21
прикрепленным к определенным производственным объектам видеоконтентом. При
осуществлении такой экскурсии необходимо использование средств ИКТ – персональный
компьютер, планшетный компьютер, или смартфон. Так же при разработке виртуального
3D тура могут использоваться VR-технологии. Однако для объектов экскурсии,
являющихся представителями малого и среднего бизнеса создание виртуального 3D тура
может быть весьма затратным мероприятием. При разработке такого 3D тура требуются
навыки работы со специализированном программным обеспечением. В рамках
дисциплины «Технологии современных производств» студентам предлагается пройти
виртуальный 3D тур, объектом которого является ООО «Комбайновый завод
―Ростсельмаш‖» [3]. ГК Ростсельмаш входит в число крупнейших разработчиков и
производителей сельхозтехники мира. Компания располагает собственным центром
инноваций,
экспериментальной
базой,
современным
производством
полного
технологического цикла.
Виртуальные экскурсии являются относительно новым методом организации
учебной работы. Такая форма работы доступна для обучающихся в любое время.
Основное условие для реализации такой работы – наличие компьютера с выходом в
интернет. Виртуальная экскурсия может выполнять задачи не только производственной
экскурсии, но и быть средством профориентации школьников и студентов вузов. В
перспективе также возможно создание силами образовательных организаций своих
виртуальных экскурсий и их внедрение в учебный процесс.
Список использованной литературы
1. «Такеда Россия». Виртуальный тур по реальному производству на заводе. – URL:
https://www.takeda.com/ru-ru/who-we-are/takedainrussia/plant/plant_tour/
2. Видеоэкскурсия
на
завод
ОмскТрансмаш
–
URL:
https://www.youtube.com/watch?v=Cf1QbVAbrr0
3. ГК
Ростсельмаш.
Виртуальный
3D
тур.
–
URL:
https://md.rostselmash.com/static/3d_tour_production/vtour/tour.html
4. Центр обучения Google WorkSpace. Обучение и справка по Google Meet. – URL:
https://support.google.com/a/users/answer/9282720?hl=ru
5. ЯндексСправка. О Яндекс.Телемосте. – URL:
https://yandex.ru/support/telemost/
6. Система поиска и подбора облачных сервисов по характеристикам и отзывам, и заказа
услуг
облачным
интеграторам
«Startpack».
Описание
Zoom.
–
URL:
https://startpack.ru/application/zoom
7. Moodle: ключевые функции и особенности. СДО на платформе мудл. – URL:
https://diomen.ru/stati/moodle-klyuchevye-funktsii-i-osobennosti-sdo-na-platforme-mudl/
8. Справка–Класс.
Сведения
о
Классе
–
URL:
https://support.google.com/edu/classroom/answer/6020279?hl=ru
КОРПОРАТИВ ДАСТУРИЙ ТАЪМИНОТ ТИЗИМЛАРИДА МАЪЛУМОТЛАРНИ
ИНТЕГРАЦИЯЛАШ СХЕМАСИНИ МОДЕЛЛАШТИРИШ
Кувандиков Жўра Турсунбаевич
Ўзбекистон Миллий университетининг
Жиззах филиали таянч докторанти
Аннотация:
чет адабиѐтларини ўқиб у олимлар томидан қилинган ишларни
юзасидан қисқача фикримни баѐн этим корпорати дастурий таъминот тизимларида
маълумотлар боғланишлари ҳақида қисқача фикирлар қилинди.
Калит сўзлар:
Корпоратив дастурий мажмуа, Маълумотлар мадели (ММ), NET
виртуал машиналар, маълумотлар объекти (МО), метамаълумотлар объекти (М)МО.
22
Семантик тармоқлар чекли методлар асосида корпоратив дастурий таъминот
тизимларида ҳетерожен маълумотлар объектларини интеграциялаш моделлари тузилган.
кетма-кетликлар тоифалар ва мавҳум машиналар шунингдек концептуал дизайн[1].
Биринчи
бўлимда бундай моделларнинг назарий асосларини ишлаб чиқишнинг
асосий тенденциялари кўриб чиқилади.
Иккинчи
бўлимда тақсимланган ҳетерожен КДМ – корпоратив дастурий
мажмуаларда маълумотларни интеграциялашнинг математик аппарати хусусиятлари
кўриб чиқилади.
Учинчи
бўлимда ҳетерожен КДМ ларни концептуал моделлаштириш учун
ўзгарувчан маълумотлар объектларидан фойдаланиш имкониятлари муҳокама қилинади.
