Machine Learning Lab.

#foydali Loyiha uchun talab qilinadigan kutubxonalar ro'yhatini hosil qilish. Odatda deyarli barcha ML engineerlari ma'lum bir loyiha ustida ishlashni boshlasa o'sha loyiha uchun alohida virtual muhit yaratib ishni boshlaydilar. Kimdur conda kimdur vnev va hokozolardan foydalanishadi. Loyiha davomida ko'plab kutubxonalar o'rnatiladi va loyihangiz to'g'ri ishlashi uchun bu kutubxonalarning versiyalari o'zaro bir biriga ta'sir qiladi. Shuning uchun har bir loyiha uchun alohida muhit yaratish eng aqilli yo'l. Loyihani tugatib uni foydalanuvchiga berishdan oldin albatda loyiha xatosiz ishlashi uchun talab qilinadigan kutubxonalar ro'yhatini (requirements.txt) shakllantirishingiz kerak bo'ladi. Albatda loyiha davomida o'rnatgan barcha kutubxonalaringiz va ularni versiyalari esingizda qolishingiz amri mahol. Bunda ushbu ro'yxanti shakllantirishning eng oson yo'li bu o'sha ishlash muhiningizda turib terminaldan quyidagi buyuruqni berishdir. pip freeze > requirements.txt Shunda sizda 'requirements.txt' nomli fayl hosil bo'ladi. U o'z ichida muhitga o'rnatilgan barcha kutubxonalar va ularni versiyalarini oladi. Foydalanuvchi esa sizni loyihangizni olib, yangi muhitda osongina pip install -r requirements.txt buyurug'i orqali barcha talab etiladigan kutubxonalarni o'rnatib oladi. Keyin esa bemalol loyihangizdan foydalanishi mumkin 😎. 👉 @machine_learning_lab

3D-aware Conditional Image Synthesis (pix2pix3D) Ushbu loyiha pix2pix Deep Learning model arxitekturasi asosiga qurilgan bo'lib, u 2 o'lchamli oddiy tasvirlarni qalub qiladi va unga mos 3 o'lchamli tasvirlarni hosil qilib beradi. Yuqoridagi qisqa video orqali loyihaning maqsadini tushunib olishingiz mumkin. 👉 Github code 👈 👉 Maqola 👈 👉 Loyiha 👈 Ma'lumotlar to'plami: CelebAMask , AFHQ-Cat-Seg , Shapenet-Car-Edge 👉 @machine_learning_lab

​​Photoshop AI - yangi darajadagi Photoshop !!! Photoshop AI - bu Adobe Photoshop-ning sun'iy intellektga asoslangan yangi xususiyati bo'lib, u sizni hayratda qoldiradigan, zavqlantiradigan haqiqiy natijalarga erishish uchun oddiy matnli ko'rsatmalardan foydalanib, soniyalar ichida, tasvirlaringizga buzilmaydigan tarzda kontent qo'shish, kengaytirish yoki o'chirish imkonini beradi. Photoshop AI qanday ishlaydi? Photoshop AI tasviringizni tahlil qilish va asl tasviringiz uslubi, istiqboli va yoritilishiga mos keladigan real kontent yaratish uchun Adobe Firefly AI mexanizmidan foydalanadi. Photoshop AI-ga rasmingizga nima qo'shish, kengaytirish yoki olib tashlashni xohlayotganingizni aytish uchun oddiy matnli ko'rsatmalardan foydalanishingiz mumkin. Masalan, siz "orqa fonga yelkanli qayiq qo'shing (add a sailboat to the background)" yoki "odamni oldingi plandan olib tashlang (remove the person from the foreground)" deb aytishingiz mumkin. Photoshop AI-dan foydalanishning qanday afzalliklari bor? Photoshop AI an'anaviy fotosuratlarni tahrirlash usullariga nisbatan bir qator afzalliklarni taklif etadi: 1. Tez va ishlatish uchun qulay. Siz qo'lda chizishingiz yoki bo'yashingiz shart emas, bir necha soniya ichida real kontent yaratishingiz mumkin. 2. Photoshop AI yordamida amalga oshirgan o'zgarishlar buzilmaydi, shuning uchun siz har doim asl tasviringizga qaytishingiz mumkin. 3. Photoshop AI tasvirlarning katta ma'lumotlar to'plamida o'qitilgan, shuning uchun u asl tasviringizning uslubi va istiqboliga mos keladigan real kontent yaratishi mumkin. Photoshop AI bilan nima qilishingiz mumkinligiga ba'zi misollar: 1. Tasvirlaringizdan ob'ektlar qo'shish yoki olib tashlash amallarini bajarishingiz mumkin. 2. Tasvirlaringiz fonini o'zgartirishingiz mumkin. 3. Haqiqiy tekstura va naqshlar yaratishingiz mumkin. 4. Tasvirlaringizni retush qilishingiz mumkin. 5. Abstrakt san'at yaratishingiz mumkin. Umuman olganda, Photoshop AI - bu qisqa vaqt ichida ajoyib tasvirlarni yaratishga yordam beradigan kuchli yangi vosita. Agar siz Adobe Photoshop obunachisi bo'lsangiz, uni sinab ko'rishingizni mumkin. 👉 @machine_learning_lab

