“SUN’IY INTELLEKT VA NEYRON TARMOQLARI” FANIDAN YAKUNIY
NAZORAT UCHUN SHAKLLANTIRILGAN SAVOLLAR RO‘YXATI
1. Qanday tizim intellektual deb ataladi?
2. Ma’lumotlar va bilimlar bazasi. Bilim turlari, bilimlarni ifodalash modellari.
3. Mantiqiy va produksion modellar. Bilimlar interpretatori.
4. Freym va semantik modellar. Freym modellarni yaraish, semantik tarmoq orqali
bilimlarni hosil qilish
5.
Ekspert tizimlari tushunchasi, asosiy xossalari, asosiy komponentlari va ularning turlari
6. Ekspert tizimlarida bilimlar bazasidan foydalanish, Ekspert tizimlarning qo‘llanilish
sohalari
7. Noravshan to‘plamlar. To‘plamlar ustida
amallar va ularning xossalari, Noravshan
mantiqda tegishlilik funksiyasi
8. Mashinali o’qitish va suniy intellekt. Mashinali o’qitish algoritmlarini qo’llanish sohalari.
9. Mashinali o’qitishning asosiy turlari. An’anaviy dasturlash va mashinali o’qitish
yordamida dasturlash.
10. Mashinali o’qitishda o’qituvchili (supervised) o’qitish tushunchasi.
11. Mashinali o’qitishda o’qituvchisiz (unsupervised) o’qitish tushunchasi.
12. Mashinali o’qitishda yarim nazoratda(semi- supervised) o’qitish tushunchasi.
13. Chiziqli regressiya tushunchasi. Bir o’zgaruvchili va ko’p o’zgaruvchili chiziqli
regressiya.
14. Logistik regressiya tushunchasi. Logistik regresssiyada qaror chegarasi tushunchasi.
15. Logistik regressiya yordamida ko’p sinfli sinflashtirish.
16. Mashinali o’qitishda ma’lumotlarni grafik tarvirlash.
17. Xatolik (cost) funksiyasi tushunchasi.
18. Gradient tushish tushunchasi.
19. Bias va Variance tushunchasi.
20. O‘qitish natijalarini tahlil qilish. Model qurishda bo’ladigan
Underfitting muammosi va
uni hal qilish usullari.
21. O‘qitish natijalarini tahlil qilish. Model qurishda bo’ladigan Overfitting muammosi va
uni hal qilish usullari.
22. O’rgatuvchi tanlama(dataset) tushunchasi. O’rgatuvchi tanlamada normallashtirish
tushunchasi.
23. Aktivlashtirish funksiyalari. Qo’llashdan maqsad. Sigmoid va ReLU faollashtirish
funksiyasi.
24. Klasterlash tushunchasi. Sinflashtirish va klasterlash masalalarining farqi.
25. O’qituvchisiz o’qitish algoritmlari. Kmeans algoritmi qadamlari.
26. KNN: K ta eng yaqin qo’shni algoritmi.
27. Sinflashtirishning SVM algoritmi.
28. Mashinani o’qitish jarayonida ma’lumotlarga dastlabki ishlov berish.
29. Mashinali o’qitishda xususiyatlarni ajratib olish tushunchasi.
30. Mashinali o’qitishda samaradorlikni baholash usullari. Tartibsizlik matritsasi (confusion
matrix)
31. Bialogik va sun’iy neyron tarmoqlar. Bialogik va sun’iy neyronlarning tashkil
etuvchilari. Solishtirish mezonlari
32. Sun‘iy neyronning
tuzilishi va xossalari, matematik modeli.
33. Neyron tarmoq, tarmoq tuzilishi va algoritmi. Perceptron tushunchasi.
34. Chuqur o’qitilish tushunchasi.
35. Sun’iy neyron tarmoqlarida foydalaniladigan faollashtirish funksiyalari.
36. Sun’iy neyron tarmoqlarida tugun va vazn tushunchalari.
37. MNIST datasetiga ta’rif bering.
38. Mashinali o’qitishda chiziqli algebraning o’rni.
39. Neyron tarmoqni tashkil etuvchi qatlamlar.
40. Mantiqiy klassifikator (oddiy Bayes klassifikatori). Bayes teoremasi. Bayes klassifikatori
bosqichlari
41. Chuqur o’qitilish tushunchasi. Mashinali o‘qitish va chuqur o‘qitishning farqi
42. Softmax faollashtirish funksiyasi, qo’llanishdan maqsad.
43. ReLU faollashtirish funksiyasi. Uning boshqa varinatlari (Leaky ReLU,
parametrik
ReLU)
44. Sinflashtirish masalasi uchun Loss funksiyalari (Binary Cross Entrapy, Cross Entrapy)
45. Regressiya masalasi uchun Loss funksiyalari (MSE, MAE)
46. Neyron tarmoqlarda Feedforward va Backpropagation amallari
47. Neyron tarmoq orqali sinflashtirish va regressiya masalasini yechish
48. Numpy kutubxonasidan foydalanib bir o’zgaruvchili regressiya masalarini yechish
49. Python dasturlash tilining mashinali o’qitish masalalarini
yechishga xizmat qiladigan
kutubxonalari.
50. Neyron tarmoqlarini o‘qitish tushunchasiga ta’rif bering
51. Sun’iy neyron tarmoqlari, Neyron tarmoq arxitekturalari, Bir qatlamli neyron tarmoq
52. Ochiq kodli (Open Source) chuqur o‘qitish
freymvorklari
53. Svyortkali neyron tarmoqlarning asosiy tushunchalari, Svyortkali neyron tarmoqlaridan
foydalanib tarvirlarni sinflashtirish, Qo‘lda yozilgan raqamlarni tanish
54. Svyortkali neyron tarmoqlar, Svyortka tartibi.
55. Svyortkali neyron tarmoqlarida filter o’lchami, padding,
stride tushunchalari
56. Dropout qatlamining vazifasi.
57. Pooling operatsiyasini tavsiflang (Max Pooling, Average Polling).
58. Takrorlanuvchi tarmoqning grafik tasviri, uning matematik modeli.
59. Rekurrent neyron tarmoqning “one-to-many” tamoyili
60. Rekurrent neyron tarmoqning “many-to-one” tamoyili
61. Rekurrent neyron tarmoqning “many-to-many” tamoyili
62. Rekurrent neyron tarmoqlari, turlari, LSTM ning asosiy mohiyati,
LSTM orqali vaqtga
bog‘liq ketma-ketlikni bashorat qilish.
