Python ingliz tiliga o‘xshash oddiy sintaksisga ega.
Python dasturlash tili boshqa dasturlash tillariga qaraganda dasturchiga
kamroq kod yozishga imkonini beradi.
Python da WEB, Desktop va Mobile dasturlar yaratish imkoniyati mavjud.
Python kutubxonalar anchagina ko‘p! deyarli barcha ishingizni kutubxonalar
orqali bajarasiz!
Python xotiradan kam joy egallab ishlash tezlgini ancha yuqori!
pypi — Python kutubxonalar sayti!
Python dasturlash tilida ishlash uchun sizdan kuchli kompyuter talab
qilinmaydi. Yozgan kodingizni oddiyroq xususiyatlarga ega bo‘lgan kompyuterda
ishlatish hattoki qo‘lingizdagi Android telefoningizda ham ishlatish imkoniyati
mavjud.
Mashina o'rganish kutubxonalari ko'plab ilovalar uchun mavjud - AI-ga
asoslangan vositalar, bashorat qilish, kompyuterni ko'rish va tasniflash, bir nechtasini
nomlash. Agar siz ushbu kutubxonalardan ilovalar yaratish yoki muammolarni hal
qilish uchun foydalanmoqchi bo'lsangiz, ish uchun to'g'ri vositani tanlashni
xohlaysiz. Keling, qaror qabul qilishingizga yordam berish uchun tez-tez tilga
olingan kutubxonalar o'rtasidagi farqlarni ko'rib chiqaylik.
Scikit-learn va TensorFlow
Scikit-learn - bu Python uchun keng qo'llaniladigan ochiq manbali mashina
o'rganish kutubxonasi. U NumPy, SciPy, Matplotlib va pandalar kabi tez-tez
ishlatiladigan kutubxonalar ustiga qurilgan va ular bilan integratsiyalashgan bo'lib,
uni qulay va ko'p qirrali qiladi.
TensorFlow, shuningdek, ochiq manbali mashina o'rganish kutubxonasi,
chuqur o'rganish va neyron tarmoqlarga ixtisoslashgan. TensorFlow bir nechta
dasturlash tillarini qo'llab-quvvatlaydi, masalan, Python, C/C++, Java va Javascript
va boshqalar.
Agar siz mashinani o'rganishga yangi bo'lsangiz yoki neyron bo'lmagan
tarmoq algoritmlaridan foydalangan holda biror narsa ishlab chiqayotgan bo'lsangiz,
scikit-learn-ni ko'rib chiqing.
Agar siz GPU va TPUlar orqali apparat tezlashuvi yoki kompyuterlar
klasterida (scikit-learn qo'llab-quvvatlamaydi) chuqur o'rganish yondashuvidan
foydalanmoqchi bo'lsangiz, TensorFlow-ni ko'rib chiqing.
PyTorch va scikit-learn
PyTorch - bu Python, C++ va Julia uchun chuqur o'rganiladigan dasturiy
ta'minot kutubxonasi. PyTorch, birinchi navbatda, maxsus modellar va o'rganish
algoritmlarini yaratish qobiliyatiga ega bo'lgan chuqur neyron tarmoqlarni oxirigacha
qurish va o'qitish uchun ishlatiladi.
Scikit-learn - bu klasterlash, tasniflash, regressiya va hokazolar uchun
ishlatiladigan an'anaviy mashina o'rganish algoritmlari uchun kutubxona. Scikit-
learnning qora quti tabiati uni mashinani o'rganishga nisbatan yangi bo'lganlar uchun
qulayroq qiladi.
Agar siz tabiiy tilni qayta ishlash, kompyuterni ko'rish va hokazo kabi
hisoblash jihatidan qimmat vazifalarga ega bo'lgan ilovalarni ishlab chiqayotgan
bo'lsangiz, PyTorchni ko'rib chiqing. Pytorch yordamida siz GPU tezlashuvidan ham
o'z manfaatingiz uchun foydalana olasiz.
Agar siz katta hajmdagi ma'lumotlarni talab qilmaydigan kichik, tadqiqot
loyihasini ishlab chiqayotgan bo'lsangiz, scikit-learn-ni ko'rib chiqing. Scikit-learn
bilan sizning e'tiboringiz moslashtirishga emas, balki mashinani o'rganish
algoritmlarining tezligi va qulayligiga qaratiladi.