Тўртинчи
бўлимда маълумотлар объекти моделларини визуал қуриш учун рамка
белгиларидан фойдаланиш тартиби келтирилган.
Бешинчи
бўлимда Интернет КДМ-да маълумотлар объектларини бошқариш учун
тоифалар назарияси аппарати ва семантик тармоқлар назариясидан фойдаланиш
хусусиятлари кўрсатилган.
Олтинчи
бўлимда глобал муҳитда фаолият юритувчи АХ учун маълумотларнинг
объектли тасвирини моделлаштириш усуллари ўрганилади.
Еттинчи
бўлим семантик доменлар ва мавҳум ҳолат машиналарига асосланган
КДМ контентини бошқариш моделини тақдим этади.
Ушбу бобда олинган натижалар да чоп этилган.
1. Амалдаги моделлаштириш воситаларининг назарий асослари
Функцияларга асосланган объект ҳисобининг асослари М. Шеинфинкел томонидан
оддий функциялар назарияси кўринишида асос солинган ва А. Черчем томонидан
тўпламлар назариясини (λ-ҳисоби) [165] ва Х. Барендрегт томонидан ишлаб чиқилган.
синтаксис ва семантиканинг қурилиши , шунингдек, Х. Карри (ўзгарувчисиз функсияларга
асосланган комбинатсион мантиқ)[2].
Ҳисоблаш семантикасининг назарий асосларини ишлаб чиқишда энг самарали
йўналиш Д. Скоттнинг доменларга (рекурсив ҳисоблашларни қўллаб-қувватлаш учун
классик тўпламларнинг кенгайтмаси) ва юқори тартибли мантиққа асосланган
денотатсион ѐндашуви бўлди. Ушбу ѐндашув синтактик жиҳатдан тўғи тил
конструктсиялари - денотатсияларнинг ҳисоблаш имкониятини махсус функтсиялар
ѐрдамида таҳлил қилишни ўз ичига олади ва ахборот оқимлари "каналлари" нинг
ўзгарувчан ―ўзгариши‖ билан дастурларнинг ―давомлари‖ асосида ифодаларни
ҳисоблашнинг динамик воситаларини ўз ичига олади. Ҳисоблаш семантикасининг
муқобил ѐндашувлари объектлар устидаги операцияларни (операцион), объектлар
ўртасидаги муносабатларни (аксиоматик) ва объектлар алгебрасини (алгебраик) рганади.
Денотатсион ѐндашув доирасида М. Гордон дастурий тизимларнинг моделларини тузди ва
уларнинг формал семантикаси Д. Скотт томонидан тўлиқ ва узлюксиз панжаралар (қисман
тартиб муносабати билан) асосида.
Дастур ўзгаришлари ва семантикасини ўрганиш йўналиши бўйича уларнинг
бажарилиши (ҳолатларнинг ўзгариши асосида) П. Лендином томонидан мавҳум машина
шаклида амалий натижалар олинган. Семантикага оператив ѐндашиш Р.Флойдом
томонидан ишлаб чиқилган (индуктив баѐнотлар усули) дастурий тизимлар
компонентлари ўртасидаги алоқа ва сабаб-таъсир муносабатларини моделлаштириш,
Ч.Хоаре аксиоматик усулининг пайдо бўлишига олиб келди.) блок-схема кўринишидаги
график иллюстрацияга эга дастурдаги ахборотлар оқими учун форма хисобланади.
Р.Хиндлининг типлар (тартиблар) ва тип ҳосиласи (type inference- муҳит
контекстига кўра турни яширин белгилаш), шунингдек, полиморф типлаш тизимлари
бўлган назариялари, уларнинг амалга оширилиши Р.Милнером томонидан олинган. (тил
ML - λ-ҳисобга асосланган), ва кейинчалик ОЙД учун У. Куком, П. Кэннингом, В. Хиллом
ва бошқалар (C++ тили) .
23
ММ асосида дастурий таъминот тизимларини моделлаштириш йўналиши бўйича
натижалар A. Марков (нормал алгоритмлар), A. Туринг ва Е. Пост (ММ) томонидан
олинган ва Д. Тѐрнер томонидан ишлаб чиқилган (комбинаторлик мантиқи "паст
даражадаги код" сифатида.‖), П. Лендин (ISWIM тили учун кенгайтирилган λ-ҳисобига
асосланган давлатлар билан SECD-AM) ва П. Кюрьеном бошчилигидаги INRIA (Франция)
олимлари гуруҳи (CаМL тилига асосланган тоифали ММ). комбинацион мантиқ бўйича).
