O’zbyekiston ryespublikasi axborot texnologiyalari va kommunikasiyalarini rivojlantirish vazirligi muhammad al‑xorazmiy nomidagi toshkent axborot texnologiyalari universiteti

Kursga qo‘yiladigan boshlang‘ich talablar

1.	- dasturlash tillaridan foydalanishning boshlang’ich ko’nikmalarga ega bo’lishi;
2.	- chiziqli algebra nazariyasini amaliyotda qo’llash tajribasiga ega bo’lishi;
3.	- ehtimollar nazariyasini bilishlari kerak.

Ta’lim natijalari (TN)
TN1	Mashinali o‘qitish asosiy tushunchalari. Statistik usullar va ularning mashinali o‘qitishdagi o‘rni. Mashinali o‘qitishning sun’iy intellektda qo‘llanilishi haqida umumiy tushunchalarga ega bo’ladi.
TN2	Mashinali o‘qitish turlari bilan tanishish. O’qituvchili va o‘qituvchisiz o‘qitish algoritmlari. Mashinali o‘qitish uchun kerakli instrumental vositalar (Octave/Matlab/Python/) tahlili va imkoniyatlari bilan tanishib chiqadi.
TN3	Chiziqli regressiya tushunchasi. Chiziqli regressiya uchun model qurish. Regression model koeffitsentlari aniqlash. Model aniqligini tekshirish bo’yicha ko’nikmalari oladi.
TN4	Regression tahlilning ko‘p o‘zgaruvchili ko‘rinishi. Ko‘p o‘zgaruvchili chiziqli regression modelini qurish. Ko‘p hadli regression model. Gradiyentli tushish usuli. Stoxastik gradiyentli tushish tushunchalarini tushinib oladi.
TN5	Logistik regressiya tushunchasi. Logistik regressiya modelini qurish. Optimizatsiyalash masalalari. Sinflashtirish jarayonida ehtimollik qiymatlarini hisoblash va qarorlar chegaralarini aniqlash (decision boundry). Softmax regressiya funksiyasi haqida bilib oladi.
TN6	Sinflashtirish tushunchasi. Sinflashtirish mashinali o‘qitishning asosiy yondashuvlaridan biri sifatida. O’qitish masalasi. MNIST o‘quv tanlanma tuzilishi. Sinflashtirish masalasi uchun logistik va softmax regressiya funksiyalaridan foydalanish. Samaradorlikni baholash usullari. Tartibsizlik matritsasi (confusion matrix) hadiqa tushunchalarga ega bo’ladi.
TN7	Mashinali o‘qitishda tanlanmani yaratish usullari. Tanlanma tushunchasi. O’rgatuvchi tanlanmani yaratish, yig‘ish va dastlabki ishlov berish usullari. O’rgatuvchi tanlanmani generatsiya qilish funksiyalari (pandas paketi). Mavjud o‘rgatuvchi tanlanmalar (open datasets) bilan ishlash usullarini o’rganadi.
TN8	O’qituvchisiz o‘qitish tushunchasi va uning usullari. Klasterlash masalasini yechish. Klasterlash usullaridan foydalanish, iyerarxik klasterlash, K-means klasterlash, K-NN (nearest neighbors) klasterlash va boshqa usullardan foydalanish bo’yicha ko’nikmaga ega bo’ladi
TN9	Biologik va sun’iy neyron tushunchasi. Neyron tarmoq tushunchasi. Neyronlar ustida mantiqiy amallar bajarish. Perseptron tushunchasi va vazifasi. Sodda neyron tarmog‘ini qurish. Og‘irlik koeffitsentlari va ularni hisblash. Neyron tarmoq sathlari bo’yicha tushuncha va ko’nikmalarga ega bo’ladi.
TN10	Ko‘p sathli neyron tarmoqlarini qurish. Ko‘p sathli neyron tarmog‘ida kiruvchi, chiquvchi va yashirin sathlar. Ko‘p sathli neyron tarmog‘ida og‘irlik koeffitsentlari qiymatlarini yangilash amallari (backpropogation). Ko‘p sathli perseptron orqali regressiya va sinflashtirish masalasini yechish malakasiga ega bo’ladi.
TN11	Chuqur o‘qitish tushunchasi. Chuqur o‘qitish orqali sun’iy intellekt masalalarini yechish bilim va malakasiga ega bo’ladi.