Keras va scikit-learn
Keras - bu yuqori darajadagi chuqur o'rganish tizimi bo'lib, u ko'plab past
darajadagi tafsilotlar va hisob-kitoblarni TensorFlow-ga topshirish orqali
mavhumlashtiradi. Bu Kerasga chuqur o'rganish tizimi bo'lishiga qaramay, kod
murakkabligini kamaytirish imkonini beradi.
Scikit-learn umumiy mashinani o'rganish algoritmlari uchun abstraktsiyaning
yanada yuqori darajasiga ega. Scikit-learn GPU hisoblash va chuqur o'rganish uchun
mahalliy yordamga ega emas.
Agar ilovangiz/modelingiz katta hajmdagi ma'lumotlardan o'rganish uchun
neyron tarmoqlardan foydalanishi kerak bo'lsa, Kerasni ko'rib chiqing. Keras,
shuningdek, chuqur o'rganish uchun juda yangi bo'lganlar uchun ham xizmat qiladi.
Statistik maqsadlar, bashoratlar, tasniflash yoki klasterlash uchun model kerak
bo'lsa, scikit-learn-ni ko'rib chiqing. Scikit-learn umumiy mashinani o'rganish hisob-
kitoblarini talab qiladigan nisbatan kichik ma'lumotlar to'plami bilan yaxshi ishlaydi.
Server uchun juda yaxshi dasturlash tili hisoblanadi. Hozirgi vaqtda
dasturchilar orasida hakkerlar uchun yaratilgan dasturlash tili degan nomni olgan
.
Google Colab — Google tomonidan yaratilgan xizmat boʻlib,
kompyuteringizga qoʻshimcha dasturlar oʻrnatmasdan Jupyter Notebook orqali
Python kodi bilan ishlash imkonini beradi. Google Colab-da siz turli xil Python
kutubxonalaridan foydalanishingiz, fayllarni yuklashingiz va ishga tushirishingiz,
ma'lumotlarni tahlil qilishingiz va brauzerda natijalar olishingiz mumkin. Ushbu
xizmat Python dasturlashni o‘rganayotgan dasturchilar va talabalar uchun ayniqsa
foydalidir.
Google Colab kimga kerak?
umuman olganda, Big Data bilan ishlaydigan har bir kishi;
ma’lumotlar tahlilchilari (uzoq vaqt davomida fayllardagi ma'lumotlarni
saralash, vizualizatsiya qilish yoki naqshlar yaratish);
ma’lumotlar olimlari (mashinalarni o‘rganishning yangi modellarini ishlab
chiqish va sinovdan o‘tkazish, prognozlar qilish);
ma'lumotlar muhandislari (katta ma'lumotlarni saqlash uchun dasturiy
ta'minot, tizimlarni ishlab chiqish).
“Colaboratory
” Python’da kod bilan ishlash uchun Jupyter daftariga
asoslanadi, faqat Google Drive’dagi ma’lumotlar bazasi bilan, kompyuterda emas.
Bu yerda matn, formulalar, rasmlar, HTML belgilari va boshqalarni qo‘llab-
quvvatlaydigan bir xil hujayralar mavjud. Ya'ni, siz Python-da dasturlashingiz va
keraksiz fayllarni, bir nechta kutubxonalarni yuklab olmaysiz, mashinani ortiqcha
yuklamaysiz va qattiq diskingizdagi bo‘sh joy tugashidan xavotirlanmang. Yagona
shart - sizda Google hisobiga ega bo‘lishingiz kerak.
“Colaboratory
” ning asosiy xususiyati bepul, kuchli GPU va TPU grafik
protsessorlari bo‘lib, ular yordamida siz nafaqat asosiy ma’lumotlar tahlilini, balki
mashinani o‘rganish sohasida yanada murakkab tadqiqotlarni ham amalga
oshirishingiz mumkin. CPU hisoblash uchun soatlab ketadigan narsani GPU yoki
TPU bir necha daqiqa va hatto soniyalarda bajara oladi.
Siz o‘qiyotgan hujjat statik veb-sahifa emas, balki kod yozish va bajarish
imkonini beruvchi Colab notebook deb nomlangan interaktiv muhitdir.
Misol uchun, bu yerda qiymatni hisoblaydigan, uni o‘zgaruvchida
saqlaydigan va natijani chop etadigan qisqa Python skriptiga ega kod katakchasi
mavjud:
seconds_in_a_day =
24
*
60
*
60
seconds_in_a_day
Yuqoridagi katakchadagi kodni bajarish uchun uni bosish bilan tanlang va
keyin kodning chap tomonidagi ijro tugmasini bosing yoki “Command/Ctrl+Enter”
klaviatura yorliqlaridan foydalaning. Kodni tahrirlash uchun katakchani bosing va
tahrirlashni boshlang.
