avtonom transport vositalari ++++ Kompyuter ko'rishda tasvirni segmentatsiyalashdan maqsad nima? ==== # tasvir ichidagi ob'ektlarni aniqlash ==== tasvirlarni toifalarga ajratish ==== xususiyatlarini tanib olish ==== tasvirdan rang ma'lumotlarini ajratib olish ++++ Konvolyutsion neyron tarmoqlari (CNN) vazifasi nima? ==== # Tasvirni aniqlash ==== Nutq sintezi ==== Til tarjimasi ==== Vaqt qatorlarini tahlil qilish ++++ Kompyuter ko'rish modellarini o'rgatishda ma'lumotlarni ko'paytirishdan maqsad nima? ==== # O'quv ma'lumotlar to'plamining hajmini oshirish ==== modelning murakkabligini kamaytirish ==== xulosa chiqarish tezligini oshirish ==== modelni talqin qilish qobiliyatini oshirish ++++ Tabiiy tilni qayta ishlash (NLP) ning asosiy maqsadi nima? ==== # Kompyuterlar yordamida odamga o'xshash tilni qayta ishlash ==== Elektr energiyasi ishlab chiqarish ==== Kimyoviy reaksiyalarni tahlil qilish ==== Kosmik kemalarni loyihalash ++++ Quyidagilardan qaysi biri NLP ning umumiy qo'llanilishiga mos kelmaydi? ==== # Ob-havoni bashorat qilish ==== Mashina tarjimasi ==== Hissiyotlarni tahlil qilish ==== Chatbotlar ++++ NLP-da matnni tasniflash vazifalari uchun qaysi turdagi mashina o'rganish qo'llaniladi? ==== # Nazorat ostida o‘rganish ==== Nazoratsiz ta’lim ==== O‘qitishni mustahkamlash ==== Yarim nazorat ostida o‘qitish ++++ NLP da ob'ektni tanib olish (NER) nima uchun ishlatiladi? ==== # Matndagi nomlar, manzillar va sanalar kabi aniq ob'ektlarni aniqlash ==== Ingliz tiliga kirmagan so‘zlarni tanib olish ==== Maxfiy xabarlarni kodlash ==== Matndagi hissiyotlarni tahlil qilish ++++ NLPda til modelining maqsadi nima? ==== # Ketma-ketlikda keyingi so‘zni bashorat qilish ==== Tillarni tarjima qilish ==== Matnni umumlashtirish ==== Hissiyotlarni tahlil qilish ++++ Google Teachable Machine nima? ==== # Google tomonidan mashinani o'rganish tajribasi ==== Google tomonidan yangi qidiruv tizimi ==== Onlayn o'quv platformasi ==== Video konferentsiya vositasi ++++ Teachable Machine asosan mashinani o'rganishning qaysi turiga e'tibor beradi? ==== # nazorat ostida o‘qitish ==== nazoratsiz o‘qitish ==== mustahkamlovchi ta’lim ==== yarim nazorat ostida o‘qitish ++++ Teachable Machine-ning asosiy maqsadi nima? ==== # mashinalo o`qitishni kodlashsiz foydalanish imkoniyatini yaratish ==== matematika tushunchalarini o'rgatish ==== grafik dizaynni o'rgatish ==== dasturlash tillarini o'rgatish ++++ Teachable Machine yordamida qanday turdagi modellarni yaratish mumkin? ==== # Tasvir, tovush va poza modellari ==== Matn va nutq modellari ==== Faqat tasvir modellari ==== Faqat tovush modellari ++++ Teachable Machine-dan foydalanish uchun qaysi dasturlash tili talab qilinmaydi? ==== # Python ==== JavaScript ==== Java ==== HTML ++++ Qanday qilib Teachable Machine foydalanuvchilarga o'qitilgan modellarini eksport qilishga imkon beradi? ==== # Yuklab olinadigan fayl sifatida ==== Faqat elektron pochta orqali ==== Ijtimoiy tarmoq orqali ulashish ==== Modelni eksport qilishga ruxsat bermaydi ++++ Teacheble machine da yaratilgan loyihalarni qaysi tizimlar qòllab quvvatlaydi? ==== # Veb-brauzerlar, Android va iOS ==== Faqat iOS ==== Faqat Android ==== Web brauzerlar ++++ array([0, 1, 2, 3]) massivi ustida cumsum metodini bajsak, eng oxirgi element qanday qiiymatga ega bo'lib qoladi? ==== # 6 ==== 5 ==== 4 ==== 2 ++++ array([2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6, 7]) ko'rinishdagi massiv ustida unique funksiyasiga argument sifatida uzatadigan bo'lsak, natija qanday bo'ladi? ==== # array([2, 3, 4, 5, 6, 7]) ==== array([2, 2,3,3, 4,4 ,5, 6, 7]) ==== array([7,6,5,4,3,2]) ==== array([1,2, 3, 4, 5, 6, 7]) ++++ arr1 va arr2 massivlarini faylda saqlash uchun to’g’ri kodni ko’rsating. ==== # np.savez("data.npz",x=arr1,y=arr2) ==== pd.savez("data.npz",x=arr1,y=arr2) ==== np.save("data.npz",x=arr1,y=arr2) ==== np.save("data.npy",x=arr1,y=arr2) ++++ arr1 massivini .npy fayl kengaytmada saqlash kodini ko’rsating. ==== # np.save("data.npy",arr1) ==== np.savez("data.npy",arr1) ==== pd.save("data.npy",arr1) ==== pd.savez_compressed("data.npy",arr1) ++++ massivdagi takrorlanmas elementlarni qaytaruvchi (takrorlansa ham faqat bittasini qabul qiluvchi) funksiyani ko’rsating. ==== # np.unique() ==== np.in1d() ==== np.setdiff1d() ==== pd.setdiff1d() ++++ ikki ulchamli (3x4) arr massivini elimentlarini garizantal yunalishda elimentlarini tartiblang. ==== # np.sort(arr,axis=1) ==== np.sorted(arr,axis=1) ==== pd.sort(arr,axis=0) ==== np.sort(arr,axis=0) ++++ ikki ulchamli (3x4) arr massivini elimentlarini vertikal yunalishda elimentlarini tartiblang. ==== # np.sort(arr,axis=0) ==== np.sorted(arr,axis=0) ==== pd.sort(arr,axis=1) ==== np.sort(arr,axis=1) ++++ Yig'indilab boradigan yig'indi metodini ko’rsating ==== # cumsum() ==== cumprod() ==== mean() ==== sum() ++++ Numpay funksiyasi yordamida 3 ulchamli (4x3) elementlari max qiymati 100 gacha bo’lgan taxminiy qiymatlardan tashkil topgan massiv yaratish kodini ko’rsating. ==== # np.random.randint(100,size=(3,4,3)) ==== np.random.rand(100,size=(3,4,3)) ==== np.random.randn(100,shape=(3,4,3)) ==== np.random.randn(100,size=(3,4,3)) ++++ arange funksiyasi yordamida 100 dan 200 gacha sonlar orasidan juft sonlardan massiv yaratish kodini ko’rsating. ==== # np.arange(100,200,2) ==== pd.arange(100,200,2) ==== np.arange(size=(4,20,2)) ==== np.arange(shape=(4,20,2)) ++++ Turing testining maqsadi kompyuterning qanday qobiliyatini sinashdan iborat? ==== # Inson kabi muloqot qilish qobiliyatini ==== Grafik tasvirlarni qayta ishlash qobiliyatini ==== Yod olish va takrorlash qobiliyatini ==== Matematik hisoblash qobiliyatini ++++ Turing testida kim bilan kim suhbatlashadi? ==== # Inson va kompyuter ==== Faqat ikkita kompyuter ==== Inson va robot ==== Inson va inson ++++ Agar inspektor kompyuterni insondan ajrata olmasa, bu nimani anglatadi? ==== # Kompyuter testdan o‘tdi ==== Inspektor testni noto‘g‘ri o‘tkazdi ==== Inson muvaffaqiyatsizlikka uchradi ==== Kompyuter muvaffaqiyatsizlikka uchradi ++++ Turing testi qaysi yilda taklif qilingan? ==== # 1950 ==== 1936 ==== 1965 ==== 1980 ++++ Turing testining asosiy mezoni nima? ==== # Kompyuterning inson kabi fikr yuritishi va muloqot qilishi ==== Inson bilan kompyuterning jismoniy ko‘rinishini taqqoslash ==== Kompyuterning aniqlik bilan matematik masalalarni yechishi ==== Kompyuterning tezlikni oshirish qobiliyati ++++ Turing testida suhbat qanday tarzda amalga oshiriladi? ==== # Yozma yoki matnli shaklda ==== Ovozni tanish orqali ==== Yuzma-yuz ==== Telefon orqali ++++ Turing testining asosiy tanqidlari nimaga qaratilgan? ==== # Kompyuterning qobiliyati va hissiyotlari yo‘qligi ==== Testning texnik asoslari ==== Inson bilan muloqotning murakkabligi ==== Kompyuterning tezligi ++++ Turing testiga muqobil sifatida ko‘rsatiladigan asosiy testlardan biri nima? ==== # Loebner testi ==== Turning testi ==== Alan testi ==== Deep Learning testi ++++ Turing testini muvaffaqiyatli o‘tgan dastur qanday deb nomlanadi? ==== # Chatterbot yoki Chatbot ==== Ishlovchi agent ==== Ekspert tizimi ==== Neyron tarmoq ++++ Turing testi qanday intellektual qobiliyatlarni tekshiradi? ==== # Muloqot qilish qobiliyati va mantiqiy fikrlash ==== Matematik bilim ==== Tasvirni tanish ==== Fizikaviy bilim ++++ Turing testidan muvaffaqiyatli o‘tgan birinchi kompyuter dasturi qaysi edi? ==== # Eliza ==== AlphaGo ==== Watson ==== Deep Blue ++++ Turing testida muvaffaqiyat qozonishning qanday oqibatlari bo‘lishi mumkin? ==== # Kompyuterning inson kabi muloqot qilish qobiliyatini isbotlaydi ==== Kompyuterning yuqori hisoblash qobiliyatini ko‘rsatadi ==== Kompyuterning tez ishlashini tasdiqlaydi ==== Sun’iy intellektning insondan ajralishini anglatadi ++++ Turing testi qaysi sohada tadqiqotlarning rivojlanishiga ta’sir qilgan? ==== # Sun’iy intellekt va kompyuter fanlari ==== Kengaytirilgan reallik ==== Chuqur o‘rganish ==== Kiberxavfsizlik ++++ Turing testidan o‘tmagan dastur nima deb hisoblanadi? ==== # Inson intellekti darajasiga yetmagan ==== To‘liq muvaffaqiyatga erishgan ==== Superkompyuter ==== Turing mosligini isbotlagan ++++ Inson bilan kompyuter muloqoti qanday bo‘lsa, Turing testi muvaffaqiyatli deb hisoblanadi? ==== # Inson kompyuterni insondan ajrata olmasa ==== Inson kompyuter javobini to‘g‘ri deb baholasa ==== Kompyuter tezroq javob qaytarsa ==== Kompyuter suhbatni boshqarsa ++++ Qaysi kompyuter dasturi Turing testiga yaqinlashishga harakat qilgan? ==== # Eliza ==== Microsoft Excel ==== AlphaZero ==== Siri ++++ Sun’iy intellektning asosiy maqsadi nima? ==== # Insonning fikrlash qobiliyatini taqlid qilish ==== Faqat matematik masalalarni yechish ==== Yangi texnikalarni ixtiro qilish ==== Kompyuterlarda tezlikni oshirish ++++ Sun’iy intellekt yordamida avtomatik ravishda ma’lumotlarni tahlil qilish qanday foyda beradi? ==== # Ishlash vaqtini kamaytiradi ==== Ma’lumotlarni yo‘q qiladi ==== Hisoblash kuchini oshiradi ==== Odamlarning ishini yanada qiyinlashtiradi ++++ Tabiiy tilni qayta ishlash (NLP) sun'iy intellektning qaysi sohasiga tegishli? ==== # Til va muloqot ==== Fiziologiya ==== Tarmoq xavfsizligi ==== Kompyuter grafikasi ++++ Sun'iy intellekt tizimlarining asosiy afzalliklaridan biri nima? ==== # Ular doimiy o'rganish qobiliyatiga ega ==== Ular insonni to‘liq almashtiradi ==== Faqat tezlikni oshiradi ==== Yagona yechimni ta’minlaydi ++++ Sun'iy intellekt yordamida kasalliklarni erta aniqlash qaysi sohada qo‘llanadi? ==== # Sog‘liqni saqlash ==== Qishloq xo‘jaligi ==== Qurilish ==== Marketing ++++ Sun’iy intellektning turlari qaysi asosiy toifalarga bo‘linadi? ==== # Zaif va kuchli ==== Tezkor va sekin ==== Faol va passiv ==== Oddiy va kompleks ++++ Zaif sun’iy intellektning vazifasi nimadan iborat? ==== # Muayyan bir vazifani bajarish ==== Sun’iy ong yaratish ==== O‘z-o‘zini rivojlantirish ==== Insonning barcha qobiliyatlarini taqlid qilish ++++ Kuchli sun’iy intellekt nimani anglatadi? ==== # Inson darajasida aql-idrokka ega bo‘lish ==== Faqat muayyan muammolarni yechish ==== Kompyuter grafikalarini yaratish ==== Matematik masalalarni tez yechish ++++ Sun’iy intellektning qaysi turi eng rivojlangan hisoblanadi? ==== # Super sun’iy intellekt ==== Passiv