Mashinali o’qitishga kirish fani oraliq nazoratini tashkil etilishi bo‘yicha
ko’rsatmalar
*Oraliq nazoratda 2 ta savol bo‘ladi. Ular quyida keltirilgan 46 ta savoldan tanlanadi.
*Har bir savol uchun 7.5 baldan ajratilgan. Umumiy 15 ball. Har bir savolni javobini yozish
uchun 25 daqiqadan ajratiladi. Umumiy 50 daqiqa.
*Misollar bilan tushuntirilgan ishlar yuqori baholanadi.
Savollar
1.
Sun’iy intellek nima? Mashinali o’qitish va suniy intellekt.
2.
Mashinali o’qitish algoritmlarini qo’llanish sohalari.
3.
Mashinali o’qitishning asosiy turlari.
4.
An’anaviy dasturlash va mashinali o’qitish yordamida dasturlash.
5.
Mashinali o’qitishda o’qituvchili (supervised) o’qitish tushunchasi.
6.
Mashinali o’qitishda o’qituvchisiz (unsupervised) o’qitish tushunchasi.
7.
Mashinali o’qitishda yarim nazoratda(semi- supervised) o’qitish tushunchasi.
8.
Chiziqli regressiya tushunchasi. Bir o’zgaruvchili va ko’p o’zgaruvchili chiziqli
regressiya.
9.
Logistik regressiya tushunchasi. Logistik regresssiyada qaror chegarasi tushunchasi.
10.
Logistik regressiya yordamida ko’p sinfli sinflashtirish.
11.
Mashinali o’qitishda ma’lumotlarni grafik tarvirlash.
12.
Xatolik (cost) funksiyasi tushunchasi.
13.
Gradient tushish tushunchasi.
14.
O’qitish jarayonida regulyarizatsiyalash.
15.
Model qurishda bo’ladigan Underfitting muammosi va uni hal
qilish usullari
16.
Model qurishda bo’ladigan Overfitting muammosi va uni hal qilish usullari
17.
Bias va Variance tushunchasi.
18.
O’rgatuvchi tanlama(dataset) tushunchasi.
19.
Mashinali o’qitishda xususiyatlarni ajratib olish tushunchasi.
20.
Ma’lumotlarga dastlabki ishlov berish. O’rgatuvchi tanlamada normallashtirish
tushunchasi. Datasetni normallashtirish (min-max normalization).
21.
Aktivlashtirish funksiyalari. Qo’llashdan maqsad. Sigmoid faollashtirish funksiyasi.
22.
Klasterlash tushunchasi. Klasterlash usullari (kamida 2 ta usulni keltiring)
23.
Sinflashtirish va klasterlash masalalarining farqi.
24.
Axborot xavfsizligi sohasida mashinali o‘qitish masalalari (misollar asosida
tushunturing)
25.
O‘qituvchisiz o‘qitish algoritmlari. Kmeans algoritmi qadamlari. K-means algoritmida
centroid markazlarini tanlash
tamoili
26.
KNN: K ta eng yaqin qo‘shni algoritmi. KNN algoritmi qadamlari.
27.
KNN orqali sinflashtirish va regressiya masalasini yechish.
28.
Sinflashtirishning SVM algoritmi. SVM algoritmida suppor vectors tushunchasi.
yadro(kernal) funksiyalarining vazifasi.
29.
Mashinali o’qitishda foydalaniladigan ochiqlangan datasetlar. IRIS va MNIST
datasetlariga ta’rif bering.
30.
Mashinali o’qitishda chiziqli algebraning o’rni.
31.
Neyron tarmoqni tashkil etuvchi qatlamlar.
32.
Sun’iy neyron tarmoq. Sun’iy neyronning tashkil etuvchilari. Perceptron tushunchasi.
33.
Bialogik va sun’iy neyron tarmoqlari. Solishtirish mezonlari Bialogik neyronning tashkil
etuvchilari.
34.
Sun’iy neyron tarmoqlarida foydalaniladigan faollashtirish funksiyalari.
35.
Sun’iy neyron tarmoqlarida tugun va vazn tushunchasi.
36.
Numpy kutubxonasidan foydalanib bir o’zgaruvchili regressiya masalarini
yechish
37.
Python dasturlash tilining mashinali o’qitish masalalarini yechishga xizmat qiladigan
kutubxonalari.
38.
Mantiqiy klassifikator (oddiy Bayes klassifikatori). Bayes teoremasi. Bayes
klassifikatori
bosqichlari
39.
Chuqur o’qitilish tushunchasi. Mashinali o‘qitish va chuqur o‘qitishning farqi
40.
Softmax
faollashtirish funksiyasi, qo’llanishdan maqsad.
41.
ReLU faollashtirish funksiyasi. Uning boshqa varinatlari (Leaky ReLU, parametrik
ReLU)
42.
Sinflashtirish masalasi uchun Loss funksiyalari (Binary
Cross Entrapy, Cross Entrapy)
43.
Regressiya masalasi uchun Loss funksiyalari (MSE, MAE)
44.
Neyron tarmoqlarda Feedforward va Backpropagation amallari
45.
Neyron tarmoq orqali sinflashtirish va regressiya masalasini yechish
46.
Neyron tarmoqni o‘qitish deganda nimani tushunasiz?