Bir yacheykada belgilagan o‘zgaruvchilar keyinchalik boshqa kataklarda ham
ishlatilishi mumkin:
seconds_in_a_week =
7
* seconds_in_a_day
seconds_in_a_week
Colab noutbuklari bajariladigan kod va boy matnni bitta hujjatda tasvirlar,
HTML, LaTeX va boshqalar bilan birlashtirish imkonini beradi. O‘zingizning Colab
noutbuklaringizni yaratganingizda, ular Google Drive hisob qaydnomangizda
saqlanadi. Siz Colab daftarlaringizni hamkasblaringiz yoki doʻstlaringiz bilan
osongina baham koʻrishingiz mumkin, bu ularga daftarlaringiz haqida fikr bildirish
yoki hatto ularni tahrirlash imkonini beradi. Qoʻshimcha maʼlumot olish uchun
Colab haqida umumiy maʼlumotga qarang. Yangi Colab daftarini yaratish uchun
yuqoridagi Fayl menyusidan yoki quyidagi havoladan foydalanishingiz mumkin:
yangi Colab daftarini yarating.
Colab daftarlari Colab tomonidan joylashtirilgan Jupyter noutbuklaridir.
Jupyter loyihasi haqida ko‘proq ma’lumot olish uchun jupyter.org saytiga qarang.
Colab yordamida siz ma'lumotlarni tahlil qilish va vizualizatsiya qilish uchun
Python kutubxonalarining to‘liq quvvatidan foydalanishingiz mumkin. Quyidagi
kod katakchasi ba'zi tasodifiy ma'lumotlarni yaratish uchun numpy-dan foydalanadi
va uni vizualizatsiya qilish uchun matplotlib-dan foydalanadi. Kodni tahrirlash
uchun katakchani bosing va tahrirlashni boshlang.
import
numpy
as
np
from
matplotlib
import
pyplot
as
plt
ys =
200
+ np.random.randn(
100
)
x = [x
for
x
in
range
(
len
(ys))]
plt.plot(x, ys,
'-'
)
plt.fill_between(x, ys,
195
, where=(ys >
195
), facecolor=
'g'
, alpha=
0.6
)
plt.title(
"Sample Visualization"
)
plt.show()
Siz oʻz maʼlumotlaringizni Colab noutbuklariga Google Drive hisobingizdan,
jumladan, elektron jadvallardan, shuningdek, Github va boshqa koʻplab
manbalardan import qilishingiz mumkin. Maʼlumotlarni import qilish va Colab’dan
maʼlumotlar fanida qanday foydalanish mumkinligi haqida koʻproq maʼlumot olish
uchun quyidagi havolalarga qarang. Maʼlumotlar bilan ishlash.
Colab quyidagi ilovalar bilan mashinani o‘rganish hamjamiyatida keng
qo‘llaniladi:
TensorFlow bilan ishlashni boshlash
Neyron tarmoqlarni rivojlantirish va o‘qitish
TPUlar bilan tajriba o‘tkazish
AI tadqiqotlarini tarqatish
O‘quv qo‘llanmalarini yaratish.
Google Colab veb-saytida darhol mavjud noutbuklar ekrani paydo bo‘ladi. Siz
yangi Python kodini yaratishingiz yoki mavjud Python kodini Google Drive-dan
yuklab olishingiz mumkin.
9-rasm. Goole Colab.
Shaxsiy diskdan Google Colab-da fayllar va kodlar bilan ishlash uchun siz mount()
buyrug'idan foydalanishingiz kerak:
from google.colab import drive
drive.mount ('/content/drive')
Buyruqni ishga tushirgandan so‘ng, Colab avtorizatsiya kodini kiritishingizni
taklif qiladi. URLni ochish orqali siz xizmatga hisobingizga kirish huquqini
berishingiz kerak. Keyin u sizga maydonga joylashtirishingiz kerak bo‘lgan kodni
beradi, ENTER tugmasini bosing va Google Colab xotiraga ulanadi.
Colab haqiqatda ulanganligini tekshirish uchun !ls “/content/drive/My Drive”
buyrug'idan foydalanishingiz mumkin. U Google Drive tarkibini ko‘rsatadi.