sun’iy intellekt ==== Kuchli sun’iy intellekt ==== Zaif sun’iy intellekt ++++ Sun’iy intellektning qaysi turi insondan ustun bo‘lishi mumkin? ==== # Super sun’iy intellekt ==== Zaif sun’iy intellekt ==== Passiv sun’iy intellekt ==== Oddiy sun’iy intellekt ++++ Avtonom transport vositalari sun’iy intellektning qaysi turiga misol bo‘la oladi? ==== # Zaif sun’iy intellekt ==== O‘yin dasturlari ==== Super sun’iy intellekt ==== Kuchli sun’iy intellekt ++++ Kuchli sun’iy intellektni yaratish uchun qanday omillar kerak? ==== # Aql-idrok va o‘z-o‘zini o‘rganish qobiliyati ==== Tezkor internet va katta xotira ==== Kuchli grafik protsessor ==== Katta ma’lumot bazasi ++++ Tabiiy tilni qayta ishlash (NLP) texnologiyalari nimaga yordam beradi? ==== # Ovozli tanib olish ==== Ijtimoiy tarmoqlarni boshqarish ==== Kompyuter grafikasi yaratish ==== Matematik hisoblash ++++ Yuzni tanish texnologiyasi qaysi sun’iy intellekt sohasiga kiradi? ==== # Biometrik xavfsizlik ==== Matn tahlili ==== Genetika ==== Til va nutq texnologiyalari ++++ "O'z-o'zidan o'rganish" sun'iy intellektning qaysi xususiyatiga xos? ==== # O‘rganish va moslashish ==== Matematik yechimlarni topish ==== Ma'lumotlarni saqlash ==== Texnik xizmatni yaxshilash ++++ Super sun’iy intellekt yaratilsa, qaysi sohada inqilob yuzaga kelishi mumkin? ==== # Genom tahlili va ilmiy tadqiqotlar ==== Raqamli marketing ==== O‘yin dasturlari ==== Oddiy kompyuter dasturlash ++++ Robototexnika va sun'iy intellektning birlashmasi qanday imkoniyatlarni yaratishi mumkin? ==== # Mustaqil ishlay oladigan mashinalarni yaratadi ==== Tabiiy ofatlarning oldini oladi ==== Muhandislik ishlarini kamaytiradi ==== Inson kuchini oshiradi ++++ Sun’iy intellektning asosiy xavf-xatari nimada deb hisoblanadi? ==== # Insonning o‘ziga zarar yetkazishi mumkinligi ==== Inson qobiliyatini oshirish ==== Foydalanuvchilar sonini oshirish ==== Internet tezligini oshirish ++++ Sun’iy intellektning tibbiyotda qo‘llanilishi qaysi maqsadga xizmat qiladi? ==== # Kasalliklar va tahlillarni aniqlash ==== Tibbiy o‘quv dasturlarini yaratish ==== Sport o‘yinlarini boshqarish ==== Qurol-yarog‘lar ishlab chiqarish ++++ Mashinasozlikda sun'iy intellekt qanday vazifani bajaradi? ==== # Ishlab chiqarish jarayonlarini avtomatlashtirish ==== Sport tadbirlarini tahlil qilish ==== Tilni qayta ishlash ==== Tibbiy xizmat ko‘rsatish ++++ Ma’lumotlarni intellektual tahlil qilishning asosiy maqsadi nima? ==== # Foydali ma’lumotlarni aniqlash ==== Ma’lumotlarni saqlash ==== Internet tezligini oshirish ==== Faqat raqamlarni hisoblash ++++ Ma’lumotlarni intellektual tahlil qilish (data mining) jarayoni qaysi bosqichdan boshlanadi? ==== # Ma’lumotlarni tozalash ==== Natijalarni baholash ==== Ma’lumotlar vizualizatsiyasi ==== Model yaratish ++++ Intellektual tahlilning qaysi turi ma’lumotlar orasidagi yashirin bog‘liqliklarni aniqlashga yordam beradi? ==== # Assotsiativ tahlil ==== Klassifikatsiya ==== Klasterni tahlil qilish ==== Regression tahlili ++++ Klasterni tahlil qilish jarayonida qanday maqsadga erishiladi? ==== # Ma’lumotlarni sinflarga ajratish ==== Hisoblash natijalarini baholash ==== Sinflarni birlashtirish ==== Ma’lumotlarni tartiblash ++++ Ma’lumotlarni tozalash bosqichi nima uchun zarur? ==== # Noaniq va noto‘g‘ri ma’lumotlarni olib tashlash uchun ==== Dasturlarni yangilash uchun ==== Axborot xavfsizligini oshirish uchun ==== Natijalarni vizualizatsiya qilish uchun ++++ Ma’lumotlarni assotsiativ tahlil qilish qanday texnikadan foydalanadi? ==== # Apriori algoritmi ==== Regression tahlili ==== K-means algoritmi ==== K-nearest neighbors (KNN) ++++ Klasterni tahlil qilishda qanday mezon asosida ob’ektlar guruhlarga bo‘linadi? ==== # O‘xshashlik darajasiga ko‘ra ==== Raqamlar o‘lchamiga qarab ==== Tashqi omillarga qarab ==== Tarmoqlanish darajasiga qarab ++++ K-means algoritmi qanday ishlaydi? ==== # Ob’ektlarni eng yaqin markazga bog‘lab klasterlash orqali ==== Faqat aniq belgilangan klaster sonini ishlatish orqali ==== Ma’lumotlarni alifbo tartibida ajratish orqali ==== Ma’lumotlarni ketma-ket tartiblash orqali ++++ Ma’lumotlarni klasterlash jarayonida “klaster markazi” nimani anglatadi? ==== # Klaster ichidagi o‘rtacha nuqta ==== Faqat klasterning eng katta elementi ==== Klaster ichidagi eng uzoq nuqta ==== Barcha klaster elementlarini birlashtirgan nuqta ++++ Qaysi algoritm katta hajmli ma’lumotlar bilan ishlashda qulay hisoblanadi? ==== # FP-Growth ==== Apriori ==== K-nearest neighbors ==== Linear Regression ++++ Regression tahlili qanday ma’lumotlarni tahlil qilish uchun ishlatiladi? ==== # Ma’lumotlar o‘rtasidagi bog‘liqlikni aniqlash ==== Ma’lumotlarni sinflarga ajratish ==== Katta ma’lumotlarni siqish ==== Raqamlarni o‘lchash ++++ Klassifikatsiya algoritmining maqsadi nima? ==== # Ma’lumotlarni sinflarga ajratish ==== Faqat raqamlarni saqlash ==== Ma’lumotlarni tozalash ==== Ikkilamchi ma’lumotlarni aniqlash ++++ K-nearest neighbors (KNN) algoritmi qaysi turdagi tahlil uchun ishlatiladi? ==== # Klassifikatsiya ==== Assotsiativ tahlil ==== Regression ==== Klasterni tahlil qilish ++++ Regression va klassifikatsiya algoritmlari nimasi bilan farqlanadi? ==== # Regression raqamli natijalarni beradi, klassifikatsiya esa sinflarga ajratadi ==== Regression faqat yozuvli ma’lumotlarni tahlil qiladi ==== Klassifikatsiya faqat kichik ma’lumotlar uchun ishlaydi ==== Regression faqat sinflar o‘rtasidagi bog‘lanishni aniqlaydi ++++ Klasterni tahlil qilish qaysi sohaga tegishli? ==== # Sun’iy intellekt ==== Axborot xavfsizligi ==== Tabiiy tilni qayta ishlash ==== Telekommunikatsiya ++++ Ma’lumotlarni intellektual tahlil qilish eng ko‘p qaysi sohada qo‘llaniladi? ==== # Sog‘liqni saqlash va marketing ==== Matematika va tarix ==== Ma’lumotlar xavfsizligi ==== Qurilish ++++ Sun’iy intellekt va intellektual tahlil asosida qaysi jarayonni avtomatlashtirish mumkin? ==== # Qaror qabul qilish ==== Suratlarni chizish ==== Qog‘ozdan raqamga o‘tkazish ==== Ma’lumotlarni raqamlash ++++ Assotsiativ tahlil qaysi sohada muhim hisoblanadi? ==== # Savdo va marketingda ==== O‘quv jarayonlarida ==== Texnik xizmat ko‘rsatishda ==== Kompyuter grafikasi yaratishda ++++ Ma’lumotlarni intellektual tahlil qilishda "so’rovlar va hisobotlar" qachon tayyorlanadi? ==== # So‘nggi bosqichda ==== Har qanday vaqtda ==== Tahlil qilish jarayonida ==== Avvaliga ++++ FP-Growth algoritmi nimani tahlil qilish uchun ishlatiladi? ==== # Tezkor assotsiativ qoidalarni aniqlash ==== Tasodifiy sinf yaratish ==== Oddiy ma’lumotlarni tartiblash ==== Regression natijalarini olish ++++ Ma’lumotlar integratsiyasi jarayonining asosiy maqsadi nima? ==== # Ma’lumotlarni turli manbalardan birlashtirish ==== Ma’lumotlarni alohida saqlash ==== Ma’lumotlarni arxivlash ==== Yangi ma’lumotlar yaratish ++++ Ma’lumotlar transformatsiyasi nima uchun amalga oshiriladi? ==== # Ma’lumotlarni aniq formatga keltirish uchun ==== Faqatgina ma’lumotlar hajmini oshirish uchun ==== Faqat katta hajmdagi ma’lumotlarni o‘chirish uchun ==== Arxivlash jarayonini tezlashtirish uchun ++++ Ma’lumotlarni normalizatsiya qilishning asosiy maqsadi nima? ==== # Ma’lumotlarni bitta umumiy o‘lchovga keltirish ==== Ma’lumotlarni yangi formatga aylantirish ==== Ma’lumotlarni almashtirish ==== Ma’lumotlarni o‘chirish ++++ Qaysi jarayon ma’lumotlarni yagona, to‘liq va aniqlashtirilgan ko‘rinishda saqlashga yordam beradi? ==== # Ma’lumotlar integratsiyasi ==== Ma’lumotlarni qayta ishlash ==== Ma’lumotlarni tahlil qilish ==== Ma’lumotlarni tekshirish ++++ Ma’lumotlarni tozalash qanday maqsadda amalga oshiriladi? ==== # Noto‘g‘ri yoki keraksiz ma’lumotlarni olib tashlash ==== Qayta ishlash tezligini oshirish ==== Ma’lumotlarni siqish ==== Ma’lumotlarni himoya qilish ++++ Ma’lumotlarni siqishning asosiy maqsadi nima? ==== # Ma’lumotlar hajmini kamaytirish ==== Ma’lumotlarni o‘chirish ==== Ma’lumotlar xavfsizligini oshirish ==== Ma’lumotlarni tahlil qilish ++++ Qaysi algoritm ma’lumotlarni yo‘qotishlarsiz siqish uchun ishlatiladi? ==== # LZW ==== JPEG ==== MP3 ==== MPEG ++++ Ma’lumotlarni siqishda "yo‘qotishlarsiz" (lossless) usul qanday maqsad uchun ishlatiladi? ==== # Ma’lumotlarni butunligicha saqlab qolish ==== Kichikroq hajmda siqish ==== Raqamli to‘lqinlarni yaxshilash ==== Yozuvlarni avtomatlashtirish ++++ Hajmi katta bo‘lgan media fayllarni siqish uchun ko‘pincha qaysi usul ishlatiladi? ==== # Yo‘qotishlar bilan siqish (lossy) ==== Yo‘qotishlarsiz siqish ==== Qayta ishlovsiz siqish ==== Translyatsiya qilish ++++ Yo‘qotishlarsiz siqish algoritmlariga misol qaysi? ==== # ZIP ==== JPEG ==== MP3 ==== MPEG ++++ Ma’lumotlarni integratsiyalashda “mos kelish” (schema matching) nima? ==== # Manbalar o‘rtasida moslikni aniqlash ==== Ma’lumotlar manbasini almashtirish ==== Faqatgina ma’lumotlarni saqlash ==== Yangi ma’lumotlar qo‘shish ++++ Ma’lumotlarni transformatsiya qilish jarayonida normalizatsiya nima uchun zarur? ==== # Ma’lumotlarni yagona diapazonga keltirish uchun ==== Ma’lumotlarni tekshirish uchun ==== Ma’lumotlarni yangi formatda saqlash uchun ==== Faqat kerakli ma’lumotlarni olish uchun ++++ Ma’lumotlar bazasini integratsiyalashda asosan qaysi usul ishlatiladi? ==== # ETL (Extract, Transform, Load) ==== Ma’lumotlarni arxivlash ==== To‘g‘ridan-to‘g‘ri yozish ==== Oddiy saqlash ++++ Qaysi ombor ma’lumotlar integratsiyasi natijasida shakllanadi? ==== # Data Lake ==== Data Mart ==== Ma’lumotlar bazasi ==== Grafik ombor ++++ “Run-Length Encoding” siqish usuli qanday ishlaydi? ==== # Takroriy qiymatlarni siqish orqali ==== Har bir qiymatni bittadan siqish orqali ==== Faqat eng kichik qiymatlarni siqish orqali ==== Axborot xavfsizligini oshirish uchun ++++ JPEG siqish usuli asosan qanday fayllar uchun ishlatiladi? ==== # Raqamli fotosuratlar ==== Matn fayllari ==== Musiqiy fayllar ==== Ish fayllari ++++ Qaysi jarayonda ma’lumotlarni yuqori darajada siqish orqali o‘lchami kichikroq qilish mumkin, ammo ma’lum darajada sifat yo‘qotiladi? ==== # Yo‘qotishlar bilan siqish ==== Yo‘qotishlarsiz siqish ==== Bo‘sh siqish ==== Birlamchi siqish ++++ Yo‘qotishlarsiz siqishda fayl hajmi qanday o‘zgaradi? ==== # Ma’lum darajada kichrayadi, lekin sifat saqlanadi ==== Hech qanday o‘zgarish