ILM-FAN VA INNOVATSIYA
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/si
50
MASHINANI O‘RGANISH (MACHINE LEARNING) VA UNING ASOSIY
USULLARI
Qodirov Farrux Ergash o‘g‘li
Matematika va ta’limda axborot texnologiyasi kafedrasi mudiri, Ilmiy rahbar
Tolipova Sabina Oybek qizi
Shahrisabz davlat pedagogika instituti matematika va informatika yo’nalishi
2-bosqich talabasi
https://doi.org/10.5281/zenodo.15117687
Annotatsiya:
Mashinani o‘rganish (Machine Learning, ML) — bu kompyuter tizimlariga
ma'lumotlardan o‘rganish va ularga asoslanib qarorlar qabul qilishni avtomatlashtirishga
imkon beruvchi soha. Ushbu texnologiya, sun'iy intellektning rivojlanishida muhim o‘rin
tutadi va turli sohalarda qo‘llaniladi, jumladan, tibbiyot, moliya, marketing va transport.
Mashinani o‘rganishning asosiy usullari: nazoratli o‘rganish, nazoratsiz o‘rganish, qarorlarni
mustahkamlash o‘rganish, chidamlilikni tekshirish, generativ modellar, chuqur o‘rganish va
boshqalar. Har bir usul turli xil ma'lumotlar va vazifalarga mos ravishda ishlatiladi. Bu maqola
mashinani o‘rganishning asosiy usullarini tahlil qiladi va ularning amaliy qo‘llanilishini
ko‘rsatadi.
Kalit so‘zlar:
Mashinani o‘rganish (Machine Learning)
Nazoratli o‘rganish (Supervised
Learning)
Nazoratsiz o‘rganish (Unsupervised Learning)
Qarorlarni mustahkamlash o‘rganish
(Reinforcement Learning)
Generativ modellar (Generative Models)
Chuqur o‘rganish (Deep
Learning)
Klasterlash (Clustering)
Tasniflash (Classification)
Regresiya (Regression)
Dimensiya kamaytirish (Dimensionality Reduction)
Transfer learning
Artificial Intelligence
(AI). Mashinani o'rganish (Machine Learning) - bu kompyuterlarga tajriba asosida bilimlarni
o'zlashtirish va qarorlar qabul qilish imkonini beradigan sun'iy intellekt (AI) sohasining bir
bo'limidir. Mashinani o'rganish algoritmlari ma'lumotlar asosida o'z-o'zini o'rgatadi va yangi,
ilgari ko'rilmagan ma'lumotlar bilan ishlashda ham yaxshi natijalarga erishadi. Bu texnologiya
kundalik hayotda ko'plab sohalarda qo'llaniladi: avtomatik tarjima, tasvirni tanish, tavsiyalar
tizimi va boshqalar.
Mashinani o'rganishning asosiy usullari quyidagilardir:
1. Nazoratli o'rganish (Supervised Learning)
Nazoratli o'rganish modelini qurishda, ma'lumotlar biror to'g'ri javob yoki etiketka bilan
birga taqdim etiladi. Model o'rganayotgan vaqtda, kirish ma'lumotlari va ularning tegishli
javoblari yordamida parametrlarini optimallashtiradi.
Masalalar
: Klassifikatsiya va regressiya.
Klassifikatsiya
: Ma'lumotni belgilangan sinflarga ajratish (masalan, elektron pochta
spam yoki spam emasligini aniqlash).
Regressiya
: Doimiy qiymatlarni bashorat qilish (masalan, uy narxini yoki aksiyalar
narxini bashorat qilish).
Misollar
:Tasvirni tanish: Qayta ishlashga oid tasvirlar va ularning kategoriyasi
(masalan, "mushuk" yoki "it"). Elektron pochta filtrlash.
2. Nazoratsiz o'rganish (Unsupervised Learning)
ILM-FAN VA INNOVATSIYA
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/si
51
Nazoratsiz o'rganishda, ma'lumotlar etiketlarsiz taqdim etiladi, va model
ma'lumotlarning tuzilishini o'rganishga harakat qiladi. Bu usulda maqsad - ma'lumotdagi
noaniqliklarni yoki guruhlarni aniqlashdir.
Masalalar
: Klasterlash va o'lchamlarni kamaytirish.