Nima uchun Google Colab-dan foydalanish kerak?
1.Google Docs kabi, u onlayn ma'lumotlarni tahlil qilish uchun Python
kutubxonalari bilan ishlash imkonini beradi.
2. Google Collab bulutli hisoblash uchun kuchli protsessorlarni taqdim etadi. U
kompyuteringizni fayllar va jarayonlar bilan ortiqcha yuklamaslik va barcha hisob-
kitoblarni tezda bajarish imkonini beruvchi intuitiv interfeysga ega.
3. Barcha noutbuklar qo‘lda. Google Colab istalgan qurilmadagi fayllar bilan
hisobingizga kirishni taʼminlaydi. Biroq, agar siz maxfiyligingizga ehtiyot
bo‘lsangiz, Jupyter Notebook yaxshiroq variant bo‘lib qoladi.
Colab-ning yana bir afzalligi uning GitHub bilan integratsiyalashuvidir. Agar
siz uni xizmatda profil bilan ta'minlasangiz, u har qanday xotiraga kirish imkonini
beradi.
10-rasm. GitHub yaratish
Bundan tashqari, Google Colab-dagi muayyan vazifalar uchun siz quvvat
jihatidan mos bo‘lgan protsessorni tanlashingiz mumkin. Siz shunchaki kerakli
yorliqda ish vaqti muhitini o‘zgartirishingiz kerak.
11-rasm. Ish vaqtini o‘zgartirish
va bloknot sozlamalarida GPU va TPU o‘rtasida tanlang.
12-rasm. Bloknot sozlamalari
Katta ma’lumotlar bilan ishlashingiz shart bo‘lmaganda kuchli protsessor
bilan ishlamasligingiz kerak. Yuqorida aytib o‘tganimizdek, Colab o‘z resurslaridan
noratsional foydalanilganda buni yoqtirmaydi, shuning uchun har qanday ortiqcha
yuk bloknotdan to‘satdan cheksiz vaqtga chiqib ketishiga olib keladi.
Google Colab barcha jarayonlarni iloji boricha soddalashtirdi: uning asosiy
kutubxonalari (NumPy, scikit-learn, Pandas) va murakkabroq (Keras, TensorFlow
yoki PyTorch kabi) mavjud, dasturlar va muhitlarni oʻzingiz oʻrnatishingiz shart
emas, Siz darhol kod yozishingiz mumkin. Agar asosiy Google Colab kutubxonalari
yetarli boʻlmasa, siz har doim PIP oʻrnatuvchisi yordamida keraklilarini
qoʻshishingiz va ishlashni davom ettirishingiz mumkin:
%pip install emoji
Colab-da siz fayllarni boshqalar bilan baham ko‘rishingiz, sharhlar, tahririy
eslatmalarni qoldirishingiz va umuman bir xil Google Docs-da mavjud bo‘lgan
hamma narsani qilishingiz mumkin. Shuning uchun, siz daftarni baham
ko‘rganingizda, uning barcha mazmuni boshqa foydalanuvchilar uchun mavjud
bo‘ladi (matn, kod, sharhlar, chiqish). Ikkinchisini o‘chirib qo‘yish mumkin:
"Tahrirlash" menyusida "Notepad sozlamalari" ni tanlashingiz kerak.
13 – rasm. Bloknot sozlamasi
Ko‘rsatilgan Google Colab oynasida "Noutbukni saqlashda kod katakchasi
chiqishini istisno qilish" katagiga belgi qo‘ying, shundan so‘ng daftarda faqat kod
saqlanadi, lekin uning bajarilishi natijalari emas.
14-rasm. Istisno katakchasi
Shu bilan birga, kodga ochiq kirish va uni tahrirlash butun dunyo bo‘ylab
qiziqarli ishlanmalarni topish uchun ajoyib imkoniyatdir. Google keng ko‘lamli
SeedBank omboriga ega bo‘lib, siz bir marta bosish orqali ko‘plab ma'lumotlar
fanini yoki chuqur o‘rganish daftarlarini o‘rganishingiz mumkin.
Colabning yuragi baham ko‘radi. Jamoada loyiha ustida ishlayotganingizda, Colab
sizga Londonning biron bir joyida qattiq blokirovka ostida bo‘lsangiz ham, turli
hisoblardagi kodlarni erkin tahrirlash, sharhlash va tahrirlash imkoniyatini beradi.
|