bo‘lmaydi ==== Har doim kichikroq bo‘ladi ==== Odatda kattalashadi ++++ Qaysi qidiruv algoritmi eng qisqa yo'lni topish uchun ishlatiladi? ==== # BFS (Breadth First Search) ==== DFS (Deep First Search) ==== IDS (Iterative Deepening Search) ==== Greedy Search ++++ Qaysi qidiruv algoritmi har bir qadamda minimal baholangan tugunni tanlaydi? ==== # UCS (Uniform Cost Search) ==== BFS (Breadth First Search) ==== IDS (Iterative Deepening Search) ==== DFS (Deep First Search) ++++ Hevristik qidiruv algoritmlariga qaysi algoritm misol bo‘ladi? ==== # A* algoritmi ==== UCS (Uniform Cost Search) ==== BFS (Breadth First Search) ==== DFS (Deep First Search) ++++ DFS algoritmining ishlash tartibi qanday? ==== # Avval chuqurlik bo‘yicha qidiradi ==== Avval kenglik bo‘yicha qidiradi ==== Faqat bir qatorni qidiradi ==== Har doim minimal bahoga asoslanadi ++++ Greedy Best-First Search algoritmi qanday maqsadda ishlatiladi? ==== # Hevristik bahoni tezroq qidirish uchun ==== Chuqurlik bo‘yicha qidirish uchun ==== Minimal vaqt sarflash uchun ==== Optimal yechim topish uchun ++++ Hevristika nima? ==== # Tezroq natijaga erishish uchun taxminiy baholash ==== Ma'lumotsiz qidiruv ==== Optimal natijani topish usuli ==== Minimal vaqtni talab qiladigan qidiruv ++++ BFS algoritmi qaysi holatda ishlatiladi? ==== # Minimal chuqurlikdagi tugunni topish uchun ==== Har bir qadamda chuqurlik bo‘yicha davom etish uchun ==== Har doim bir xil qiymat bilan tugunni tanlash uchun ==== Tez natijani olish uchun ++++ IDS (Iterative Deepening Search) qanday holatda qo‘llaniladi? ==== # Har bir qadamda chuqurlikni oshirish orqali qidirish ==== Chuqurlik bo‘yicha cheklangan qidiruv ==== Barcha yo‘llarni birma-bir ko‘rib chiqish ==== Ma'lumotsiz qidiruv natijasi sifatida ++++ Qaysi qidiruv algoritmi yo‘lning umumiy bahosiga qarab yo‘llarni qidiradi? ==== # UCS (Uniform Cost Search) ==== Greedy Search ==== BFS (Breadth First Search) ==== IDS (Iterative Deepening Search) ++++ Qaysi algoritm optimal yechim topish uchun har bir tugunni tekshiradi? ==== # UCS (Uniform Cost Search) ==== BFS (Breadth First Search) ==== DFS (Deep First Search) ==== IDS (Iterative Deepening Search) ++++ Ma'lumotsiz qidiruv algoritmlariga misol qaysi? ==== # BFS va DFS ==== Hill Climbing ==== Greedy Search ==== A* ++++ Hevristika asosida ishlaydigan algoritm qaysi? ==== # A* ==== BFS ==== DFS ==== UCS ++++ Qidiruv algoritmlaridan qaysi biri rekursiv tarzda ishlaydi? ==== # DFS ==== UCS ==== BFS ==== Greedy Search ++++ IDS algoritmi qanday afzalliklarga ega? ==== # Cheksiz chuqurlikda qidirishga imkon beradi ==== Yengil vazifalar uchun ==== Minimal vaqt talab qiladi ==== Katta xotira talab qiladi ++++ Qaysi qidiruv algoritmi eng past baholangan tugunni tekshirishga asoslangan? ==== # UCS ==== Greedy Search ==== DFS ==== A* ++++ Agentning asosiy xususiyati nimadan iborat? ==== # Muhit bilan o‘zaro aloqada bo‘lish ==== Dasturiy ta'minotni yangilash ==== Qandaydir vazifalarni bajarish ==== Ma'lumotlarni yig‘ish ++++ Intellektual agentlar qanday tushuniladi? ==== # Qaror qabul qiluvchi va harakat qiluvchi tizimlar ==== Muhitni o‘zlashtiruvchi dasturlar ==== Faqat ko‘rsatmalarga amal qiluvchi tizimlar ==== Ma'lumotlarni qayta ishlovchi dasturlar ++++ Qaysi agent turi o‘zining ichki holatini eslab qoladi? ==== # Holatli agent ==== Oddiy reaktiv agent ==== Oddiy agent ==== Reaktiv agent ++++ Reaktiv agent qaysi tamoyilga amal qiladi? ==== # Muhitdagi o‘zgarishlarga bevosita javob beradi ==== Oldindan belgilangan rejani bajaradi ==== Har bir qarorni hisob-kitob qiladi ==== Murakkab hisobkitoblarga asoslanadi ++++ O‘z maqsadlarini aniqlay oladigan agent qaysi turga kiradi? ==== # Maqsadga yo‘naltirilgan agent ==== Oddiy agent ==== Holatli agent ==== Reaktiv agent ++++ Agentning holatini saqlovchi qaysi agent hisoblanadi? ==== # Holatli agent ==== Yadro agent ==== Oddiy reaktiv agent ==== Maqsadga yo‘naltirilgan agent ++++ Maqsadga yo‘naltirilgan agentning vazifasi qanday? ==== # Oldindan belgilangan maqsadga erishish ==== Faqatgina muhitni kuzatish ==== Muhit bilan o‘zaro aloqada bo‘lmaslik ==== Maqsadsiz harakat qilish ++++ Intellektual agentlarning asosiy tarkibiy qismlaridan biri qaysi? ==== # Sensorlar ==== Hisoblash jadvali ==== Maqsad tizimi ==== Kiritish-chiqarish qurilmalari ++++ Oddiy reaktiv agent qanday ma’lumotlardan foydalanadi? ==== # Faqat hozirgi holatni ==== Oldingi va hozirgi holatlarni ==== Barcha o'tgan va hozirgi holatlarni ==== Faqat ichki bilim bazasini ++++ Rejalashtirish agentining asosiy vazifasi nima? ==== # Keyingi vaziyatlarni oldindan rejalashtirish ==== O‘z harakatlarini takrorlash ==== Harakatlanishni hisobga olmaslik ==== Hozirgi vaziyatga darhol javob berish ++++ Qaysi agent turi o‘z harakatlarining uzoq muddatli oqibatlarini hisobga oladi? ==== # Rejalashtiruvchi agent ==== Holatli agent ==== Oddiy agent ==== Reaktiv agent ++++ Intellektual agentning faoliyatini tushuntirish uchun qaysi tushuncha ishlatiladi? ==== # Agentning muhit bilan o‘zaro aloqasi ==== Funksiya ==== Bilim bazasi ==== Amallar jadvali ++++ Sensorlarning agentga qanday ta'siri bor? ==== # Muhitni o‘zgarishini aniqlash imkonini beradi ==== Agent harakatlarini cheklaydi ==== Agent maqsadini o‘zgartiradi ==== Hozirgi vaziyatga darhol javob berish ++++ Holatli agent qaysi komponentdan foydalanadi? ==== # Sensor va ichki xotiradan ==== Bilim bazasi va rejalashtirish moduli ==== Faqat muhitdan keladigan ma'lumotlar ==== Yadro agent ++++ Qaysi agent o‘z faoliyatida sezgi asosida harakat qiladi? ==== # Oddiy reaktiv agent ==== Holatli agent ==== Rejalashtiruvchi agent ==== Maqsadga yo‘naltirilgan agent ++++ Intellektual agent qaysi vazifani bajarishi bilan ajralib turadi? ==== # Maqsadga erishishga yo‘naltirilgan harakatlarni bajarish ==== Barcha vaziyatlarga avtomatik javob berish ==== Faqat muhitdagi o‘zgarishlarni saqlash ==== Ma'lumotlarni qayta ishlash ++++ O‘z vazifalarini mustaqil ravishda belgilaydigan agent qanday ataladi? ==== # Avtonom agent ==== Rejalashtiruvchi agent ==== Holatli agent ==== Oddiy reaktiv agent ++++ Qaysi agent turi oldindan belgilangan qoidalarga ko‘ra harakat qiladi? ==== # Oddiy reaktiv agent ==== Rejalashtiruvchi agent ==== Holatli agent ==== Maqsadga yo‘naltirilgan agent ++++ Intellektual agentning qaror qabul qilish qobiliyatini nimaga asoslaydi? ==== # Bilim bazasi va qoidalariga ==== Sensorlar ==== Agentning o‘z harakatlariga ==== Hisoblash quvvatiga ++++ Bilimlar bazasi nima? ==== # Bilimlarni tuzilgan shaklda saqlash va boshqarish tizimi ==== Ma'lumotlarni saqlash usuli ==== Hisoblash texnikasi ==== Faqat matnli ma'lumotlarni yig‘uvchi tizim ++++ Bilimlarni namoyish etish nimani anglatadi? ==== # Bilimlarni formal tizimda saqlash va ko‘rsatish ==== Ma'lumotlarni o‘zaro bog‘lash ==== Bilimlarni hisoblash algoritmlari yordamida ifodalash ==== Bilimlarni qog‘ozga yozish ++++ Qaysi usul bilimlarni ifodalashning eng asosiy shakli hisoblanadi? ==== # Qoidalarga asoslangan ifoda ==== Grafik tasvir ==== Matnli hujjat ==== Vizual ko‘rinish ++++ Qoidalarga asoslangan bilim namoyishida qoidalar qanday ifodalanadi? ==== # "Agar... unda..." ko‘rinishida ==== Grafik diagrammada ==== Ma'lumotlar jadvalida ==== Matnli formatda ++++ Ontologiya qanday bilimlarni ifodalash usuli hisoblanadi? ==== # Ob’ektlar va ularning o‘zaro bog‘liqligini tavsiflash ==== Matnli tasvir ==== Matematik formulalar ==== Oddiy jadval ++++ Ramkalar (frames) tizimi qanday bilimlarni ifodalash uchun ishlatiladi? ==== # Strukturaviy va umumiy bilimlarni ==== Muayyan voqealarni ==== Raqamli ma'lumotlarni ==== Matnli bilimlarni ++++ Semantik tarmoqlar qanday bilimlarni namoyish etish uchun mo‘ljallangan? ==== # Ob’ektlar va ularning bog‘liqligini ifodalash uchun ==== Ma'lumotlar jadvallarini tuzish uchun ==== Qoidalarga asoslangan bilimlarni ==== Faqat raqamli ma'lumotlarni ++++ Bilimlarni ifodalashda semantik tarmoqlar qanday ko‘rinishda beriladi? ==== # Graf shaklida ==== To‘g‘ri chiziq bo‘yicha ==== Matnli ko‘rinishda ==== Faoliyat diagrammasi ko‘rinishida ++++ Qaysi bilimlarni ifodalash usuli inson miyasiga o‘xshash tarmoqli strukturani yaratadi? ==== # Semantik tarmoq ==== Qoidalarga asoslangan ifoda ==== Ramkalar ==== Raqamli ifoda ++++ Ontologiya nimani ifodalash uchun ishlatiladi? ==== # Ma'lum predmetlar va ularning o‘zaro bog‘liqligini aniqlash uchun ==== Faqat faktlarni saqlash uchun ==== Raqamli ma'lumotlarni aniqlash uchun ==== Grafik diagrammalarni chizish uchun ++++ Bilimlarni ramka shaklida ifodalash qachon qo‘llaniladi? ==== # Strukturaviy bilimlarni tasvirlashda ==== Oddiy ma'lumotlarni saqlashda ==== Raqamli ma'lumotlarni saqlashda ==== Qoidalarga asoslangan bilimlarni ifodalashda ++++ Bilimlar bazasida qoidalar nimaga xizmat qiladi? ==== # Amallar bajarish qoidalarini belgilash uchun ==== Faktlarni taqdim etish uchun ==== Raqamli ma'lumotlarni o‘zgartirish uchun ==== Dasturiy kodni o‘zgartirish uchun ++++ Bilimlarni ifodalashda "Agar... unda..." qoidasi qaysi usulga tegishli? ==== # Qoidalarga asoslangan ifoda ==== Raqamli ifoda ==== Ontologik ifoda ==== Grafik diagramma ++++ Semantik tarmoqlar qanday afzallikka ega? ==== # Ob’ektlar va ularning munosabatlarini oson ifodalaydi ==== Raqamli ma'lumotlarni saqlaydi ==== Qoidalarga mos bo‘ladi ==== Dasturiy kodni o‘zgartiradi ++++ Qaysi bilimlarni ifodalash usuli atribut qiymatlari bilan bog‘liq? ==== # Ramkalar ==== Qoidalarga asoslangan ifoda ==== Semantik tarmoq ==== Ontologiya ++++ Intellektual tizimlarda ontologiyaning vazifasi nimadan iborat? ==== # Bilimlarni bir tizimga keltirish va ularning o‘zaro bog‘liqligini ko‘rsatish ==== Matnli hujjatlarni o‘qish ==== Harakatlarni avtomatlashtirish ==== Ma'lumotlar bazasini yaratish ++++ Bilimlarni namoyish etishda ramka ichida qanday ma'lumotlar mavjud bo‘ladi? ==== # Ob’ekt atributlari va qiymatlari ==== Faktlar va qoidalar ==== Muhit bilan o‘zaro aloqa qoidalari ==== Diagrammalar ++++ Bilimlarni namoyish etishdagi qoidalar qanday tasvirlanadi? ==== # "Agar... unda..." shaklida ==== Grafik diagramma yordamida ==== Raqamlar orqali ==== Ob’ekt va ularning o‘zaro bog‘lanishi orqali ++++ Bilimlar bazasida "ontologiya" tushunchasi qaysi bilimlarni ifodalashga