|
Python-da sun’iy intellekt yordamida jarayonlarni avtomatlashtirishning ba’zi amaliy misollari
|
| bet | 44/182 | | Sana | 19.05.2024 | | Hajmi | 5,69 Mb. | | #244351 |
Bog'liq Python sun\'iy intellekt texnologiyasi Dasrlik 2024 3.3.Python-da sun’iy intellekt yordamida jarayonlarni avtomatlashtirishning ba’zi amaliy misollari
Avtomatlashtirilgan tabiiy tilni qayta ishlash jarayoni (tabiiy tilni qayta ishlash, NLP):
# Matnni tahlil qilish uchun Space kutubxonasidan foydalanish misoli
import spacy
nlp = spacy.load('en_core_web_sm')
def analyze_text(text):
doc = nlp(text)
entities = [(ent.text, ent.label_) for ent in doc.ents]
return entities
text_to_analyze = " Apple Inc. Cupertino Stiv Jobs tomonidan tashkil etilgan."
result = analyze_text(text_to_analyze)
print(f'Entities found: {result}')
OpenCV kutubxonasi yordamida avtomatlashtirilgan tasvirni qayta ishlash:
# Tasvirni qayta ishlash uchun OpenCV-dan foydalanish misoli
import cv2
import numpy as np
def process_image(image_path):
# Rasmni yuklash
img = cv2.imread(image_path)
# Kul rangga aylantirish
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred_img = cv2.GaussianBlur(gray_img, (5, 5), 0)
# Chegara filtrini qo‘llash
_, threshold_img = cv2.threshold(blurred_img, 100, 255, cv2.THRESH_BINARY)
# Natijalarni chiqarish cv2.imshow('Original Image’, img)
cv2.imshow('Processed Image’, threshold_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
image_path = 'path/to/your/image.jpg’
process_image(image_path)
Bashorat qilish uchun avtomatlashtirilgan mashinali o‘qitish jarayoni:
# Uy-joy narxlarini bashorat qilish uchun Scikit-learn-dan foydalanish misoli
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
import pandas as pd
# Ma’lumotlarni yuklash
data = pd.read_csv('housing_data.csv')
X = data.drop('target_variable’, axis=1)
y = data['target_variable’]
# Ma’lumotlarni o‘qitish va test namunalariga bo‘lish
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# Modelni ishga tushirish va o‘qitish
model = LinearRegression()
model.fit(X_train, y_train)
# Sinov namunasidagi bashorat
predictions = model.predict(X_test)
mse = mean_squared_error(y_test, predictions)
print(f'Mean Squared Error: {mse}')
Pandas va NumPy kutubxonalari yordamida ma’lumotlarni avtomatlashtirilgan qayta ishlash:
# Pandas va NumPy bilan ma’lumotlarni qayta ishlash va yig’ish misoli
import pandas as pd
import numpy as np
# Ma’lumotlarni yuklash
data = pd.read_csv('sales_data.csv')
# Ma’lumotlarni toifalar bo‘yicha guruhlash va o‘rtacha qiymatni hisoblash
average_sales = data.groupby('category')['sales'].mean()
# Numpy yordamida ma’lumotlarni birlashtirish
new_data = pd.DataFrame({
'category': data['category'].unique(),
'total_sales': np.zeros(len(data['category'].unique()))})
for index, row in new_data.iterrows():
category = row['category']
total_sales = data[data['category'] == category]['sales'].sum()
new_data.at[index, 'total_sales'] = total_sales
print(new_data)
Ushbu misollar Python va sun’iy intellektdan tabiiy tilni qayta ishlash, tasvirni qayta ishlash, Mashinali o‘qitish va ma’lumotlarni tahlil qilish bilan bog’liq jarayonlarni avtomatlashtirish uchun qanday foydalanish mumkinligini ko‘rsatadi.
Xulosa:
Texnologik jadal rivojlanishning zamonaviy dunyosida sun’iy intellekt va Python dasturlash tili biznes jarayonlarini avtomatlashtirish sohasida ajralmas vositaga aylandi. Ushbu kontekstda sun’iy intellektning roli murakkab muammolarni hal qilish, jarayonlarni optimallashtirish va inson resurslarini muntazam operatsiyalardan ozod qilish qobiliyatida namoyon bo‘ladi.
Mashinali o‘qitish va muammolarni hal qilish algoritmlari jarayonlarni avtomatlashtirish uchun asos bo‘lib, tizimlarga nafaqat oldindan belgilangan ko‘rsatmalarni bajarish, balki o‘zgaruvchan muhitga moslashish imkoniyatini beradi. Bu tashkilotlarga o‘z faoliyati samaradorligini sezilarli darajada oshirishga imkon beradi.
Python-da sun’iy intellekt yordamida jarayonlarni muvaffaqiyatli avtomatlashtirishning amaliy misollari ushbu yondashuvning afzalliklarini tasdiqlaydi. Resurslarni boshqarishdan tortib ma’lumotlarni qayta ishlashgacha bo‘lgan biznes sohasidan qat’i nazar, sun’iy intellekt yordamida avtomatlashtirish vaqtni tejash, aniqlikni yaxshilash va xavflarni minimallashtirish imkonini beradi.
Shunday qilib, jarayonlarni avtomatlashtirishda sun’iy intellekt va Python kombinatsiyasi kompaniyalar va tadbirkorlarga zamonaviy raqamli dunyoda yuqori samaradorlik va raqobatbardoshlikka erishish uchun kuchli vositalarni taqdim etadi.
|
| |