Дастурлаш тизимларининг замонавий асослари қаторида Ю.Ш.Гуревичнинг ASМ
ѐндашувига асосланган (ҳолатлар бўйича семантика) .NET виртуал машиналарини
(Microsoft) таъкидлаш лозим[3].
АТ дизайнини автоматлаштириш йўналишида параметрларни узатиш Г.Плоткиным
томонидан ўрганилди ва Д. Тернером ва бошқалар томонидан графикларни қисқартириш
асосида визуализация билан талаб бўйича ҳисоблаш учун ишлаб чиқилган . П.Кюриенов
ва Р.Хьюс дастурий таъминот тизимларини оптималлаштирилган лойиҳалаш (КAМ коди
ва суперкомбинаторлар асосида) усуллари ва моделларини яратдилар.
Н. Русопоулос ва бошқалар ((вазиятли) МО моделлаштириш учун рамкалар ва ISA-
иерархияси) ва Д.Скотт (панжара назарияси)[4].
Ушбу тадқиқотда муҳим рол иккала таърифни (математик назария ѐки дастурда) ва
объектларнинг атроф-муҳитдаги ўзаро таъсирини расмийлаштирадиган МО моделларига
берилади. МО семантикасини ўрганиш йўналишларида асосий натижаларни Д.Скоттом
(МО учун соҳаларда ҳисоблаш назарияси ва уларнинг ўзаро таъсири), Л.Карделли,
В.Куком ва бошқалар (бир ва кўп денотацион семантика) олган. мерос), шунингдек,
В.Е.Волфенҳагеном томонидан (динамик маълумотлар базаларини лойиҳалаш) ва
бошқалар[5].
Тақдимот жараѐнида Н. Роуссопоулос нинг рамка ѐзуви Д. Скотта ва М.
Фурмананинг МО ва маълум тавсифларини тасаввур қилиш учун ишлатилади,
таърифларни расмийлаштириш учун ишлатилади
Муаллиф дастурий таъминот тизимларини лойиҳалаш ва жорий этишнинг назарий
асослари ва ѐндашувларини қиѐсий таҳлил қилиб, МКБМ прототипини Microsoft .NET
муҳитида жорий қилган .
Юқоридаги ѐндашувларни ишлаб чиқишда, ҳозирги ишда ҳолатлар билан динамик
синтез маълумотлар модели (ММ) яратилди, бу ҳетерожен (заиф) учун маълумотлар
интеграцияси жараѐнида маълумотлар объекти (МО) ва метамаълумотлар объекти (ММО)
(таркиб) нинг биргаликдаги ҳодисага йўналтирилган назоратини таъминлайди. тузилган
мавзулар, шунингдек, ушбу маълумотларни Интернет муҳитида манипуляция қилиш
учун. Таклиф этилаѐтган ММ асосида мавҳум контентни бошқариш машинаси (МКБМ)
денотацион семантикаси, шунингдек корпоратив дастурий тизимлар компонентларини ва
визуал дастурий таъминот дизайнини реинжиниринг, расмийлаштирилган тест ва
текшириш имконияти билан интеграциялаш усуллари ишлаб чиқилди[6].
Фойдаланилган адабиѐтлар рўйхати:
1.
Tojiyev, M. (2021). Image segmentation in open cv and python. Scienceweb academic papers
collection.
2.
Ruzibaev, O., Muhamediyeva, D., & Ismailov, I. (2021, November). Selecting a Suitable
Initial Approximation Of Multi-Component Cross-Diffusion Systems. In 2021 International
Conference on Information Science and Communications Technologies (ICISCT) (pp. 1-4).
IEEE.
3.
Kabilovna, M. D., & Shaazizova, M. E. (2021). Neural Network Method For Solving A
Nonlinear Problem Of Cross-Diffusion Task With Variable Density. Annals of the Romanian
Society for Cell Biology, 666-679.
4.
Khasanov, D., & Primqulov, O. (2021, November). Gradient descent in machine learning. In
2021 International Conference on Information Science and Communications Technologies
(ICISCT) (pp. 1-3). IEEE
24
5.
Achilovich, Q. O. (2021). Efficiency of Using Smart Technologies in Teaching Technical
Sciences in Higher Educational Institutions. Middle European Scientific Bulletin, 17, 133-137.
6.
Kayumov, O. (2021). SCIENTIFIC AND THEORETICAL BASIS OF DEVELOPMENT
AND INTRODUCTION OF INNOVATIVE METHODS IN INCLUSIVE EDUCATION.
Scienceweb academic papers collection.