yordam beradi? ==== # Predmetlar va ularning o‘zaro munosabatlarini ==== Muhitga moslashgan bilimlarni ==== Matematik formulalarni ==== Grafik diagrammalarni ++++ Bilimlarni ifodalash uchun qoidalarga asoslangan tizim qachon ishlatiladi? ==== # Ob’ektlar orasidagi murakkab munosabatlar mavjud bo‘lganda ==== Faqat raqamli ma'lumotlar mavjud bo‘lganda ==== Faqat grafik diagrammalar bilan ishlashda ==== Ma'lumotlar oddiy matn shaklida bo‘lganda ++++ Freym modeli qanday bilimlarni taqdim etishda qo‘llaniladi? ==== # Strukturaviy va umumiy bilimlarni ==== Raqamli ma’lumotlarni ==== Faqat grafik ma’lumotlarni ==== Ma’lumotlarni qog‘ozda saqlashda ++++ Produksion model qaysi shaklda ifodalanadi? ==== # "Agar... unda..." qoidasi ==== Grafik diagramma ==== Matnli ko‘rinish ==== Jadval formatida ++++ Mantiqiy model nimaga asoslangan? ==== # Formal mantiq qoidalariga ==== Statistik ma’lumotlarga ==== Hisoblash algoritmlariga ==== Matnli ko‘rinishga ++++ Semantik tarmoq qanday ma’lumotlarni ifodalaydi? ==== # Ob’ektlar va ularning bog‘liqligini ==== Faqat raqamli ma’lumotlarni ==== Grafik diagrammalarni ==== Matnli hujjatlarni ++++ Freym modeli qanday struktura yordamida bilimlarni saqlaydi? ==== # Ob’ektning atributlari va qiymatlari orqali ==== Faqat matnli hujjatlarda ==== Grafik tasvirlar yordamida ==== Harakat diagrammasi orqali ++++ Produksion qoidalar qaysi ma’lumotlarni taqdim etishda foydalidir? ==== # Harakat va qaror qabul qilish qoidalarini ==== Grafik ma’lumotlarni ==== Faqat raqamli ma’lumotlarni ==== Statistik ma’lumotlarni ++++ Semantik tarmoq nimani ifodalash uchun mo‘ljallangan? ==== # Ob’ektlar va ularning munosabatlarini ==== Matnli ma’lumotlarni ==== Qoidalarga asoslangan ma’lumotlarni ==== Oddiy matn ko‘rinishidagi bilimlarni ++++ Mantiqiy modellar qanday bilimlarni ifodalashga yordam beradi? ==== # Formal qoidalar va munosabatlarni ==== Ob’ektlarning grafigini ==== Qoidalarga asoslangan bilimlarni ==== Statistik ma’lumotlarni ++++ Freym modelida har bir freym nimani ifodalaydi? ==== # Muayyan ob’ekt yoki holatni ==== Raqamli ma’lumotlarni ==== Qoidalarga asoslangan ifoda ==== Jadvaldagi ko‘rsatkichlarni ++++ Produksion model qanday asosiy afzallikka ega? ==== # Qoidalar asosida tezkor qaror qabul qilish imkonini beradi ==== Grafik ma’lumotlarni samarali saqlash ==== Statistik ma’lumotlarni kiritish ==== Oddiy matn formatida saqlash ++++ Mantiqiy ifodalar qayerda qo‘llaniladi? ==== # Formallik talab etilgan mantiqiy tizimlarda ==== Statistik natijalarni chiqarishda ==== Raqamli ma’lumotlarni saqlashda ==== Faqat grafik ifodalarda ++++ Semantik tarmoqlar qanday shaklda ifodalanadi? ==== # Ob’ektlar va ularning o‘zaro bog‘liqlik grafigida ==== To‘g‘ri chiziq ko‘rinishda ==== Harakat diagrammasida ==== Matnli formatda ++++ Freym modelida atributlar nima uchun ishlatiladi? ==== # Ob’ekt xususiyatlarini aniqlash uchun ==== Raqamli ma’lumotlarni ifodalash uchun ==== Qoidalarga asoslangan ifodani kiritish uchun ==== Ma’lumotlarni grafik ko‘rinishda chiqarish uchun ++++ Produksion qoidalarning asosiy elementi nima? ==== # "Agar... unda..." ko‘rinishi ==== Raqamli formulalar ==== Grafik diagrammalar ==== Statistik o‘lchovlar ++++ Semantik tarmoq qanday vazifani bajaradi? ==== # Ob’ektlar o‘rtasidagi munosabatlarni tushuntiradi ==== Raqamli ma’lumotlarni o‘zaro bog‘lash ==== Harakat va qaror qabul qilish qoidalarini beradi ==== Faqat faktlarni saqlaydi ++++ Freym modeli qanday ma’lumotlarni ifodalash uchun mos keladi? ==== # Ob’ektlarning tavsifini ==== Matnli va raqamli ma’lumotlarni ==== Grafik tasvirlarni ==== Statistika natijalarini ++++ Qaysi taqdim etish modeli murakkab holatlar uchun mantiqiy yechimlarni taklif etadi? ==== # Mantiqiy model ==== Semantik tarmoq ==== Freym modeli ==== Produksion model ++++ Qaysi model ob’ekt va hodisalarni o‘zaro bog‘langan tizimda tasvirlaydi? ==== # Produksion model ==== Freym modeli ==== Semantik tarmoq ==== Mantiqiy model ++++ Produksion qoidalarning ko‘rinishi qaysi tilda yozilgan ko‘rinishga o‘xshaydi? ==== # "Agar... unda..." ko‘rinishi ==== Tabiiy til ==== Kod tili (masalan, Python) ==== Oddiy matematik formulalar ++++ Mantiqiy modelning afzalligi nimada? ==== # Qoidalarga asoslangan bilimlarni formal ifodalashda ==== Statistik ko‘rsatkichlarni taqdim etishda ==== Raqamli ma’lumotlarni tahlil qilishda ==== Murakkab grafik chizmalarda ++++ Noravshan mantiq qaysi turdagi muammolarni yechishda qo‘llaniladi? ==== # Aniqlikni talab qilmaydigan, noaniq holatlarni tahlil qilishda ==== Faqat matematik muammolar ==== To‘liq statistik ma’lumotlarga asoslangan muammolar ==== Qat’iy haqiqatlarga asoslangan muammolar ++++ Noravshan mantiqda “haqiqat qiymati” qanday ifodalanadi? ==== # 0 dan 1 gacha bo‘lgan qiymatlar oralig‘ida ==== Faqat 0 yoki 1 ==== Faqat butun sonlar ==== 0 dan 10 gacha bo‘lgan qiymatlar ++++ Bayes teoremasining asosiy maqsadi nima? ==== # Shartli ehtimollarni hisoblash ==== Aniq sonlarni hisoblash ==== Nazariy formulalar yaratish ==== Matematika qoidalarini qo‘llash ++++ Noravshan mantiq modellari qaysi muallif tomonidan keng tadbiq etilgan? ==== # Lotfi Zadeh ==== Alon Turing ==== Alan Blum ==== Richard Bellman ++++ Bayes teoremasida "shartli ehtimol" nimani anglatadi? ==== # Ma’lum bir sharoitdagi ehtimol ==== Ehtimolning umumiy qiymati ==== To‘liq va qat’iy ehtimollar ==== Raqamli ma’lumotlar soni ++++ Noravshan mantiq modellarida "a’zolik darajasi" nima? ==== # Qiymatlar biror elementning belgilangan sinfga tegishliligini ifodalaydi ==== Faqat ijobiy butun sonlar ==== Qiymatlar 0 va 1 ga teng ==== Qiymatlar faqat 0 yoki 1 bo‘ladi ++++ Bayes teoremasida yangi ma’lumotlar qanday tahlil qilinadi? ==== # Yangi ma’lumotlar yordamida ehtimol qayta hisoblanadi ==== Ular e’tiborga olinmaydi ==== Faqat asosiy ma’lumotlar ishlatiladi ==== Ma’lumotlar kiritish faqat bir marta amalga oshiriladi ++++ Noravshan mantiqda qiymatlar o‘rtasidagi bog‘liqlikni qanday ifodalash mumkin? ==== # Qisman yoki to‘liq bog‘liqlik darajasini ko‘rsatish bilan ==== Faqat to‘liq bog‘lanish bilan ==== Faqat ijobiy bog‘lanish orqali ==== Faqat 0 va 1 qiymatlari orqali ++++ Noravshan mantiq modellarida "noravshanlik" qaysi vazifani bajaradi? ==== # Noaniqlikni ifodalaydi ==== Aniqlikni oshiradi ==== Faqat to‘g‘ri qiymatlar chiqaradi ==== Faqat teskari qiymatlar beradi ++++ Bayes teoremasidan qachon foydalaniladi? ==== # Shartli ehtimollar va yangi ma’lumotlar bilan ishlashda ==== Raqamlar sonini o‘lchashda ==== Grafik chizmalarni qurishda ==== To‘liq aniqlik kerak bo‘lgan hisoblarda ++++ Noravshan mantiqda 0 va 1 qiymatlari nimani anglatadi? ==== # To‘liq noto‘g‘ri va to‘liq to‘g‘ri ==== Yaxshi va yomon ==== O‘rtacha va yuqori ==== Katta va kichik ++++ Bayes teoremasi qaysi sohada keng qo‘llaniladi? ==== # Statistika va ehtimollar nazariyasida ==== Geometriyada ==== Sotsiologiyada ==== O‘yin dizaynida ++++ Noravshan mantiqning asosiy afzalligi nima? ==== # Noaniq va qisman qiymatlar bilan ishlay oladi ==== Faqat qat’iy javoblarni beradi ==== Faqat 0 va 1 qiymatlaridan foydalanadi ==== Aniqlikni oshiradi ++++ Bayes teoremasida yangi ma’lumotlarga nisbatan ehtimol qanday hisoblanadi? ==== # Qayta hisoblash orqali yangilanadi ==== Yangi ma’lumotlar qabul qilinmaydi ==== Ma’lumotlar eskirgan deb qabul qilinadi ==== To‘g‘ri va noto‘g‘ri deb ajratiladi ++++ Noravshan mantiqda qaysi qiymatlar qabul qilinishi mumkin? ==== # 0 dan 1 gacha bo‘lgan o‘zgaruvchilar ==== Faqat 0 va 1 ==== Faqat butun sonlar ==== Faqat ijobiy sonlar ++++ Bayes teoremasida asosiy ehtimol va shartli ehtimol o‘rtasidagi bog‘liqlik qanday ifodalanadi? ==== # Shartli ehtimol formulasi bilan ==== Grafik yordamida ==== To‘g‘ri va noto‘g‘ri natijalar orqali ==== Qiymatlarning yig‘indisi orqali ++++ Noravshan mantiq modeli qaysi sohada ko‘p qo‘llaniladi? ==== # Sun’iy intellekt va boshqaruv tizimlarida ==== Astronomiyada ==== Aniq hisoblashda ==== Tabiatni modellashtirishda ++++ Bayes teoremasi qanday natijalarni beradi? ==== # Ma’lum ehtimol asosida yangilangan ehtimollarni hisoblaydi ==== Raqamlarni matn shaklida ko‘rsatadi ==== Aniqlik darajasini oshiradi ==== Noaniqlikni ifodalaydi ++++ Noravshan mantiqda “a’zolik funktsiyasi” nimani ifodalaydi? ==== # Ob’ektning sinfga qisman tegishliligini ==== Ob’ektning to‘liq a’zolik qiymatini ==== Faqat to‘g‘ri yoki noto‘g‘ri qiymatlarni ==== Grafik qiymatlarni ++++ Bayes teoremasi asosida qaysi usul yangi ma’lumotlarga asoslangan qaror qabul qilishga yordam beradi? ==== # Shartli ehtimollarni yangilash orqali ==== To‘liq tasdiqlangan natijalar ==== Jadval yordamida ==== Faqat sonlarni solishtirish orqali ++++ Ekspert tizimi nima? ==== # Muayyan sohadagi bilim va tajribaga asoslangan maslahat beruvchi dasturiy ta’minot ==== Sun’iy intellekt yordamida avtomatik hisoblash tizimi ==== O‘yin o‘ynash uchun dasturiy ta’minot ==== O‘quv dasturlarini yaratish uchun tizim ++++ Ekspert tizimlarining asosiy vazifasi nima? ==== # Foydalanuvchilarga avtomatlashtirilgan tarzda maslahat berish va qaror qabul qilishda yordam berish ==== O‘yin o‘ynash ==== Matematik formulalarni tahlil qilish ==== Rasmiy hujjatlarni tahrirlash ++++ Ekspert tizimining asosiy tarkibiy qismi nima? ==== # Bilimlar bazasi ==== Grafik interfeys ==== Matn muharriri ==== O‘yin motorlari ++++ Ekspert tizimlari qaysi sohaga tegishli? ==== # Sun’iy intellekt ==== Qiziqarli o‘yinlar ishlab chiqishga ==== Grafik dizayn ==== Musiqa yaratish ++++ Ekspert tizimining muhim qismi bo‘lgan "inference engine" nima uchun xizmat qiladi? ==== # Bilimlarni asosiy ma’lumotlar asosida tahlil qilish va xulosa chiqarish uchun ==== Tizimda grafik chizish uchun ==== Internetni tekshirish uchun ==== Texnik xizmat ko‘rsatish uchun ++++ Ekspert tizimlarining foydalanuvchiga ko‘rsatadigan asosiy foydasi nima? ==== # Mutaxassislik bilimlarini qo‘llab, qaror qabul qilishda yordam berish ==== Ishlash tezligi ==== Yangi dasturlar yaratish ==== Grafik dizaynni yaxshilash ++++ Ekspert tizimda bilimlarni qanday ko‘rinishda saqlash mumkin? ==== # Ma’lumotlar bazasida ==== Matnli hujjatlarda ==== Grafiklar shaklida ==== Musiqa fayllarida ++++ Ekspert tizimda qaror qabul qilish jarayonini qo‘llab-quvvatlash uchun