Data Science va Sun'iy Intellekt (Mohirdev)

Google, IBM va Kaggle kompaniyalari o’quv dasturlari asosida tuzilgan eng mukammal kurslarda tahsil oling va 6 oyda eng ilg’or zamonaviy kasbni egallang, Data Science va Sun’iy Intellekt muhandisi bo’ling.
 

Kurs tarkibi

1 Kirish: Data Science fani

02.01. Data Science nima?
02.02. Data Science fani va uning yo'nalishlari
02.03. Data Science va Sun'iy Intellekt muhandislari

2 Kirish. Data Science metodologiyasi

03.01. Metodologiya nima?
03.02. CRISP-DM
03.03. Faoliyatni o'rganish
03.04. Ma'lumotlarni o'rganish
03.05. Ma'lumotlarni tayyorlash
03.06. Model yaratish va baholash
03.07. Loyiha taqdimoti
03.08. TEST. Metodologiya

3 Kirish. Metodologiya loyiha misolida

04.01. Loyiha bilan tanishuv
04.02. Ma'lumotlarni o'rganish
04.03. Ma'lumotlarni tayyorlash
04.04. Model va taqdimot

4 Sizning birinchi loyihangiz

05.01. Birinchi sun'iy intellektimiz
05.02. Sun'iy intellekt yaratamiz

5 Data analysis: kerakli dasturlar

06.01. Kompyuterda kod yozish uchun: Anaconda
06.02. Brauzerda (online) kod yozish uchun: Google Colab

6 Data analysis. NumPy kutubxonasi

07.01. NumPy bilan tanishamiz
07.02. List va Array
07.03. NumPy Array
07.04. TEST.Numpyda massivlar yaratish
07.05. AMALIYOT-1. Arrays
07.06. Ma'lumotlar turi
07.07. TEST. Ma'lumot turlariga doir test
07.08. Indekslash va Kesish
07.09. Boolean Indekslash
07.10. AMALIYOT-2. Arraylar ustida amallar
07.11. Array o'qlarini almashtirish
07.12. Universal funksiyalar
07.13. TEST. Universal funksiyalar
07.14. Mantiqiy shart operatori
07.15. Arifmetik amallar
07.16. Matematik va Statistik amallar
07.17. Tartiblash (Sorting)
07.18. Takrorlanmas va boshqa amallar
07.19. Fayllar bilan ishlash
07.20. Chiziqli Algebra
07.21. TEST. NumPy kutubxonasi: Umumiy test
07.22. AMALIYOT Yakuniy
07.23. Bo'lim bo'yicha nazariy test
07.24. Bo'lim bo'yicha amaliy test
07.25. Bo'lim bo'yicha amaliy vazifa

7 Data analysis. Pandas kutubxonasi

08.01. Series ma'lumotlar tuzilmasi
08.02. Lug'atdan Series yaratish
08.03. Series metodlari
08.04. TEST. Pandas Series
08.05. DataFrame ma'lumotlar tuzilmasi
08.06. DataFrame ustunlari
08.07. Lug'atdan DataFrame yaratish
08.08. TEST. Pandas DataFrame
08.09. Indekslar
08.10. Indeks metodlar
08.11. Qayta indekslash
08.12. Qator va ustunlarni tashlab yuborish
08.13. Elementlarni tanlash. Series
08.14. Elementlarni tanlash. Dataframe
08.15. .loc/iloc va .at/.iat
08.16. AMALIYOT. Series va Index
08.17. AMALIYOT. DataFrame
08.18. Arifmetik amallar
08.19. Funksiyalarni qo'llash
08.20. Tartiblash
08.21. Reytinglash
08.22. Dataset statistikasi: min, max, o'rta qiymat va summa
08.23. Dataset statistikasi: umumlashtiruvchi ma'lumotlar
08.24. Dataset statistikasi: Korrelyasiya
08.25. Ma'lumotlarni filtrlash
08.26. AMALIYOT. Dataset haqida ma'lumotlar
08.27. PANDAS. Yakuniy test. 1-QISM
08.28. PANDAS. Yakuniy test. 2-QISM
08.29. PANDAS. Yakuniy test. 1-QISM (test)
08.30. PANDAS. Yakuniy test. 2-QISM (test)
08.31. Pandas kutubxonasi bo'yicha test
08.32. Bo'lim bo'yicha amaliy vazifa