Microsoft AI Challenge haqida qisqacha xulosa! Ushbu Microsoft kompaniyasi tomonidan e'lon qilingan challenge-ning ikkitasiga (Machine Learning Challenge va Machine Learning Operations (MLOps) Challenge) ro'yxatdan o'tgan edim. Ikki kun davomida vaqt ajratib ushbu dasturlarni tamomladim. Unda asosan Machine Learning haqida umumiy tushunchalar, regression, classification va clustering ga doir mashqlar berilgan. Keyingi asosiy urg'u Microsoftning ML engineerlari uchun maxsus Azure Machine Learning Studio platformasida ko'nikma hosil qilishga qaratilgan. Ammo bu platformadan ro'yhatdan o'tish pullik 😉. Bu platforma sizga ML modelingizni online ishlab chiqarishga muvaffaqiyatli qo'yishga va uni nazorat qilib turishga katta yordam beradi va juda qulay. Ushbu challenge-larni boshlang'ich bilimga ega yoki endi o'rganishni boshlagan ML engineerlari uchun juda foydali deb hisoblayman. P.s: Aytgancha certificate berilar ekan. Portifolioingiz uchun kerak bo'ladi albatda ☺️ 👉 @machine_learning_lab

AI ni o'rganish va mavjud mahoratingizni oshirish uchun zo'r imkoniyat! ML engineerlari uchun Microsoft kompaniyasi "Microsoft Learn AI Skills Challenge" nomli challenge ini e'lon qildi. Ushbu challenge quyidagi 4 yo'nqlishni o'z ichiga oladi: 👉Machine Learning Challenge 👉Machine Learning Operations (MLOps) Challenge 👉Cognitive Services Challenge 👉AI Builder Challenge Ushbu challenge 17-iyuldan 14-avgutgacha davom etadi. Yuqoridagi 4 yo'nalishdan kamida bittasini tamomlagan ishtirokchiga Microsoft Learn AI Skills test nishoni va yakuniy sertifikat topshiriladi. Ular Microsoft Learn profilingiz bilan bog'langan elektron pochta manziliga yetkaziladi. P.s: AI ga qiziquvchi yaqinlaringizga albatda bu xabarni yetkazing. Zero bir yaxshilikka sababchi bo'lib qolsangiz. Telegram | Instagram | YouTube

#loyiha #smartfarm Ushbu haftada Smart Farm loyihamizga doir bo'lgan zararli hashoratlarni aniqlash (Insects detection) qismida ishladim. Ma'lumotlar toplamini tayyorlashda 7 xil issiqxonalarda eng ko'p uchraydigan hashoratlarni tanlab oldik va jami 1300 dan ortiq rasmlar toplandi. Bular quyidagicha (nomlari inglizchada ☺️): Aphids Caterpillars Fungus gnats Leafhoppers Mealybugs Spider mites Whiteflies Zararli hashoratlarni aniqlash (Insects detection) uchun Yolov5 modelidan foydalanildi. Natijalar qoniqarli hozircha (rasmda keltirilgan). Lekin natijani yaxshilasa bo'ladi. Datasetni hozircha ommaga ochiq qilmadik ☺️. Telegram | Instagram | YouTube

#loyiha Smart Farm project Loyihamizning ‘hardware’ qismi deyarli tugadi! Hozirda software qismida ishlayapman! Insect detection (hashoratlarni aniqlash) uchun dataset tayyorlab Yolov-5 modelida datani o’qitib keyin to’liq experimentni boshlasak bo’ladi. insha Alloh! 👉 @machine_learning_lab