nima ishlatiladi? ==== # Mantiqiy qoidalar va bilimlar bazasi ==== Kod generatori ==== Rasm muharriri ==== Musiqa yozuvlari ++++ Ekspert tizimi foydalanuvchiga qanday turdagi maslahatlarni beradi? ==== # Mutaxassislik bilimlariga asoslangan aniq maslahatlar ==== Umumiy maslahatlar ==== Faqat o‘yin vaqtidagi maslahatlar ==== Matn muharrirlari bo‘yicha maslahatlar ++++ Ekspert tizimlarining qaysi jihati foydalanuvchiga ko‘rsatmalar berish uchun ishlatiladi? ==== # Mantiqiy qoidalar ==== Ma’lumotlar ombori ==== Grafika muharriri ==== Matn muharriri ++++ Ekspert tizimining foydalanuvchi bilan o‘zaro aloqasini ta’minlovchi qismi qanday ataladi? ==== # Foydalanuvchi interfeysi ==== Grafik interfeys ==== Ma’lumotlar ombori ==== Tahrirlash paneli ++++ Ekspert tizimlarida qaror qabul qilish qanday amalga oshiriladi? ==== # Bilimlar bazasi va mantiqiy qoidalar orqali ==== Faqat o‘z bilimlar bazasi asosida ==== Foydalanuvchi ma’lumotlari asosida ==== Texnik grafikalar yordamida ++++ Qaysi holatda ekspert tizimi ishlatilishi mumkin? ==== # Tibbiy tashhis qo‘yishda ==== O‘yinlar yaratishda ==== Musiqa yozishda ==== Video muharrirlashda ++++ Ekspert tizimining "sharhlovchi" moduli nima uchun xizmat qiladi? ==== # Foydalanuvchiga tizim xulosalarini tushuntirish uchun ==== Grafik chizish uchun ==== Ma’lumotlarni saqlash uchun ==== Matnlarni tarjima qilish uchun ++++ Ekspert tizimi o‘z bilimlarini qanday tahlil qiladi? ==== # Ma’lumotlar bazasi va mantiqiy qoidalar asosida ==== Tasodifiy raqamlarni tanlash orqali ==== Har bir foydalanuvchidan ma’lumot olib ==== Faqat grafiklar asosida ++++ Ekspert tizimi bilimlarini qanday kiritish mumkin? ==== # Mutaxassislar tomonidan kiritingan qoidalar va faktlar yordamida ==== Faqat matnli formatda ==== Faqat grafik formatda ==== Musiqa shaklida ++++ Ekspert tizimlari ko‘pincha qanday muammolarni hal qilish uchun ishlatiladi? ==== # Maxsus sohalardagi murakkab qarorlar qabul qilish ==== Qiziqarli o‘yinlar yaratish uchun ==== Faqat oson muammolarni ==== Faqat grafikani chizish ++++ Ekspert tizimlarining foydasi nimada? ==== # Tezroq qaror qabul qilishda yordam beradi ==== Faqat tasodifiy javob beradi ==== Grafik chizish imkonini beradi ==== O‘yin o‘ynash imkonini beradi ++++ Ekspert tizimining ishlash jarayonida qanday bilimlardan foydalaniladi? ==== # Maxsus sohadagi bilimlardan ==== Faqat foydalanuvchi tajribasidan ==== Tasodifiy raqamlardan ==== Faqat grafik ma’lumotlardan ++++ Ekspert tizimlarining dastlabki loyihasi qaysi sohada ishlab chiqilgan? ==== # Tibbiyot ==== Grafik dizayn ==== Musiqa ishlab chiqarish ==== O‘yin dizayni ++++ Mashinali o‘qitish nima? ==== # Kompyuterga ma’lum bir vazifani tajriba asosida o‘rganishga imkon beruvchi texnologiya ==== Ma’lumotlarni tasodifiy saralash jarayoni ==== Grafik chizish texnikasi ==== O‘yin o‘ynash uchun dasturiy ta’minot ++++ Mashinali o‘qitish qaysi soha bilan bevosita bog‘liq? ==== # Sun’iy intellekt ==== Grafik dizayn ==== Video muharrirlash ==== Matematika ++++ Mashinali o‘qitishning qaysi turida ma’lumotlardagi belgilar belgilangan bo‘ladi? ==== # Nazoratli o‘qitish ==== Nazoratsiz o‘qitish ==== O‘yin o‘qitish ==== Reinforcement o‘qitish ++++ Nazoratsiz o‘qitish uchun qaysi maqsad eng ko‘p qo‘llaniladi? ==== # Klasterizatsiya ==== Sharhlash ==== Regression ==== Klasifikatsiya ++++ Qaysi mashinali o‘qitish turi mukofot va jazolar asosida ishlaydi? ==== # Reinforcement o‘qitish ==== Nazoratli o‘qitish ==== Nazoratsiz o‘qitish ==== Klasifikatsiya ++++ Regression modeli qaysi vazifa uchun qo‘llaniladi? ==== # Davomiy qiymatlarni bashorat qilish ==== Klasterizatsiya ==== Tasniflash ==== Ma’lumotlar segmentatsiyasi ++++ Mashinali o‘qitishda “Overfitting” nimani anglatadi? ==== # Modelning ma’lumotlarga haddan tashqari moslashishini ==== Modelning juda oddiy bo‘lishini ==== Modelning mukammal ishlashini ==== Modelning noto‘g‘ri ishlashini ++++ Qaysi mashinali o‘qitish modeli tasniflash uchun mos keladi? ==== # K-Nearest Neighbors ==== Lineyn regression ==== Grafik chizish ==== Gaussian filtering ++++ Nazoratli o‘qitish uchun qaysi vazifa odatiy hisoblanadi? ==== # Klasifikatsiya va regression ==== Grafik dizayn ==== Musiqa yaratish ==== Tasodifiy tanlash ++++ Nazoratli o‘qitishda ma’lumotlar qanday tasniflanadi? ==== # Belgilangan ma’lumotlar ==== Umumiy ma’lumotlar ==== Hech qanday ma’lumot berilmaydi ==== O‘yinlar orqali ++++ Nazoratsiz o‘qitish algoritmlarida ma’lumotlar qanday bo‘ladi? ==== # Belgilanmagan ==== Belgilangan ==== Mukammal aniqlangan ==== Faqat numerik ++++ Klasterizatsiya qaysi mashinali o‘qitish turiga kiradi? ==== # Nazoratsiz o‘qitish ==== Regression ==== Nazoratli o‘qitish ==== Reinforcement o‘qitish ++++ Mashinali o‘qitishda “Underfitting” nimani anglatadi? ==== # Modelning yetarli darajada murakkab bo‘lmasligini ==== Modelning ortiqcha moslashishini ==== Modelning ajoyib ishlashini ==== Ma’lumotlarning kamligi ++++ O‘rganish jarayonida yangi namunalarni sinash nima uchun zarur? ==== # Modelning moslashuvini tekshirish uchun ==== Grafikani yaxshilash uchun ==== Modelning mukammallashuvi uchun ==== Faqat o‘yin o‘ynash uchun ++++ Modelni baholash uchun ishlatiladigan "MAE" (Mean Absolute Error) nima? ==== # Modelning o‘rtacha xatoligi ==== Ma’lumotlar bazasi ==== Grafik muharriri ==== Ma’lumotlarni tahlil qilish ++++ Mashinali o‘qitishda ishlatiladigan “train-test split” nima? ==== # Ma’lumotlar to‘plamini o‘rgatish va sinash uchun bo‘lish usuli ==== Ma’lumotlarni to‘liq qayta ishlash ==== Faqat grafik tahlil qilish ==== Musiqa ishlab chiqarish ++++ Qaysi mashinali o‘qitish algoritmi eng ko‘p nazoratli o‘qitish uchun ishlatiladi? ==== # Decision Trees ==== K-Means ==== Naive Bayes ==== Klasterizatsiya ++++ Qaysi mashinali o‘qitish algoritmi tasniflashda ishlatiladi? ==== # Naive Bayes ==== Gaussian filtering ==== Klasterizatsiya ==== Ma’lumotlar saqlash ++++ Gradient Descent nima uchun ishlatiladi? ==== # Model xatolarini kamaytirish uchun optimallashtirish usuli sifatida ==== Grafik chizish uchun ==== O‘yin yaratish uchun ==== Ma’lumotlarni saralash uchun ++++ Overfittingning oldini olish uchun qaysi texnika ishlatiladi? ==== # Umumiylashtirish ==== Chuqur o‘qitish ==== Klasterizatsiya ==== Train-test split ++++ O‘qituvchili o‘qitish algoritmi qanday aniqlanadi? ==== # Belgilangan ma’lumotlar yordamida modelni o‘rgatish usuli ==== Belgilanmagan ma’lumotlar bilan ishlash ==== Faqat tasodifiy tanlash ==== Ma’lumotlarni tasniflashsiz qayta ishlash ++++ O‘qituvchili o‘qitishda model qanday turdagi ma’lumotlar ustida o‘rganadi? ==== # Belgilangan ==== Tasniflanmagan ==== Faqat numerik ==== Barcha javoblar to‘g‘ri ++++ Qaysi algoritm regression vazifalari uchun mos keladi? ==== # Lineyn regression ==== K-Nearest Neighbors (KNN) ==== Klasterizatsiya ==== K-means ++++ Qaysi o‘qituvchili o‘qitish algoritmi eng ko‘p klassifikatsiya uchun ishlatiladi? ==== # Decision Trees ==== PCA ==== Fourier transform ==== Barcha javoblar to‘g‘ri ++++ Decision Trees algoritmi qanday ishlaydi? ==== # Qaror qabul qilish jarayonini bo‘lish orqali ==== Tasodifiy tanlash asosida ==== Raqamli hisoblash asosida ==== Tasodifiy klasterlash orqali ++++ Support Vector Machine (SVM) algoritmining asosiy maqsadi nima? ==== # Ma’lumotlarni tekislik bo‘yicha ajratish ==== Tasodifiy sonlarni ishlab chiqarish ==== Grafik chizish ==== Klasterlash ++++ Random Forest algoritmi nima? ==== # Bir nechta qaror daraxtlarining ansambli ==== Faqat bitta qaror daraxtini ishlatish ==== Raqamli qiymatlarni jamlash ==== Klasterizatsiya ++++ K-Nearest Neighbors (KNN) algoritmida “K” nimani anglatadi? ==== # Eng yaqin qo‘shnilar sonini ==== Tanlangan klasterlar sonini ==== Foydalaniladigan daraxtlar sonini ==== Tasodifiy sonlarni ++++ Lineyn regression qanday vazifalar uchun ishlatiladi? ==== # Davomiy qiymatlarni bashorat qilish ==== Ma’lumotlarni tasniflash ==== Klasterizatsiya ==== Tasodifiy raqamlar yaratish ++++ Naive Bayes algoritmi qaysi matematik modelga asoslangan? ==== # Bayes teoremasi ==== Tasodifiy tanlash ==== Gradient Descent ==== Klasterizatsiya ++++ Gradient Descent texnikasi nimani kamaytirish uchun ishlatiladi? ==== # Yo‘qotish funksiyasini ==== O‘rtacha qiymatni ==== Raqamlar sonini ==== Grafik o‘lchamini ++++ Bagging texnikasi qaysi algoritm bilan ko‘p qo‘llaniladi? ==== # Decision Trees ==== Naive Bayes ==== PCA ==== Fourier transform ++++ Logistik regression nimani bashorat qilish uchun ishlatiladi? ==== # Ikki qiymatli natijalar ==== Davomiy qiymatlar ==== Raqamlarni klasterlash ==== Grafikalar ++++ SVM algoritmi qanday qilib ma’lumotlarni ajratadi? ==== # O‘q orqali ajratish ==== Tasodifiy joylashtirish orqali ==== Grafik chizish orqali ==== Raqamlarni jamlash orqali ++++ AdaBoost algoritmi qaysi maqsadda ishlatiladi? ==== # O‘rganish jarayonida yangi xatolarni minimallashtirish ==== Grafik yaratish ==== Sinov uchun tasodifiy sonlar ishlab chiqarish ==== Barcha javoblar to‘g‘ri ++++ Logistik regression qanday turdagi natijalar uchun mos? ==== # Kategoriyalarga ajratilgan qiymatlar ==== Davomiy qiymatlar ==== Tasodifiy sonlar ==== Raqamli bo‘lmagan qiymatlar ++++ Random Forest algoritmida nechta daraxtlardan foydalanish modelni qanday ta’sir qiladi? ==== # Modelning ishonchliligini oshiradi ==== Modelni buzadi ==== Modelni sekinlashtiradi ==== Faqat boshlang‘ich natijalarga ta’sir qiladi ++++ Naive Bayes algoritmi qaysi vazifada ishlatilishi uchun ma’qul? ==== # Tasniflash ==== Regression ==== Klasterlash ==== Grafik yaratish ++++ Support Vector Machine qaysi ma’lumotlar bo‘linishini amalga oshiradi? ==== # Liniy separatsiya mumkin bo‘lgan ma’lumotlar ==== Har qanday to‘liq tasodifiy ma’lumotlar ==== Faqat tasniflangan ma’lumotlar ==== Barcha javoblar to‘g‘ri ++++ O‘qituvchisiz o‘qitish algoritmlarining asosiy vazifasi nima? ==== # Ma’lumotlarni belgilarsiz tahlil qilish va tuzilmalarni aniqlash ==== Belgilangan ma’lumotlar bilan ishlash ==== Regression natijalarini hisoblash ==== Faqat raqamlarni tasniflash ++++ Klasterizatsiya qanday o‘qitish turiga kiradi? ==== # O‘qituvchisiz ==== O‘qituvchili ==== Yarim o‘qituvchili ==== Kuchaytirish bilan o‘qitish ++++ K-means algoritmi qanday ishlaydi? ==== # Ma’lumotlarni