Klasterlash
: Ma'lumotlarni o'zaro o'xshashliklariga qarab guruhlash (masalan,
mijozlarni o'xshash xarid qilish odatlari asosida guruhlash).
O'lchamlarni kamaytirish
: Katta ma'lumotlar to'plamini yanada soddalashtirish
(masalan, tasvirni siqish yoki asosiy xususiyatlarni aniqlash). K-means klasterlash algoritmi
yordamida mijozlarni segmentlash. Principal Component Analysis (PCA) yordamida
ma'lumotlar o'lchamlarini kamaytirish.
3. Kuchli o'rganish (Reinforcement Learning):
Kuchli o'rganish - bu agentning o'z
harakatlari bilan atrof-muhitni o'rganishiga asoslangan o'rganish usulidir. Agent maqsadga
erishish uchun mukofotlarni olishga va jazolardan qochishga harakat qiladi.
Masalalar
: O'yinlar, robototexnika, avtomobillarni boshqarish (avtomatik haydash).
AlphaGo (Go o'yinini o'ynash) va boshqa o'yinlar (masalan, shaxmat). Avtomatik boshqaruv
tizimlari va robototexnika.
4. Transferrans o'rganish (Transfer Learning)
Transferrans o'rganish modelni bir ma'lumotlar to'plamidan o'rgatib, uni boshqa
ma'lumotlar to'plamiga qo'llashga asoslangan. Bu usul, ayniqsa, yangi ma'lumotlar
to'plamlarida resurslarni tejash va vaqtni qisqartirish uchun foydalidir.Bir tasvirni tanish
modelini o'rgatib, uni boshqa bir turdagi tasvirni tanish tizimida qo'llash.
5. Chuqur o'rganish (Deep Learning)
Chuqur o'rganish - bu neyron tarmoqlarining chuqur arxitekturasi asosida ishlaydigan
mashinani o'rganishning bir turi. Bu metod katta miqdordagi ma'lumotlar va kuchli hisoblash
imkoniyatlari yordamida yanada murakkab muammolarni hal qilishda ishlatiladi.
Masalalar
: Tasvirni tanish, nutqni tanish, tabiiy tilni qayta ishlash.Convolutional Neural
Networks (CNN) yordamida tasvirni tanish.Recurrent Neural Networks (RNN) yordamida
nutqni tanish.
6. Ensemble usullari .
Ensemble (birlashtirish) usullari bir nechta modelni birgalikda
ishlatish orqali umumiy natijani yaxshilashni maqsad qiladi. Bunda bir nechta kichik model
natijalari birlashtiriladi va oxirgi qaror qabul qilinadi.Random Forests.Gradient Boosting.
Mashinani o‘rganishning asosiy usullari quyidagilardir:
Nazoratli o‘rganish (Supervised Learning):
Bu usulda modelni o‘rgatish uchun
ma'lumotlar to‘plami va ularning tegishli natijalari (yoki to‘g‘ri javoblar) mavjud bo‘ladi.
Model bu ma'lumotlar asosida o‘z prediktsiyalarini yaxshilaydi. Nazoratli o‘rganish uchun eng
mashhur algoritmlar orasida
linear regression
,
decision trees
,
support vector machines
(SVM)
va
neural networks
mavjud.
Nazoratsiz o‘rganish (Unsupervised Learning):
Nazoratsiz o‘rganish usulida,
modelga faqat ma'lumotlar to‘plami beriladi, ammo har bir namunaga tegishli natija (yoki
javob) ko‘rsatilmaydi. Modelning maqsadi — ma'lumotlarni biror shaklda guruhlash yoki
tuzilishini o‘rganish. Bu usulda
clustering
(masalan,
K-means
) va
dimensionality reduction
(masalan,
PCA
) kabi algoritmlar keng qo‘llaniladi.
ILM-FAN VA INNOVATSIYA
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/si
52
Kuchli o‘rganish (Reinforcement Learning):
Bu usulda agent atrof-muhit bilan o‘zaro
aloqada bo‘lib, o‘zining harakatlariga nisbatan mukofot yoki jazolarni qabul qiladi. Maqsad —
agentning uzun muddatli mukofotlarni maksimal darajaga keltirishga erishish. Kuchli
o‘rganish o‘yinlar, robototexnika, va masalalarni hal qilishda ishlatiladi. Eng mashhur
algoritmlardan biri
Q-learning
va
Deep Q Networks
(DQN) hisoblanadi.