INTERAKTIV INTELLEKTUAL ELEKTRON TA‘LIM RESURSINI YARATISH
ORQLI TALABALARNING MUSTAQIL ISHINI TASHKILLASHTIRISH
Kayumov Oybek Achilovich
O‗zbekiston Milliy universitetining Jizzax Filiali
―Kompyuter ilmlari va dasturlashtirish‖ kafedrasi mudiri
Annotatsiya:
Oliy o‗quv yurtlarida kadrlarni tayyorlashda interaktiv intellektual
elektron ta‘lim resursi yaratish, veb va axborot texnologiyalari asosida ta‘limning
axborotlashuvi jarayonlariga sun‘iy intellektni keng tatbiq etish orqali ta‘lim sifatini oshirish.
Elektron ta‘lim resursi interaktiv bo‗lishi va talabalarni o‗quv jarayoniga faol jalb qilishi kerak.
Tadqiqot metodlari amaliy mashg‗ulot va mustaqil ta‘lim topshiriqlarni qiyinchilik darajasiga
nisbatan masalani quyi pag‗onadagi bo‗laklarga ajratish orqali talabaning qo‗yilgan masala
mohiyatini anglatishdan iborat. Tadqiqot natijalari elektron ta‘lim jarayoniga sun‘iy intellektni
qo‗llashning asosiy yutug‗i shundaki, talabaning bo‗sh vaqtida mustaqil o‗rganish imkonini
beradi.
Kalit so‗zlar:
elektron pedagogika, e-learning, interaktiv, intellektual, AI, sun‘iy intellekt,
topshiriqlarni differensiallash, topshiriqlarni integrallash.
Dunyodagi rivojlangan mamlakatlarda axborot-kommunikatsiya texnologiyalari asosida
jamiyatning axborotlashuvi jarayonlariga sun‘iy intellektni keng tatbiq etish orqali yuqori
natijalarga erishmoqda. Ta‘lim sifatini raqamli texnologiyalar asosida doimiy takomillashtirish
bo‗yicha yirik loyihalarni amaliyotga tatbiq etish bo‗yicha tizimli ishlar olib borilmoqda. Oliy
ta‘lim muassasalarida mutaxassis kadrlarni tayyorlashda intellektual elektron ta‘lim
resurslaridan foydalanish dolzarb muammo sifatida qaralmoqda. Elektron ta‘lim jarayoniga
sun‘iy intellektni qo‗llashning asosiy yutug‗i shundaki, talabalarning texnikaga savol berib
undan javob olishidir. Talabalar ba‘zan auditoriyada savol bermaslikka xarakat qilishadi, chunki
tengdoshlari gaplarini rad etishdan qo‗rqishadi. Shu sababli ta‘limda interaktiv intellektual
dasturiy vositalar joriy etgan holda elektron ta‘limdan foydalanishga asoslangan talabalarning
ta‘lim faoliyatini individuallashtirishga bo‗lgan yondashuvlarni amalga oshirish mumkin bo‗ladi.
Ushbu tadqiqotning maqsadi oliy taʻlim muassasalarida mutaxassis kadrlarni tayyorlash
jarayonida interaktiv intellektual elektron ta‘lim resursi yaratilish va axborot-kommunikatsiya
texnologiyalari asosida ta‘limning axborotlashuvi jarayonlariga sun‘iy intellektni keng tatbiq
etish orqali ta‘lim sifatini oshirish. Tadqiqot metodlari amaliy mashgʻulot va mustaqil ta‘lim
topshiriqlarni talaba qobilyatiga nisbatan intelektual tahlil qilib, n ta quyi darajadagi masala
boʻlaklariga ajratib bajartirish va boʻlaklarni birlashtirish orqali masalaning yechimini hal qilish
nazarda tutilgan. Tadqiqot natijalari elektron ta‘lim jarayoniga sun‘iy intellektni qo‗llashning
asosiy yutug‗i shundaki, talabalarning texnikaga savol berib undan javob olishidir. Talaba kurs
mazmuni bilan oʻzaro aloqada boʻlganda, sunʻiy intellekt har bir talabaga chuqurroq muhokama
qilish uchun vaqt ajratadi.
Modellashtirish esa pedagogik loyihalashning eng muhim bosqichi bo‗lib, unda nima
bo‗lishi kerak bo‗lsa, shu haqida eng qisqa tafsilotni anglash faoliyati tushuniladi.
Interaktiv elektron ta‘lim resurs modelini ishlab chiqishda o‗qitish maqsadi va ta‘lim
tamoyillari, ta‘limga yondashuv kabi tayanch tushunchalarga tayanildi.