klasterlar markaziga yaqinlashtirib ajratadi ==== Belgilar orqali tasniflaydi ==== Qaror daraxtlari yaratadi ==== Yangi klasterlar hosil qiladi ++++ Qaysi algoritm ma’lumotlarni klasterlarga ajratishda qo‘llaniladi? ==== # K-means ==== Naive Bayes ==== Random Forest ==== Lineyn regression ++++ O‘qituvchisiz o‘qitishning asosiy maqsadi nima? ==== # Ma’lumotlardan strukturalarni aniqlash ==== Belgilangan ma’lumotlar bilan tasniflash ==== Faqat regressiya natijalarini topish ==== Davomiy qiymatlarni hisoblash ++++ DBSCAN algoritmi qanday ma’lumotlarni klasterlashga asoslangan? ==== # Qalinligi va zichligiga asoslangan ==== Masofaga asoslangan ajratish ==== Tasodifiy tanlash ==== Tasniflash ++++ K-means algoritmida “K” nimani anglatadi? ==== # Klasterlar sonini ==== Klaster markazlarining o‘lchamini ==== Ma’lumotlar hajmini ==== Tasodifiy sonlarni ++++ Qaysi algoritm klasterlar markazini moslashuvchan ravishda yangilab boradi? ==== # K-means ==== Random Forest ==== Decision Trees ==== Naive Bayes ++++ Qaysi o‘qituvchisiz o‘qitish algoritmi zichlikka asoslangan ma’lumotlarni klasterlaydi? ==== # DBSCAN ==== K-means ==== Support Vector Machine ==== Decision Trees ++++ Hierarchical clustering nima? ==== # Ierarxik struktura asosida ma’lumotlarni klasterlash ==== Regression algoritmi ==== O‘qituvchili algoritm ==== Qat’iy klaster markazlaridan foydalangan holda ma’lumotlarni ajratish ++++ O‘qituvchisiz o‘qitishda foydalaniladigan asosiy ma’lumot turlari qanday? ==== # Belgilarsiz ma’lumotlar ==== Belgilangan ma’lumotlar ==== Tasodifiy qiymatlar ==== Faqat raqamli qiymatlar ++++ DBSCAN algoritmida qaysi parametr ma’lumotlarning zichligini belgilaydi? ==== # Masofa chegarasi (eps) ==== K qiymati ==== Qaror daraxtlar soni ==== Regression qiymati ++++ Hierarchical clusteringning qaysi turi eng ko‘p ishlatiladi? ==== # Agglomerativ va diviziv ==== Naive Bayes ==== Lineyn regression ==== Random Forest ++++ K-means algoritmining asosiy kamchiligi nima? ==== # Klasterlarning miqdorini oldindan berish talab qilinishi ==== Hech qanday kamchiligi yo‘q ==== Belgilarsiz ma’lumotlar bilan ishlay olmasligi ==== Tasodifiy natija berishi ++++ Principal Component Analysis (PCA) algoritmi nima uchun ishlatiladi? ==== # Ma’lumotlarni qisqartirish va asosiy komponentlarni aniqlash ==== Tasniflash uchun ==== Zichlikka asoslangan klasterlash ==== Lineyn regression ++++ DBSCAN algoritmida qanday nuqtalar klasterning markazi sifatida tanlanadi? ==== # Yetarlicha qo‘shnilarga ega zich nuqtalar ==== Eng yaqin qo‘shnilar ==== Faqat masofaga yaqin bo‘lgan nuqtalar ==== Tasodifiy nuqtalar ++++ K-means algoritmida har bir nuqta qanday klasterga qo‘shiladi? ==== # Eng yaqin klaster markaziga ==== Tasodifiy tanlanadi ==== Eng uzoq klaster markaziga ==== Belgilar bo‘yicha tasniflanadi ++++ O‘qituvchisiz o‘qitishdagi asosiy afzallik nima? ==== # Belgilangan ma’lumotlar talab qilinmasligi ==== Faqat tasodifiy ma’lumotlar bilan ishlashi ==== Faqat regressiyani hisoblash ==== Qo‘llab-quvvatlash yo‘qligi ++++ DBSCAN algoritmi qanday nuqtalarni “shovqin” deb belgilaydi? ==== # Yetarlicha qo‘shnilarga ega bo‘lmagan nuqtalar ==== Faqat klaster markazi ==== Eng yaqin qo‘shnilarga ega nuqtalar ==== Belgilangan nuqtalar ++++ PCA ma’lumotlar qisqartirish uchun qanday usulni qo‘llaydi? ==== # O‘zgaruvchilar sonini kamaytirish ==== Klasterlash ==== Zichlikka asoslangan klasterlash ==== Tasniflash ++++ Sun’iy neyron tarmoqlar (SNT) qanday maqsad uchun qo‘llaniladi? ==== # Murakkab muammolarni hal qilish va ma’lumotlarni o‘rganish ==== Shunchaki tasodifiy raqamlarni yaratish ==== Faqat regressiya muammolarini hal qilish ==== Matn yozish ++++ Sun’iy neyron tarmoqlar qanday ilhomlangan? ==== # Odam miyasi neyronlari va sinapslari tuzilishidan ==== Matematik formulalar ==== Kompyuter dasturlash algoritmlaridan ==== Raqamli hisoblash usullaridan ++++ Sun’iy neyron tarmog‘idagi eng kichik element nima deb ataladi? ==== # Neyron ==== Klaster ==== Sinaps ==== Tarmoq ++++ Sun’iy neyron tarmog‘ida kirish va chiqishlar orasidagi hisob-kitoblar qanday elementlar orqali amalga oshiriladi? ==== # Neyronlar ==== Klasterlar ==== Daraxtlar ==== Qatlamlar ++++ Qaysi qatlam SNTda barcha kirish ma’lumotlarini o‘z ichiga oladi? ==== # Kirish qatlami ==== Chiqish qatlami ==== Oraliq qatlam ==== Sinaps qatlam ++++ Yashirin qatlamlar qanday vazifani bajaradi? ==== # Ma’lumotlarni qayta ishlash va o‘rganish ==== Natijalarni ekranga chiqarish ==== Kirish ma’lumotlarini saqlash ==== Faqat uzatish ++++ Neyronning chiqishi qanday funktsiya orqali hisoblanadi? ==== # Aktivatsiya funktsiyasi ==== Darajali funksiya ==== Sinaps funksiya ==== O‘rtacha funksiya ++++ Qaysi aktivatsiya funksiyasi ikki sinfli muammolar uchun mos keladi? ==== # Sigmoid ==== ReLU ==== Softmax ==== Tangens giperbolik ++++ Sun’iy neyron tarmoqlarida ReLU aktivatsiya funksiyasi qanday vazifani bajaradi? ==== # Salbiy qiymatlarni 0 ga o‘zgartiradi, musbat qiymatlarni esa o‘zgarmas holda qoldiradi ==== Faqat 1 yoki 0 qiymatini qaytaradi ==== Har bir qiymatni kvadratlarga ko‘paytiradi ==== Butun qiymatlarni chiqaradi ++++ Backpropagation qanday vazifani bajaradi? ==== # Tarmoqdagi vaznlarni yangilaydi ==== Neyronlarni yangi qatlamlarga qo‘shadi ==== Ma’lumotlarni chiqaradi ==== Tarmoqni qayta ishga tushiradi ++++ Backpropagation algoritmida qanday optimizatsiya usuli keng qo‘llaniladi? ==== # Adam ==== Naive Bayes ==== K-means ==== Beshta eng yaqin qo‘shni ++++ Gradent descent algoritmi nima uchun qo‘llaniladi? ==== # Yo‘qotish funksiyasini minimallashtirish ==== Aktivatsiya funktsiyasini tanlash uchun ==== Yangi qatlamlar yaratish uchun ==== Qatlamlarni o‘zgartirish uchun ++++ Sigmoid funktsiyasi qanday qiymatlar diapazonini chiqaradi? ==== # 0 dan 1 gacha ==== 0 dan 10 gacha ==== 1 dan -1 gacha ==== Faqat 1 va 0 ++++ Dropout texnikasi qanday maqsadda qo‘llaniladi? ==== # Haddan tashqari moslashishni oldini olish ==== Modelni tasniflash ==== Ma’lumotlarni kamaytirish ==== Gradientlarni hisoblash ++++ Convolutional Neural Network (CNN) asosan qaysi maqsadda qo‘llaniladi? ==== # Rasm va video qayta ishlash ==== Matnlarni tasniflash ==== Regressiya muammolari ==== Genetik algoritm ++++ Yo‘qotish funksiyasi nima uchun ishlatiladi? ==== # Modelning xatolarini o‘lchash ==== Tarmoqni tezlashtirish ==== Vaznlarni qayta hisoblash ==== Modelni tasniflash ++++ Qaysi qatlam CNN’da xususiyatlarni tanlash uchun ishlatiladi? ==== # Pooling layer ==== Fully connected layer ==== Dropout layer ==== Oraliq qatlam ++++ Pooling qatlamining asosiy vazifasi nima? ==== # Xarakterli xususiyatlarni ajratib olish ==== Tarmoqqa ma’lumot qo‘shish ==== Ma’lumotlarni chiqarish ==== Qatlamlar o‘rtasidagi o‘rtacha qiymatni hisoblash ++++ RNN asosan qaysi turdagi ma’lumotlar bilan ishlashga mo‘ljallangan? ==== # Davomiy va ketma-ket ma’lumotlar ==== Yaxlit va statik ma’lumotlar ==== Matnlarni segmentlash ==== Raqamlarni o‘lchash ++++ Batch normalization texnikasining vazifasi nima? ==== # Tarmoqdagi o‘rganishni tezlashtirish va barqarorlashtirish ==== Sinapslarni qo‘shish ==== Chiqishlarni oldindan belgilash ==== Aktivatsiya funksiya qo‘llash ++++ Perseptron nima uchun ishlatiladi? ==== # Lineyer tasniflash muammolarini hal qilish ==== Ma’lumotlarni to‘plash ==== Faqatgina o‘yin yaratish ==== Ma’lumotlarni siqish ++++ Perseptronning asosiy komponenti nima? ==== # Neyron ==== Sinaps ==== Vektor ==== Qatlam ++++ Perseptron qanday aktivatsiya funksiyasidan foydalanadi? ==== # Qadam funksiyasi (step function) ==== Sigmoid ==== Tangens giperbolik ==== ReLU ++++ Perseptron modelidagi kirishlar qanday jarayondan o‘tadi? ==== # Vaznlarga ko‘paytirish ==== Klasterlash ==== Gradentni hisoblash ==== Filtratsiya ++++ Perseptron qanday ma’lumotlarni tasniflaydi? ==== # Faqat chiziqli ajraladigan ma’lumotlarni ==== Murakkab, noaniq ma’lumotlarni ==== Rasm va video fayllarni ==== Shakllangan ma’lumotlarni ++++ Eng sodda perseptronning chiqishi qanday shaklda bo‘ladi? ==== # Binary (0 yoki 1) ==== Uzluksiz qiymatlar ==== Ikkilamchi raqamlar ==== Haqiqiy qiymatlar ++++ Perseptron qanday o‘qitiladi? ==== # Gradient descent yordamida ==== O‘qituvchisiz o‘qitish orqali ==== Xuddi o‘ziga xos algoritm yordamida ==== Qiyoslash orqali ++++ Perseptronning o‘rganish jarayonida qanday vaznlarni yangilaydi? ==== # Har bir kirish uchun barcha vaznlarni ==== Faqat eng katta qiymatlarga ega bo‘lgan vaznlarni ==== Oldingi barcha qatlamdagi vaznlarni ==== Faqatgina chiqish qiymatlari bilan bog‘liq vaznlarni ++++ Eng sodda perseptronda qanday yo‘qotish funksiyasi ishlatiladi? ==== # Kvadrat yo‘qotish funksiyasi ==== Krossover entropiyasi ==== Qadam funksiyasi asosida ==== Softmax yo‘qotish funksiyasi ++++ Perseptron qaysi algoritmga asoslangan? ==== # Qadam algoritmi ==== Genetik algoritm ==== Algoritmik optimizatsiya ==== Qat’iy tasniflovchi algoritm ++++ Perseptron qanday muammolarni hal qila olmaydi? ==== # No-lineyer muammolarni ==== Lineyer muammolarni ==== Regression muammolarni ==== Klasterlash muammolarni ++++ Xato minimal bo‘lmaguncha perseptron qanday yangilanishni davom ettiradi? ==== # Vaznlarni yangilaydi ==== Aktivatsiya funksiyasini o‘zgartiradi ==== Chiqishlarni o‘zgartiradi ==== O‘rganishni to‘xtatadi ++++ Perseptron nima asosida o‘z vaznlarini yangilaydi? ==== # Yo‘qotish funksiyasi qiymati ==== Aktivatsiya funksiyasi ==== Vektorli farq ==== Faqat chiqish qiymatlari ++++ Perseptron qanday turdagi aktivatsiya funktsiyasiga ega? ==== # Binar ==== Ixtiyoriy ==== Lineyer ==== Ko‘p o‘zgaruvchan ++++ Eng sodda perseptron qanday natija beradi? ==== # Diskret qiymatlar ==== Chiziqli qiymatlar ==== O‘rtacha qiymatlar ==== Kontinual qiymatlar ++++ Perseptron qaysi yillar davomida ishlab chiqilgan? ==== # 1960-yillar ==== 1950-yillar ==== 1980yillar ==== 2000-yillar ++++ O‘qitish jarayonida perseptron qanday qilib sinf chegarasini aniqlaydi? ==== # Chiziqli tasniflash chegarasini yaratadi ==== Kirish vektorlarini yig‘adi ==== Neyronlarni o‘zgartiradi ==== Klasterlarni o‘rganadi ++++ Eng sodda perseptron modelida nechta qatlam mavjud? ==== # Bitta qatlam ==== Ikki qatlam ==== Uch qatlam ==== Cheksiz qatlam ++++ Perseptron modelida qanday jarayon