Machine Learning Lab.

​​#kitob #kitob_tavsiya 📚 ML engineerlari o'qishi kerak bo'lgan 7 ta kitob bor! Shulardan birining pdf versiyasi quyida keltirilgan. Ushbu kitobni qunt bilan o'qib chiqishni tavsiya etaman. P/s. Men eng yaxshi ko'rgan kitoblarimdan biri 😊📗🔝 Tashrif buyuring 🔗 Telegram | Youtube

​​#Decision_Tree Decision Tree haqida qisqacha: 👍 Ko'p hususiyatli ma'lumotlar to'plami bilan ishlashda juda samarali. 👍 Grafik tasvirlash va tushunturish oson. 👍 Chiziqli bog'liq bo'lmaga masalalarni yechishda ham yaxshi natijaga erisha oladi. 👎 Overfitting muammosi kuzatilishi mumkin. 👎 Malumotlar to'plamidagi kichkina o'zgarish ham model strukturasida katta o'zgarishga sabab bo'lishi mumkin optimal modelni olish uchun. 👎 Modeldagi hisob-kitob operatsiyalari juda ham murakkablashib ketishi mumkin. Tashrif buyuring 🔗 Telegram | Youtube

​​#Support_Vector_Machine Support Vector Machine haqida qisqacha: 👍 Ko'p xususiyatli ma'lumotlar to'plami bilan ishlashda yaxshi. 👍 Kichik hajmli ma'lumotlar to'plami bilan ham yaxshi natijaga erishish mumkin. 👍 Chiziqli bog'liq bo'lmaga masalalarni yechishda ham yaxshi natijaga erisha oladi. 👎 Katta ma'lumotlar to'plamida samarasiz. 👎 To'g'ri kernel tanlashni talab qiladi. Tashrif buyuring 🔗 Telegram | Youtube

​​#Algorithms #models 🔝Eng ko'p ishlatiladigan va sodda ML modellari quyudagi rasmda keltirilgan! 👇 Tashrif buyuring 🔗 Telegram | Youtube

​​#logistic_regression Logistic Regression haqida qisqacha: 👍 Amaliyotga qo’llash anchagina sodda va train qilishda samarali. 👍 Model overfitting muammosiga moyilligi kamroq ammo agar malumotlar to’plami ko'p hususiyatli bo'lsa (high dimensional) bu muammo kuzatiladi. 👍 Ishlashi juda yaxshi agar malumotlar to’plami hususiyatlari (dataset features) chiziqli bo’linadigan bo’lsa. 👎 Ma'lumotlar to'plamini xususiyatlari soni (dataset features) undagi namunalar sonidan katta bo'lganda bu modelni ishlatish tavsiya etilmaydi. 👎 Ma'lumotlar to'plamini mustaqil deb hisoblaydi, bu esa real hayotda kam uchraydi. 👎Model faqat diskret funksiyalarni bashorat qilishda yaxshi ishlaydi. Tashrif buyuring 🔗 Telegram | Youtube

​​#overfitting #underfitting #rightfit ⁉️ Overfitting nima? ML algoritmi training datasetda training qilinganda juda yaxshi natija ko’rsatadi ammo yangi test dataset bilan test qilinganda natija juda past chiqadi. Bunda overfiiting muammosi yuzaga keldi deb aytiladi. ⁉️ Underfitting nima? ML algoritimi training datasetda ham test datasetda ham past natija ko’rsatganda underfitting muammosi yuzaga keldi deb aytiladi. ⁉️Rightfit nima? ML algoritmi training datasetda ham test datatsetda ham deyarli bir xil yaxshi natijaga erishga Rightfit deb aytiladi. Quyidagi rasmda bu terminlarni grafik ko’rinishda tasviri keltirilgan! Tashrif buyuring 🔗 Telegram | Youtube

​​#linear_regression Linear Regression haqida qisqacha: 👍 Amaliyotga qo’llash anchagina sodda va train qilishda samarali. 👍 Modeldagi overfitting muammosi regularization (lambda) qo’shish orqali kamaytirilishi mumkin. 👍 Ishlashi juda yaxshi agar malumotlar to’plami (dataset) chiziqli bo’linadigan bo’lsa. 👎 Ma'lumotlar to'plamini mustaqil deb hisoblaydi, bu real hayotda kam uchraydi. 👎 Ma'lumotlar to'plamidagi shovqunga (noise) va overfitting muammosiga moyil. 👎Outliers ga juda ta'sirchan. Tashrif buyuring 🔗 Telegram | Youtube

Assalomu alaykum aziz dindoshim! Barchangizga Ramazon hayiti muborak bo’lsin! 🤲🤲🤲 Tashrif buyuring 🔗 Telegram | Youtube

​​👆Yuqoridagi savollarga javob tariqasida quyidagi ma'lumotdan bohabar bo'lib qo'ygan yaxshi! ✅ Ya'ni quyidagi rasmda bir nechta ML algoritmlarini sinflanishi tasvirlanga. Qaysi algoritmlar qanday masalalarni ko'radi degan savolga batafsilroq javob. P/s: Natijalar yomon ems 👍☺️😎 Telegram | Youtube

​​Data Science ni o’rganish uchun eng yaxshi YouTube channel lar 👇 Telegram | Youtube

​​📗 #ml #DL #AI ML algoritmlari asosan 4 turga bo'linadi. Bular Supervised Learning, Unsupervised Learning, Reinforcement Learning va Recommender System. Bulardan, bugungi kunda eng ko'p ishlatilariganlari birinchi uchligi. MLning bu turlari ham o'z navbatida turli xil masalalarni ko'rib chiqadi. Masalan: 👉Supervised Learning: Regression va Classification masalalarini o'rganadi. 👉Unsupervised Learning: Clustering masalalarini o'rganadi. 👉Reinforcement Learning: Decision-Making (Qaror qabul qilish) masalarini o'rganadi. 👉Recommender System: Personalized Recommendation problems (shaxsiy tavsiyalar muammosi 😊) Quyidagi rasmda grafik ko'rinishda tasvirlangan. 👇 Telegram | Youtube

​​👨‍💻 #project #loyiha Segment Anything Segment Anything Model (SAM) nuqtalar yoki qutilar kabi kirish so'rovlaridan yuqori sifatli ob'ekt niqoblarini (masks) yasab beradi va undan tasvirdagi barcha ob'ektlar uchun niqoblar yaratish uchun foydalanish mumkin. Ushbu loyiha MetaAI tomonidan ishlab chiqilgan. Quyidagi linklardan loyiha haqida batafsil ma’lumot olishingiz mumkin! Github: https://github.com/facebookresearch/segment-anything Loyiha: https://segment-anything.com/ Maqola: https://arxiv.org/abs/2304.02643v1 Dataset: https://segment-anything.com/dataset/index.html Telegram | Youtube