​​Machine Unlearning nima? U qanday ishlaydi? Machine Unlearning - bu MLning kichik bir sohasi bo'lib, u o'rgatilgan modeldan ma'lum bir ma'lumotlar qismi - "unutish to'plami" (forget set) ta'sirini olib tashlashga qaratilgan. Yani soddaroq qilib tushuntiradigan bo'lsak, misol uchun bizning ML modelimiz bir ma'lumotlar toplami bilan training qilingan bo'lsin va bu ma'lumotlar toplami o'z ichiga 100 nafar odamning ko'plap suratlaridan tashkil topgan. Keyinchalik ayrim sabablarga ko'ra bir odamning rasmlaridan foydalanmasligimiz kerak bo'lib qodi. Unda qanday yo'l tutamiz? Birinchi yo'l: Malumotlar to'plamidan o'sha inson suratlarini olib tashlab qolgan 99 kishi rasmlari uchun modelimizni qaytadan train qilamiz. Bu yo'l ananaviy yo'l lekin katta malumotlar toplami bilan modelni qayta train qilish juda qimmatga tushishi mumkin. Ikkinchi yo'l: Machine Unlearning metodini qo'llash orqali train qilingan orginal modelni faqat bir kishining (rasmlari o'chirilishi kerak bo'lgan kishi) rasmlaridan iborat ma'lumotlar to'plamida training qilishdir. Bu yo'l ancha arzon hisoblanadi. Ammo o'ziga yarasha kamchiliklari mavjud. Masalan orginal modelning aniqlik darajasiga salbiy ta'sir ko'rsatishi mumkin va birinchi yo'l orqali erishilgan darajaga erishish imkonsiz. bundan tashqari o'chirilishi kerak bo'lgan ma'lumot to'liq o'chmasligi mumkin. Quyidagi rasmda Machine Unlearning algoritmining umumiy arxitekturasi keltirilgan. Bu Machine Unlearning sohasi nisbatan yangi va o'ziga yarasha kamchiliklari borligi uchun Google o'zining Birinchi Machine Unlearning Challenge ini shu oyning (iyul) o'rtalarida Kaggle platformasida e'lon qiladi. Bunda siz ham qatnashish imkoniyatiga egasiz😎. 👉 @machine_learning_lab

Ushbu yuqoridagi 👆rasmlar Playground AI platformasida tayyorlangan. Siz ham foydalanib ko'ring va tayyorlagan tasvirlaringizni ushbu postning muhokama qismiga 👇 yuboring. Bu men uchun juda qiziq. P.s: Kimni tasviri eng yaxshi chiqsa kanalga post qilib qo'yamiz 😊 👉 machine_learning_lab

​​Playground AI haqida eshitganmisiz? Playground AI - bu sun'iy idrok algorithmlariga asoslangan tasvirlar yaratishga imkon beradigan bepul online website. Siz undan san'at, ijtimoiy tarmoq postlari, taqdimotlar, plakatlar, videolar, logotiplar va boshqalarni yaratish uchun foydalanishingiz mumkin. 👉 Link bu yerda 👉@machine_learning_lab

Professor David Malan yangilikni bizdan oldi shekilli 😂😂😂 Xabarni joylaganiga 8 soat bo’libdi. Biz kecha bu haqda post qo’ygan edik😂 P.s: Ko’rdilarmi bizni Garvardda ham bilishadiii. #bizda_bunyodkor_stadioni_bor rukunidan! @machine_learning_lab