ma’lumotlarni tasniflash uchun ishlatiladi? ==== # Chiziqli bo‘luvchi tasniflash ==== Tasodifiy o‘rganish ==== Regression ==== Klassifikatsiya qadam algoritmi ++++ Chiziqli bo‘luvchi masalalarda perseptron qanday tasniflovchi rolini bajaradi? ==== # Chiziqli tasniflovchi ==== Faqat regressiya ==== Klasterlash tasniflovchi ==== Kompyuter tarmog‘ini boshqarish ++++ Neyron tarmoqlarda og'irlik koeffitsientlari qanday rol o'ynaydi? ==== # Kirish signalining ta’sirini boshqaradi ==== Ma'lumotlarni siqadi ==== Chiqish signalini o‘zgartiradi ==== Faoliyatni to'xtatadi ++++ Neyron tarmoqdagi og'irlik koeffitsientlari qanday qiymatlarga ega bo'lishi mumkin? ==== # Ijobiy yoki salbiy real sonlar ==== Faqat nollar ==== Faqat musbat ==== Faqat butun son ++++ Og'irliklarni yangilash uchun qaysi algoritm ishlatiladi? ==== # Gradient descent ==== Sigmoid funktsiya ==== Klasterlash ==== Lineyer regressiya ++++ Og'irliklarni hisoblash jarayonida qaysi o‘rganish koeffitsienti (learning rate) ahamiyatga ega? ==== # Har bir qadamdagi o‘zgarish miqdori ==== Og'irliklarning boshlang'ich qiymati ==== Chiqish natijalari ==== Xatolik funksiyasi ++++ Qaysi aktivatsiya funksiyasi og'irliklar bilan kirish signallarini bog'laydi? ==== # Logistik ==== Chiziqli ==== ReLU ==== Tanlash kerak emas ++++ Og'irlik koeffitsientlarini yangilashda qanday gradient hisoblash usuli ishlatiladi? ==== # Backpropagation ==== Normalizatsiya ==== To‘g‘ridan-to‘g‘ri hisoblash ==== O‘rtacha kvadratik xatolik ++++ Og'irliklar qanday qilib neyron tarmoqning o‘rganish jarayonida yangilanadi? ==== # Xatoliklarni minimallashtirish yo‘lida optimallashtiriladi ==== Tasodifiy o‘zgaradi ==== Kichikroq qiymatlarga o‘zgartiriladi ==== Vaznlar o‘zgartirilmaydi ++++ Og'irliklarning boshlang'ich qiymatlari qanday tanlanadi? ==== # Tasodifiy ==== Har doim nol ==== Faqat birlik qiymatida ==== O‘rganish davomida hisoblanadi ++++ Og'irlik koeffitsientlarini yangilashda qaysi funksiya asosiy o‘rin tutadi? ==== # Yo‘qotish funksiyasi ==== Tanh funksiya ==== Aktivatsiya funksiya ==== Sigmoid funksiya ++++ Qaysi faktor og'irliklarning tez yangilanishiga ta'sir ko‘rsatadi? ==== # O‘rganish koeffitsienti ==== Yo‘qotish darajasi ==== Aktivatsiya natijasi ==== Xatolik miqdori ++++ Og'irliklarni yangilash jarayonida qaysi yo'nalishda harakat qilinadi? ==== # Eng kichik xatolik yo‘nalishi ==== Eng katta o‘zgarish yo‘nalishi ==== Eng kichik gradient yo‘nalishi ==== Eng yuqori yo‘qotish yo‘nalishi ++++ Backpropagation algoritmi og'irliklarni qanday yangilaydi? ==== # Xatoliklarni avvalgi qatlamlarga tarqatib, og'irliklarni o'zgartiradi ==== Chiqish darajasini oshiradi ==== Eng katta aktivatsiya natijalarini tanlaydi ==== Yo‘qotish funksiyasini pasaytiradi ++++ Og'irliklarni o‘rganish jarayonida qanday qilib ortiqcha moslashish (overfitting) oldini olish mumkin? ==== # Cheklash usulini qo‘llash (regularization) ==== Tarmoqni kichikroq qilish orqali ==== Xato funksiya o‘zgartirish orqali ==== O‘rganish koeffitsientini oshirish orqali ++++ Og'irliklarning qaysi bosqichda yangilanishi boshlanadi? ==== # Har bir qadamda ==== Tarmoq o‘rganish tugagach ==== Chiqish natijasi taxminiy bo‘lganda ==== Chiqish signalining oldingi qiymatiga bog‘liq ++++ Gradient descent yordamida og'irliklarni yangilashda nima kamaytiriladi? ==== # Yo‘qotish funksiyasi qiymati ==== Kirish signallari ==== Tarmoq qiyinligi ==== Chiqish qiymatlari ++++ Momentum parametri gradient descentda nima uchun qo‘llaniladi? ==== # O‘rganishni tezlashtirish ==== Tarmoqqa yangi qatlam qo‘shish ==== Og‘irliklarni aniqlash ==== Tarmoqning chiqishlarini oldindan belgilash ++++ Yo‘qotish funksiyasini minimallashtirish nimani anglatadi? ==== # Eng kichik xatolik bo‘lgan og‘irliklarni topish ==== Eng katta xatolik bo‘lgan og‘irliklarni aniqlash ==== O‘rganishni to‘xtatish ==== Chiqish qiymatini oshirish ++++ Og'irliklarni optimallashtirish algoritmi qaysi sharoitda to‘xtaydi? ==== # Yo‘qotish qiymati minimumga yetganda yoki belgilangan qadamlar bajarilganda ==== Xatolik nolga teng bo‘lganda ==== Aktivatsiya qiymatlari yuqori bo‘lganda ==== Vaznlar nol bo‘lganda ++++ O‘rganish koeffitsienti qaysi parametrni aniqlaydi? ==== # Og'irliklarning yangilanish tezligini ==== Og'irliklarning boshlang'ich qiymatini ==== Neyronlar sonini ==== Chiqish natijasini ++++ Adam algoritmi gradient descentga qanday ta’sir ko‘rsatadi? ==== # Ko‘p o‘zgaruvchan vaznlarni optimallashtirishni samarali qiladi ==== O‘rganishni bekor qiladi ==== Faqat ortiqcha moslashishni oldini oladi ==== Faqat kichik og‘irliklarni yangilaydi ++++ Chuqur o‘qitish qaysi sun’iy intellekt sohasiga tegishli? ==== # O‘rganishning yangi shakli ==== Tasniflash ==== Regressiya ==== Supervizorli o‘qitish ++++ Chuqur o‘qitish jarayonida qaysi model arxitekturasi eng ko‘p ishlatiladi? ==== # Neyron tarmoqlari ==== O‘zaro bog‘langan tarmoq ==== Regressiya tarmog‘i ==== Klasterlash algoritmi ++++ Qaysi aktivatsiya funksiyasi chuqur o‘qitish uchun eng ko‘p ishlatiladi? ==== # ReLU (Rectified Linear Unit) ==== Tanh ==== Sigmoid ==== Linear ++++ Chuqur o‘qitishda parametrlarni optimallashtirish uchun qaysi algoritm eng mashhur? ==== # Adam optimizer ==== Hill Climbing ==== K-means ==== Genetic Algorithm ++++ Chuqur o‘qitish modellari qaysi darajadagi qatlamlardan iborat? ==== # Ko‘p qatlamli ==== Tarqatilgan ==== Mantiqiy qatlamlar ==== Yuzaki qatlamlar ++++ Qaysi usul chuqur o‘qitish jarayonida ortiqcha moslashuv (overfitting) oldini olish uchun qo‘llaniladi? ==== # Data augmentation ==== Normalizatsiya ==== Regressiya ==== Klasterning oqimi ++++ Chuqur o‘qitish jarayonida yo‘qotish funksiyasi nima uchun kerak? ==== # Modelning xatolik darajasini baholash uchun ==== Modelning arxitekturasini belgilash uchun ==== O‘rganishni tezlashtirish uchun ==== O‘qituvchi ma’lumotlarni tahlil qilish uchun ++++ Qaysi komponent chuqur o‘qitishda avvalgi qatlamlarning natijalarini qabul qiladi? ==== # Kirish qatlamlari ==== Aktivatsiya funktsiyasi ==== Chiqish qatlamlari ==== Yuqori qatlamlar ++++ Chuqur o‘qitishda qo‘llaniladigan konvolyutsion qatlam nima qiladi? ==== # Kirish ma’lumotlarining xususiyatlarini chiqaradi ==== Yangi funktsiyalarni yaratadi ==== Modelni optimallashtiradi ==== Katta ma’lumotlarni qisqartiradi ++++ Neyron tarmog‘ida chiziqli qatlamlar va faoliyat qatlamlarining kombinatsiyasi qanday natijaga olib keladi? ==== # To‘g‘ri tasniflash ==== O‘rganishning davomiyligi ==== Qiyinlashtirish ==== Soddalashtirish ++++ Chuqur o‘qitish algoritmlari ko‘pincha qanday ma’lumotlardan foydalanadi? ==== # Ikkita turli xil ==== Sifatli ==== Notuzilgan ==== Tuzilgan ++++ Hujjatni tanish (document recognition) jarayonida qaysi algoritm ishlatiladi? ==== # Chuqur o‘qitish ==== K-Nearest Neighbors ==== Lineyer regressiya ==== Klasterlash ++++ Neyron tarmoqlarida qatlamlar o‘rtasidagi ulanishlar qaysi qismdan iborat? ==== # Og'irliklar ==== Hujjatlar ==== O‘qitish koeffitsienti ==== Aktivatsiya ++++ Konvolyutsion neyron tarmoqlari ko‘proq qaysi sohada qo‘llaniladi? ==== # Rasmlarni tahlil qilish ==== Matnni tasniflash ==== Ijtimoiy tahlil ==== Regressiya ++++ Chuqur o‘qitish jarayonida qanday qilib ko‘proq ma’lumot olish mumkin? ==== # Data augmentation ==== Sakkizta metod ==== Kichikroq o‘qitish ==== O‘rganish koeffitsientini oshirish ++++ Chuqur o‘qitish jarayonida qatlamlar soni ko‘payganda nima yuz beradi? ==== # O‘rganish qiyinlashadi ==== Model yuqori tezlikda ishlaydi ==== Xatoliklar kamayadi ==== O‘rganish tezligi ortadi ++++ Yo‘qotish funktsiyasida xatolik qanday hisoblanadi? ==== # Kirish va chiqish o‘rtasidagi farq ==== Taqqoslash orqali ==== O‘rganish jarayonida ==== O‘rganish koeffitsienti bilan ++++ Chuqur o‘qitishda xatoliklarni kamaytirish uchun qanday qo‘llanma ishlatiladi? ==== # Optimallashtirish ==== O‘rganish koeffitsienti ==== Yo‘qotish funktsiyasi ==== Avvalgi hisoblashlar ++++ Neyron tarmoqda yangi qatlam qo‘shishning afzalliklari nimalardan iborat? ==== # O‘rganish imkoniyatlarini oshirish ==== Tarmoqning o‘qish tezligini oshirish ==== Ortiqcha moslashuvni oshirish ==== Kichikroq ma’lumotlardan foydalanish ++++ Chuqur o‘qitish modellarini o‘rganishda qaysi tizimlarni ishlatish mumkin? ==== # GPU va CPU ==== Faqat CPU ==== Faqat GPU ==== Tarmoq bog'lanishi ++++ CNN arxitekturasida konvolyutsion qatlamning asosiy vazifasi nima? ==== # Ma’lumotlarning xususiyatlarini chiqarish ==== Kirish ma’lumotlarini tayyorlash ==== Ma’lumotlarni klassifikatsiyalash ==== Tarmoqni optimallashtirish ++++ Qaysi qatlam CNN da maxsus xususiyatlarni tanib olishda ishlatiladi? ==== # Konvolyutsion qatlam ==== O‘rganish qatlam ==== Aktivatsiya qatlam ==== Foydali qatlam ++++ CNN arxitekturasida qaysi aktivatsiya funksiyasi eng ko‘p ishlatiladi? ==== # ReLU (Rectified Linear Unit) ==== Sigmoid ==== Tanh ==== Linear ++++ Pooling qatlamining maqsadi nima? ==== # Xususiyatlarni kamaytirish ==== O‘rganish koeffitsientini oshirish ==== Ma’lumotlarni o‘zgartirish ==== Ma’lumotni kengaytirish 1. Numpay funksiyasi yordamida 3 ulchamli (4x3) elementlari max qiymati 100 gacha boʻlgan taxminiy qiymatlardan tashkil topgan massiv yaratish kodini koʻrsating. np.random.randint(100,size=(3,4,3)) 2. NLP-da matnni tasniflash vazifalari uchun qaysi turdagi mashina oʻrganish qoʻllaniladi? Nazorat ostida oʻrganish 3. Seaborn nima? Ma'lumotlarni vizualizatsiya qilish kutubxonasi 4. arr1 massivini .npy fayl kengaytmada saqlash kodini koʻrsating. np.save("data.npy",arr1) 5. Seabornda scatter grafigini yaratish uchun qaysi funksiyadan foydalaniladi? "seaborn.scatterplot() " 6. Bilim muhandisligi bilimlardan foydalangan holda muammolarni hal qilish uchun moʻljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar toʻplami 7. Quyidagi chizmalardan qaysi biri bir oʻzgaruvchan kuzatishlar toʻplamining taqsimlanishini tasavvur qilish uchun ishlatiladi? Gistogramma 8. DataFrame df dan "Shahar" nomli ustunni qanday oʻchirish mumkin? df.drop('City', axis=1) 9. Teachable Machine asosan mashinani oʻrganishning qaysi turiga e'tibor beradi? nazorat ostida oʻqitish 1. arange funksiyasi yordamida 100 dan 200 gacha sonlar orasidan ju sonlardan massiv yaratish kodini koʻrsating. np.arange(100,200,2) 2. Teachable Machine asosan mashinani oʻrganishning qaysi turiga e'tibor beradi? nazorat ostida oʻqitish 3. Model haqiqatning soddalashtirilgan tasviri yoki mavhumligi 4. Seaborn funksiyalarida rang parametri nimani anglatadi? Rangni kodlash uchun qoʻshimcha toifali oʻzgaruvchi 5. massivdagi takrorlanmas elementlarni qaytaruvchi (takrorlansa ham faqat bittasini qabul qiluvchi) funksiyani koʻrsating. np.unique() 6. Agar neyron tarmoq oʻqitiladi oʻquv kirishlarini bajarayotganda, u tegishli oʻquv natijalarini ishlab chiqaradi 7. Quyidagi chizmalardan qaysi biri bir oʻzgaruvchan kuzatishlar toʻplamining taqsimlanishini tasavvur qilish uchun ishlatiladi? Gistogramma 8. DataFrame df dan "Yosh" nomli ustunni qanday tanlash mumkin? df['Age'] 9. arr1 va arr2 massivlarini faylda saqlash uchun toʻgʻri kodni koʻrsating. np.savez("data.npz",x=arr1,y=arr2) 1. Google Teachable Machine nima? Google tomonidan mashinani oʻrganish tajribasi 2. Quyidagilardan qaysi biri NLP ning umumiy qoʻllanilishiga mos kelmaydi? Ob-havoni bashorat qilish 3. Nima uchun mijozlarning noroziligi aniqlash biznes uchun muhim? biznesning daromadi va rentabelligiga ta'sir qiladi 4. Data Mining yoki Data Mining ma'lumotlar bazalarida bilimlarni kashf qilish, bilimlarni olish, ma'lumotlarni qazib olish, ma'lumotlarni qazib olish, ma'lumotlar namunasini qayta ishlash, ma'lumotlarni tozalash va yigʻish uchun ishlatiladigan atama; Bunga tegishli dasturiy ta'minot ham kiradi. 