O‘z-o‘zini o‘rganish (Self-supervised Learning):
Bu usul nazoratli va nazoratsiz
o‘rganishning birlashmasi sifatida paydo bo‘lgan. Model ma'lumotlarni o‘rgatishda ba'zi
xususiyatlarni o‘zi aniqlaydi va bu orqali o‘rganishni amalga oshiradi. Ko‘pincha tabiiy tilni
qayta ishlash va tasvirni tanib olish sohalarida ishlatiladi.
Xulosa:
Mashinani o'rganish texnologiyalari turli xil algoritmlar va usullarni o'z ichiga
oladi. Har bir usul ma'lum bir vazifa yoki muammoga eng mos keladi, shuning uchun to'g'ri
usulni tanlash va kerakli ma'lumotlar bilan ishlash juda muhim. Mashinani o'rganish ko'plab
sohalarda inqilobiy o'zgarishlar yaratmoqda va har yil o'tgan sari uning qo'llanilishi
kengaymoqda. Mashinani o‘rganish zamonaviy texnologiyalarning asosi bo‘lib, har xil
sohalarda, jumladan, sun'iy intellekt, avtomatlashtirish, tibbiyot, moliya va boshqalarda keng
qo‘llanilmoqda. Har bir usulning o‘ziga xos afzalliklari va cheklovlari mavjud, shuning uchun
to‘g‘ri usulni tanlash ma'lum bir muammoni yechishda juda muhimdir.Hozirgi vaqtda sun’iy
intelekt butun dunyoni egallamoqda . Hizuirgi vaqtda yosh bolalardan tortib talabalar hattoki
ustozlar ham kitobdan emas sun’iy entilektdan foydalanmoqda. Xulosa qilib aytgan har doim
ham mashinalar va internet hayotim iz manbayiga aylanmoqda.
Foydalanilgan adabiyotlar/Используемая литература/References:
1.
Кодиров, Ф. Э., and О. Д. Дониёров. "ЭФФЕКТИВНЫЕ МОДЕЛИ РАЗВИТИЯ
МЕДИЦИНСКОГО ОБСЛУЖИВАНИЯ НАСЕЛЕНИЯ КАШАКАДЬИНСКОЙ ОБЛАСТИ."
Символ науки 7-2 (2022): 15-17.
2.
Zoxidov, J. B., F. E. Qodirov, and I. J. Bozorova. "QUARTUS II PROJECT CONCEPT AND ITS
OPPORTUNITIES AND PROBLEMS." АКТУАЛЬНЫЕ ПРОБЛЕМЫ ТЕХНИЧЕСКОГО И
ТЕХНОЛОГИЧЕСКОГО ОБЕСПЕЧЕНИЯ ИННОВАЦИОННОГО РАЗВИТИЯ. 2019.
3.
Uzakov, Gulom, et al. "Simulation of a tubular pyrolysis reactor using comsol
multiphysics software." International Scientific and Practical Conference Digital and
Information Technologies in Economics and Management. Cham: Springer Nature
Switzerland, 2023.
4.
Қодиров, Ф. "ҲУДУДЛАРДА ТИББИЙ ХИЗМАТЛАРНИ ДАСТУРИЙ ПАКЕТЛАР
ЁРДАМИДА ЭЛЕКТРОН ТИББИЙ БАЗАСИНИ ЯРАТИШ." O’zbekiston Respublikasi Oliy Va
o’rta Maxsus ta’lim Vazirligi Namangan Muhandislik-Qurilish Instituti (2022).
5.
Qodirov, F. E., O. D. Doniyorov, and H. Shokirov Sh. "Basic concepts of information
security in information systems. Wide threats and their consequences." концепции
устойчивого развития науки в современных условиях (2021): 153-155.
6.
Bozorova, Irina Jumanazarovna, and Dilfuzaxon Mamasharipovna Karayeva. "Modern
programming technologies and their role." интеллектуальный капитал xxi века. 2020.
ILM-FAN VA INNOVATSIYA
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/si
53
7.
Ergash o’g’li, Qodirov Farrux. "Hududlarni ijtimoiy-iqtisodiy rivojlantirishda har bir
hududning о ‘ziga xos xususiyatlari." Scientific Journal of Actuarial Finance and Accounting
4.09 (2024): 178-183.
