| dc.description.abstract | Mazkur darslik oliy ta’lim muassasalarining “Kompyuter injiniringi”, “Axborot texnologiyalari”, “Sun’iy intellekt”, “Axborot tizimlari va texnologiyalari” kabi yo‘nalish talabalari uchun mo‘ljallangan bo‘lib, ma’lumotlardan bilim olish (Data Mining) jarayonlarining nazariy va amaliy asoslarini yoritadi.
Darslikda ma’lumotlarning intellektual tahlili fanining mazmuni, asosiy tushunchalari, usullari va zamonaviy yo‘nalishlari bosqichma-bosqich bayon etilgan. Unda ma’lumotlarni tayyorlash (tozalash, integratsiya, transformatsiya), ma’lumotlar sifati, ma’lumotlarni qayta ishlash va tahlil qilishning statistik hamda vizualizatsiya usullari keng yoritilgan.
Shuningdek, nazorat ostida o‘qitish (tasniflash), nazoratsiz o‘qitish (klasterlash), assotsiatsiv tahlil, anomaliyalarni aniqlash, ansambl o‘rganish kabi asosiy Data Mining metodlari – qaror daraxtlari, k-eng yaqin qo‘shnilar (k-NN), Naive Bayes, sun’iy neyron tarmoqlar, vektor mashinalarini qo‘llab-quvvatlash (SVM), tasodifiy o‘rmon (Random Forest), k-o‘rtacha klasterlash (k-means), DBSCAN va Apriori algoritmlari – amaliy misollar asosida izohlangan.
Darslikda Python, Weka, RapidMiner kabi zamonaviy dasturiy vositalarda ma’lumotlarni tahlil qilish va modellashtirishga oid laboratoriya topshiriqlari, mashqlar hamda mustaqil ta’lim uchun amaliy loyihalar keltirilgan.
Mazkur nashr talabalarda katta hajmdagi ma’lumotlardan foydali bilimlarni ajratib olish, model yaratish va baholash, intellektual tahlil jarayonlarini tahliliy fikrlash asosida amalga oshirish ko‘nikmalarini shakllantiradi. | en_US |
| dc.subject | Ma’lumotlarning intellektual tahlili, Data Mining, tasniflash, klasterlash, assotsiatsiya tahlili, anomaliya, sun’iy neyron tarmoqlar, SVM, Python, Weka, RapidMiner, intellektual tizimlar. | en_US |