5. Quyidagilardan qaysi biri nazorat ostida oʻqitish algoritmi hisoblanadi? Qarorlar daraxti 6. Mijozlarning noroziligini umumiy koʻrsatkichi nima? Mijozlarni jalb qilish yoki foydalanishning keskin pasayishi 7. Tabiiy tilni qayta ishlash (NLP) ning asosiy maqsadi nima? Kompyuterlar yordamida odamga oʻxshash tilni qayta ishlash 8. DataFrame df da yetishmayotgan qiymatlarni qanday tekshirasiz? df.isnull() 9. NLP da ob'ektni tanib olish (NER) nima uchun ishlatiladi? Matndagi nomlar, manzillar va sanalar kabi aniq ob'ektlarni aniqlash 1. Python-da Matplotlib-ning asosiy maqsadi nima? Maʼlumotlarni vizuallashtirish 2. Teachable Machine asosan mashinani oʻrganishning qaysi turiga e'tibor beradi? nazorat ostida oʻqitish 3. Neyron tarmoqlarda uzilishning maqsadi nima? Haddan tashqari moslashishni kamaytirish 4. NLPda til modelining maqsadi nima? Ketma-ketlikda keyingi soʻzni bashorat qilish 5. Kompyuterni koʻrishning asosiy maqsadi nima? Tasvir tasnifi 6. arr1 va arr2 massivlarini faylda saqlash uchun toʻgʻri kodni koʻrsating. np.savez("data.npz",x=arr1,y=arr2) 7. Korxonalar mijozlarning norozilik darajasini qanday oʻlchashlari mumkin? yoʻqolgan mijozlar sonini davr boshidagi umumiy mijozlar soniga boʻlish yoʻli bilan 8. Seaborn funksiyalarida rang parametri nimani anglatadi? Rangni kodlash uchun qoʻshimcha toifali oʻzgaruvchi 9. describe()Funktsiya pandas kutubxonasida nima vazifani bajaradi? DataFramedagi son ustunlarning tavsiflovchi statistikasi 10. array([2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6, 7]) koʻrinishdagi massiv ustida unique funksiyasiga argument sifatida uzatadigan boʻlsak, natija qanday boʻladi? array([2, 3, 4, 5, 6, 7]) 1. Tabiiy tilni qayta ishlash (NLP) ning asosiy maqsadi nima? Kompyuterlar yordamida odamga oʻxshash tilni qayta ishlash 2. Yigʻindilab boradigan yigʻindi metodini koʻrsating cumsum() 3. NLPda til modelining maqsadi nima? Ketma-ketlikda keyingi soʻzni bashorat qilish 4. Quyidagilardan qaysi biri kompyuter koʻrishning keng tarqalgan qoʻllanilishiga misol boʻla olmaydi? Hissiyotlarni tahlil qilish 5. Seabornda scatter grafigini yaratish uchun qaysi funksiyadan foydalaniladi? "seaborn.scatterplot() " 6. Bilim muhandisligi bilimlardan foydalangan holda muammolarni hal qilish uchun moʻljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar toʻplami 7. Bilimlar bazasi muammolarni tushunish, shakllantirish va hal qilish uchun zarur boʻlgan bilim 8. Matplotlib syujetining sarlavhasini belgilash uchun qaysi funksiyadan foydalaniladi? title() 1. Seabornda issiqlik xaritasini qanday yaratish mumkin? seaborn.heatmap() 2. Matplotlibda subplot()funksiya nima qiladi? Joriy chizmaga pastki chizmalarni qoʻshadi 3. Korxonalar mijozlarning norozilik darajasini qanday oʻlchashlari mumkin? yoʻqolgan mijozlar sonini davr boshidagi umumiy mijozlar soniga boʻlish yoʻli bilan 4. Google Teachable Machine nima? Google tomonidan mashinani oʻrganish tajribasi 5. Python-da pandalar kutubxonasini qanday import qilasiz? import pandas as pd 6. Data Mining yoki Data Mining ma'lumotlar bazalarida bilimlarni kashf qilish, bilimlarni olish, ma'lumotlarni qazib olish, ma'lumotlarni qazib olish, ma'lumotlar namunasini qayta ishlash, ma'lumotlarni tozalash va yigʻish uchun ishlatiladigan atama; Bunga tegishli dasturiy ta'minot ham kiradi. 7. Model protsessor odatda quyidagi amallarni bajaradi yuqoridagilarning barchasi 8. Yigʻindilab boradigan yigʻindi metodini koʻrsating cumsum() 9. NLP da ob'ektni tanib olish (NER) nima uchun ishlatiladi? Matndagi nomlar, manzillar va sanalar kabi aniq ob'ektlarni aniqlash 1. Numpay funksiyasi yordamida 3 ulchamli (4x3) elementlari max qiymati 100 gacha boʻlgan taxminiy qiymatlardan tashkil topgan massiv yaratish kodini koʻrsating. np.random.randint(100,size=(3,4,3)) 2. Pandasda DataFrame nima? Har xil turdagi ustunlarga ega boʻlgan ikki oʻlchovli etiketli maʼlumotlar strukturasi 3. Model protsessor odatda quyidagi amallarni bajaradi yuqoridagilarning barchasi 4. Teacheble machine da yaratilgan loyihalarni qaysi tizimlar qòllab quvvatlaydi? Veb-brauzerlar, Android va iOS 5. "Ish haqi" ustuni 50000 dan katta boʻlgan DataFrame df-dagi qatorlarni qanday filtrlaysiz? df[df['Salary'] > 50000] 6. Google Teachable Machine nima? Google tomonidan mashinani oʻrganish tajribasi 7. Quyidagi chizmalardan qaysi biri bir oʻzgaruvchan kuzatishlar toʻplamining taqsimlanishini tasavvur qilish uchun ishlatiladi? Gistogramma 8. Quyidagilardan qaysi biri nazorat ostida oʻqitish algoritmi hisoblanadi? Qarorlar daraxti 9. NLP-da matnni tasniflash vazifalari uchun qaysi turdagi mashina oʻrganish qoʻllaniladi? Nazorat ostida oʻrganish 1. Jadvallar bilan ishlash uchun Python dasturlash tilining qaysi kutubxinasidan foydalaniladi Pandas 2. DataFrame df dan "Yosh" nomli ustunni qanday tanlash mumkin? df['Age'] 3. Quyidagilardan qaysi biri konvolyutsion neyron tarmoqlarining (CNN) keng tarqalgan qoʻllanilishi hisoblanadi? Tasvirni aniqlash 4. Intellektual tizimlarni ishlab chiquvchilar uchun integratsiyaning maqsadi sun'iy intellekt va ma'lumotlar bazasi texnologiyasi uchun xos boʻlgan va ushbu ma'lumotlarning qayerda joylashganiga bogʻliq boʻlmagan axborotga kirish va qayta ishlash usullarini muvaffaqiyatli va samarali amalga oshiradigan yagona vositalar (til) yaratilishini ta'minlash. 5. arr1 va arr2 massivlarini faylda saqlash uchun toʻgʻri kodni koʻrsating. np.savez("data.npz",x=arr1,y=arr2) 6. Quyidagilardan qaysi biri NLP ning umumiy qoʻllanilishiga mos kelmaydi? Ob-havoni bashorat qilish 7. Pandasda DataFrame nima? Har xil turdagi ustunlarga ega boʻlgan ikki oʻlchovli etiketli maʼlumotlar strukturasi 8. Google Teachable Machine nima? Google tomonidan mashinani oʻrganish tajribasi 1. Qanday qilib "df" dagi ma`lumotlar oʻzgartirilgan xolatini "data"a ga saqlash mumkin? df.to_csv('data.csv') 2. Seaborn chizmalarining umumiy estetik uslubini qanday oʻrnatishingiz mumkin? seaborn.set_theme() 3. Teacheble machine da yaratilgan loyihalarni qaysi tizimlar qòllab quvvatlaydi? Veb-brauzerlar, Android va iOS 4. Teachable Machine yordamida qanday turdagi modellarni yaratish mumkin? Tasvir, tovush va poza modellari 5. head()Funksiya pandas kutubxonasida vazifasi qanday? DataFrame ning dastlabki 5 qatorini beradi 6. Korxonalar mijozlarning norozilik darajasini qanday oʻlchashlari mumkin? yoʻqolgan mijozlar sonini davr boshidagi umumiy mijozlar soniga boʻlish yoʻli bilan 7. ikki ulchamli (3x4) arr massivini elimentlarini vertikal yunalishda elimentlarini tartiblang. np.sort(arr,axis=0) 8. ikki ulchamli (3x4) arr massivini elimentlarini garizantal yunalishda elimentlarini tartiblang. np.sort(arr,axis=1) 9. Jismoniy model eng kam mavhum model - bu tizimning jismoniy nusxasi, odatda asl nusxadan farqli oʻlchamdagi 1. Quyidagilardan qaysi biri konvolyutsion neyron tarmoqlarining (CNN) keng tarqalgan qoʻllanilishi hisoblanadi? Tasvirni aniqlash 2. Kompyuterni koʻrishning asosiy maqsadi nima? Tasvir tasnifi 3. Seaborn funksiyalarida rang parametri nimani anglatadi? Rangni kodlash uchun qoʻshimcha toifali oʻzgaruvchi 4. Matplotlib yordamida oddiy chiziqli chizma qanday yaratiladi? plot() 5. Teachable Machine yordamida qanday turdagi modellarni yaratish mumkin? Tasvir, tovush va poza modellari 6. Kompyuter koʻrishda tasvirni segmentatsiyalashdan maqsad nima? tasvir ichidagi ob'ektlarni aniqlash 7. Diagrammani koʻrsatish uchun qaysi buyrugdan foydalaniladi plt.show() 8. Chuqur oʻrganish kontekstida transfer oʻrganish nima? Neyron tarmoqni muayyan vazifaga oʻrgatish va uni boshqa, ammo bogʻliq vazifaga qoʻllash 1. Model haqiqatning soddalashtirilgan tasviri yoki mavhumligi 2. Kompyuter koʻrishda tasvirni segmentatsiyalashdan maqsad nima? tasvir ichidagi ob'ektlarni aniqlash 3. Diagrammani koʻrsatish uchun qaysi buyrugdan foydalaniladi plt.show() 4. ikki ulchamli (3x4) arr massivini elimentlarini vertikal yunalishda elimentlarini tartiblang. np.sort(arr,axis=0) 5. NLPda til modelining maqsadi nima? Ketma-ketlikda keyingi soʻzni bashorat qilish 6. Har xil qaror qabul qilish holatlari uchun modellarning asosiy toifalari yuqoridagilarning barchasi 7. Bilim muhandisligi bilimlardan foydalangan holda muammolarni hal qilish uchun moʻljallangan tizimlarni yaratishga qaratilgan modellar, usullar va usullar toʻplami 8. groupby()Funksiya pandas kutubxonasida vazifasi qanday? DataFrame-ni belgilangan ustun yoki ustunlar boʻyicha guruhlaydi 9. Matplotlibda subplot()funksiya nima qiladi? Joriy chizmaga pastki chizmalarni qoʻshadi 10. Quyidagilardan qaysi biri NLP ning umumiy qoʻllanilishiga mos kelmaydi? Ob-havoni bashorat qilish

Tyuring Testi va SI: Savol va Javoblar

Add this document to collection(s)

Add this document to saved

Suggest us how to improve StudyLib