8.
Qodirov, Farrux, and Muxlisa Mavlonova. "O’ZBEKISTONDA ZIYORATGOH VA
QADAMJOLAR, TURIZM XIZMATLARINI JADAL RIVOJLANTIRISH ISTIQBOLLARI." YANGI
O‘ZBEKISTONDA MILLIY TURIZM ISTIQBOLLARI 1.01 (2024).
9.
Qodirov, F., N. Sirojev, and S. Negmatova. "FEATURES OF THE ANDROID STUDIO
SOFTWARE PACKAGE." Академические исследования в современной науке 2.17 (2023):
130-146.
10.
Қодиров, Ф. Э., et al. "ДЛЯ ПРОВЕРКИ МОДЕЛЕЙ АДЕКВАТНОСТИ,
ЧУВСТВИТЕЛЬНОСТЬ И СОПРОТИВЛЕНИЯ." ИНТЕГРАЦИЯ НАУКИ, ОБЩЕСТВА,
ПРОИЗВОДСТВА И ПРОМЫШЛЕННОСТИ. 2019.11. Qodirov, F. E., D. A. Akbarova, and S. H.
Shokirov. "SOFTWARE FOR WORKING WITH COMPUTER GRAPHICS AND THEIR TASKS.
APPLICATION OF DIGITAL IMAGE PROCESSING FIELDS." (2021): 57-58.
11.
Jumanazarovna, Bozorova Irina, and Кodirov Farruh Ergash O'G'Li. "Principle of
electrocardiographic work and its role in modern medicine." Вопросы науки и образования
15 (99) (2020): 31-36.
12.
Kodirov, F. E., and J. E. Nematov. "BASIC TECHNOLOGY AND SERVICE
MANAGEMENTMULTISERVICE NETWORKS." Инновации в технологиях и образовании: сб.
ст. участников XII Между (2019): 214.
13.
Қодиров, Ф. Э., and Ж. Э. Нематов. "РАЗВИТИЕ ЛОКАЛЬНОЙ СЕТИ НА ОСНОВЕ
ТЕХНОЛОГИИ GPON." Инновации в технологиях и образовании: сб. ст. участников XII
Между (2019): 288.
14.
Кодиров, Ф. Э., and М. У. Маматмурадова. "РАЗРАБОТКА ЦИФРОВОЙ ПРОГРАММЫ
ШИФРОВАНИЯ И ВНЕДРЕНИЕ В ПРАКТИКУ." Инновации в технологиях и образовании:
сб. ст. участников XII Между (2019): 275.
15.
Абдирасулов, Ж. У., and Ф. Э. Кодиров. "ЭФФЕКТИВНОСТЬ ANGULAR JS ДЛЯ
СОЗДАНИЯ
ДИНАМИЧЕСКИХ
ВЕБ-САЙТОВ
И
ОПТИМИЗАЦИИ
ИХ
ПРОИЗВОДИТЕЛЬНОСТИ." Инновации в технологиях и образовании: сб. ст. участников
XII Между (2019): 228.
16.
Qodirov, F. E., J. B. Zohidov, and H. I. Karamatova. "ADVANTAGES OF PROGRAMMING
LANGUAGES JAVASCRIPT, JAVA AND PYTHON." МОДЕЛИРОВАНИЕ И АНАЛИЗ СЛОЖНЫХ
ТЕХНИЧЕСКИХ И ТЕХНОЛОГИЧЕСКИХ СИСТЕМ. 2019.
17.
Qodirov, F. E., J. U. Abdirasulov, and J. E. Nematov. "FORMING GOVERNMENT AGENCY
WEBSITES WITH WORDPRESS CONTENT MANAGEMENT SYSTEM." Инновации в
технологиях и образовании: сб. ст. участников XII Между (2019): 219.
18.
Турдиев, У. К., and Ф. Э. Кодиров. "Задача Коши Для Одномерной Системы
Уравнений Типа Бюргерса Возникающей В Двухскоростной Гидродинамике."
Инновации в технологиях и образовании: сб. ст. участников XI Между (2018): 349.
19.
Qodirov, F. E. "Methodological aspects and importance of development of medical
services through econometric modeling and forecasting options." academy. uz/index. php/yo
.