​​#Roadmap #yol_xaritasi AI muhandisi bo'lish ta'lim, amaliy tajriba va doimiy ravishda o'rganish va sohadagi eng so'nggi yutuqlardan xabardor bo'lishga tayyorlikni talab qiladi. Mana sizga AI muhandisi bo'lishga yordam beradigan batafsil yo'l xaritasi (roadmap) 🗺: 1️⃣ Dasturlash va kompter savodxonligi asoslarini o'rganish ML muhandisi bo'lish uchun dasturlash va kompyuter savodxonligi asoslarini yaxshi tushunish kerak. Siz Python yoki C++ kabi bir yoki bir nechta dasturlash tillarini o'rganishdan boshlashingiz mumkin, so'ngra boshlang'ich informatika kurslarida ishlashingiz mumkin. 2️⃣Matematika va statistika bo'yicha bilimga ega bo'lish Matematika va statistika AI ni o'rganishning asosidir. Chiziqli algebra, ehtimollar nazariyasi va statistika haqida kuchli tushunchaga ega bo'lish muhimdir. Siz ushbu sohalarda mustahkam poydevor yaratish uchun onlayn kurslar yoki darsliklarni olishdan boshlashingiz mumkin. 3️⃣ML tushunchalarini o'rganish Siz nazorat ostida (Supervised Learning) va nazoratsiz o'rganish (Unsupervised Learning), tasniflash (Classification), regressiya (Regression), klasterlash (Clustering) va Deep Learning kabi asoslardan boshlashingiz mumkin. Asoslarni yaxshi tushunganingizdan so'ng, siz AIning ilg'or yo'nalishlaridan Natural Language Processing (NLP) va Computer Vision (CV) kabilarga o'tishingiz mumkin. 4️⃣O'rganganlaringizni amaliyotda qo'llang Real hayotdagi ma'lumotlar to'plamida ishlash orqali o'rgangan narsalaringizni amalda qo'llash muhimdir. Kaggle - qiziqarli ma'lumotlar to'plamini topish va ML musobaqalarida qatnashish uchun ajoyib platforma. Ushbu maʼlumotlar toʻplamini oʻrganish va tahlil qilish va ML modellarini yaratish uchun 1-3-bosqichlarda oʻrganilgan koʻnikmalardan foydalanishingiz mumkin. 5️⃣Ma'lumotlar to'plami bilan ishlash va vizualizatsiya qilish ko'nikmasini rivojlantirish Ma'lumotlar to'plami bilan ishlash va vizualizatsiya har qanday ML muhandisi uchun muhim mahoratdir. Siz ma'lumotlarni tozalash va qayta ishlashni va ma'lumotlarni ML modellari uchun mos formatlarga keltirishni o'rganishingiz kerak. Bundan tashqari, siz ma'lumotlarni tushunish va manfaatdor tomonlarga tushunchalarni etkazishda yordam beradigan vizualizatsiya yaratish uchun Matplotlib va Seaborn kabi ma'lumotlarni vizualizatsiya qilish vositalarida malaka hosil qilishingiz kerak. 6️⃣Maxsus frameworklar va platformalarni o'rganish ML modellarini yaratish uchun ko'plab vositalar va frameworklar mavjud. Ushbu vositalarning bir yoki bir nechtasida malakali bo'lish muhimdir. Mashhur vositalar va frameworklar qatoriga TensorFlow, PyTorch, Keras, Scikit-learn va Pandas kiradi. Shuningdek, AWS, Google Cloud Platform va Microsoft Azure kabi bulutga asoslangan platformalar haqida ham maʼlumot olishingiz kerak boʻlib, ular ML modellarini yaratish, oʻqitish va amaliyotga tadbiq etish xizmatlarini taqdim etadi. 7️⃣Real ML loyihalarini amalga oshirish Malakali ML muhandisi bo'lishning eng yaxshi usuli bu haqiqiy loyihalar ustida ishlashdir. Image classification, sentiment analysis yoki customer segmentation kabi kichik o'lchamdagi loyihalarni qurishdan boshlashingiz mumkin. Yetarli tajribaga ega bo'lganingizdan so'ng, siz kattaroq va murakkabroq loyihalar ustida ishlashingiz mumkin. 8️⃣Eng so'nggi AI sohasidagi yangiliklardan xabardor bo'lish AI jadal rivojlanayotgan soha bo'lib, eng so'nggi ishlanmalardan xabardor bo'lish muhimdir. Siz tadqiqot maqolalarini o'qishingiz, konferentsiyalar va uchrashuvlarda qatnashishingiz, so'nggi tendentsiyalar va texnikalar haqida xabardor bo'lish uchun onlayn forumlar qatnashishingiz kerak. Usbu ma'lumot ko'pchilikka manfatli bo'lishi uchun yaqinlaringizga ham ulashing! 👉@machine_learning_lab

​​Oldinda qiziqarli voqealar kutmoqda. Garvard universiteti talabalarni samarali o'qitish tizimini yaxshilash uchun o'zining mashhur darsida (CS50) sun'iy intellektdan (AI) foydalanishni rejalashtirmoqda. Ular ChatGPT-ga o'xshash "CS50 bot" ni joriy etish umumiy savollarga javob berish va kod dizayni va xatolar haqida fikr-mulohazalarni taqdim etish orqali professor va talabalarga yordam berishga qaratilgan. "Bizning umidimiz shuki, Al orqali biz CS50 da har bir talaba uchun 1:1 o'qituvchi: talaba nisbatga erishamiz, va ularga dasturiy ta'minotga asoslangan vositalar bilan ta'minlash orqali talabalarga eng qulay usulga 24/7 uslubida o'qishni qo'llab-quvvatlaymiz.” dedi CS50 professori Devid J. Malan gazetaga bergan intervyusida. CS50 boti o'quvchilarni javoblar sari yo'naltirsa-da, u oddiy yechimlarni taqdim etishdan ko'ra muammoni hal qilish ko'nikmalarini rivojlantirishga ustuvor ahamiyat beradi. Garvardning Alni qo’llashi shu o’quv yili boshida kutilmoqda. @machine_learning_lab

​​2023 yilda ML dunyosida yana bir shov-shuvga sabab bo'lgan DragGAN modelining code lari ommaga taqdim etildi. Quyidagi qisqa videoda DragGAN modelini ishlash jarayoni tasvirlangan. Maqola: 👉 bu yerda GitHub code: 👉 bu yerda HuggingFace: 👉 bu yerda P.s: HuggingFace ga kirib o'zingiz tekshirib ko'rsangiz bo'ladi. Juda qiziq ekan ☺️. @machine_Learning_lab

​​#kitob_tafsiya 📚 2023 yilda NLP mutaxasislari o'qishi uchun tavsiya etiladigan 5 ta bepul kitob. 1. Speech and Language Processing Mualliflar: Dan Jurafsky and James H. Martin Stenford universitetining ikki professori tomonidan yozilgan Nutq va tilni qayta ishlash NLP dunyosiga keng qamrovli kirishni taqdim etadi. U 3 bo'limga bo'lingan: NLP uchun asosiy algoritmlar, NLP ilovalari va lingvistik tuzilmaning izohlari. 2. Foundations of Statistical Natural Language Processing Mualliflar: Christopher D. Manning and Hinrich Schütze Ushbu kitob NLP asoslari bilan boshlanadi va sizni tabiiy tilni qayta ishlash uchun zarur bo'lgan matematik jihatlarga, masalan, ehtimollar nazariyasi, Bayes teoremasi, dispersiya va boshqalarga asta-sekinlik bilan kirib boradi. 3. Pattern Recognition and Machine Learning Mualliflar: Christopher M. Bishop Bu machine learning sohasiga batafsil kirish. Har bir bobning oxirida har bir tushunchani o'quvchiga yaxshiroq tushuntirish uchun tanlangan mashq mavjud. 4. Neural Network Methods in Natural Language Processing Mualliflar: Yoav Goldberg Kitob chiziqli modellar, perseptronlar, oldinga uzatish, neyron tarmoqlarni o'rgatish va hokazolar kabi asoslarni o'rganishdan boshlanadi. Muallif ushbu fundamental elementlarni amaliy misollar bilan birga tushuntirish uchun matematik yondashuvdan foydalangan. 5. Practical Natural Language Processing Muallfilar: Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, and Harshit Surana Ushbu kitob NLP real dunyoda qanday qo'llanilishi, NLP modellari va matn ma'lumotlari va ChatGPT kabi chatbotlardan foydalanish holatlarini qamrab oladi. Ushbu kitobda siz NLP dan chakana savdo, sog'liqni saqlash, moliya va boshqalar kabi turli sohalarda qanday foydalanish mumkinligini bilib olasiz.NLP har bir sohada qanday ishlashini bilib olasiz va uni ishingizda qanday ishlatishni tushunasiz. @machine_learning_lab

#loyiha Ko’chatlarni greenhouse ga o’tkazganimizdan keyin 10 kun o’tib natija ushbu rasmda! Hozircha bizni AI modelimiz tadbiq qilingani yo’q. Tadbiqdan keyin alohida tahlil qilamiz! P.s: E’tibor bergan bo’lsangizlar 3 xil turdagi ko’chat o’tkazgan edik bir turdagisi (Kale) ko’karmadi. Nimaga bilmayman. Lekin loyihaning maqsadi bu emas 😊. @machine_learning_lab