8 Ma'lumotlarga ishlov berish. Fayllar va ma'lumotlar ombori

09.01. Kirish
09.02. Fayldan o'qish
09.03. Faylga yozish
09.04. HDF5 formati
09.05. 📋 Jupyter Notebook. Fayllar.
09.06. Web sahifalardan o'qish
09.07. JSON va API dan o'qish
09.08. API nima?
09.09. JSON nima?
09.10. 📋 Jupyter Notebook. Web, JSON
09.11. Ma'lumotlar ombori. Kirish
09.12. SQL. Kirish
09.13. 🔗 SQL Ma'lumotlari ombori darsiga link
09.14. SQLite omboriga ulanish
09.15. Jadvalni ni DFga o'qish
09.16. Tartiblash (ORDER BY) va Saralash (DISTINCT)
09.17. Filtrlash (WHERE)
09.18. 📋 Jupyter Notebook. SQLite
09.19. DataFrame ni SQL jadvaliga o'tkazish
09.20. SQL jadval yaratish, ma'lumotlar qo'shish
09.21. SQL jadvalni yangilash va o'chirish
09.22. SQL buyruqlarini f-string yordamida yozish
09.23. 📋 Jupyter Notebook. SQLite. 2-qism
09.24. Foydali buyruqlar
09.25. BETWEEN, IN va LIKE
09.26. 📋 Jupyter Notebook. SQLite. 3-qism

9 Ma'lumotlarga ishlov berish. Ma'lumotlarni tayyorlash

10.01. Kirish
10.02. .dropna() - NaN qiymatlarni tashlab yuborish
10.03. 📋 Jupyter Notebook. df.dropna()
10.04. .fillna() - NaN qiymatlarni to'ldirish
10.05. 📋 Jupyter Notebook. df.fillna()
10.06. Takroriy qiymatlarni o'chirish
10.07. .map() - qiymatlarni moslash (almashtirish)
10.08. .replace() va .rename() - qiymatlarni almashtirish
10.09. 📋 Jupyter Notebook. drop_duplicates(), map(), replace(), rename()
10.10. .cut() va .qcut() yordamida guruhlash
10.11. 📋 Jupyter Notebook. Guruhlash. df.groupby()
10.12. G'ayritabiiy qiymatlar bilan ishlash
10.13. Jadvaldan tasodifiy qiymatlarni olish
10.14. 📋 Jupyter Notebook. Foydali funksiyalar
10.15. Kaggle bilan tanishuv
10.16. Python datetime
10.17. Matnni datetime formatiga o'tkazish
10.18. datetime bilan ishlash
10.19. 📋 Kaggle. datetime
10.20. 📋 Jupyter Notebook. datetime
10.21. 🔗TEST 1. dropna()
10.22. 🔗TEST 2. fillna()
10.23. 🔗AMALIYOT. Ma'lumotlarni tayyorlash.
10.24. .groupby() yordamida guruhlash
10.25. 📋 Jupyter Notebook. Guruhlash. cut() va qcut()
10.26. TEST 1. dropna() (test)
10.27. TEST 2. fillna() (test)

10 Ma'lumotlarga ishlov berish. Uyg'unlashtirish, ulash va qayta shakllash

11.01. Irarxik indeksli ma'lumotlar to'plami
11.02. .stack() va .unstack() - DataFramelarga sochish va yig'ish
11.03. Ma'lumotlar to'plami ustida irarxik indekslash
11.04. Irarxik ustunli ma'lumotlar to'plami
11.05. .swaplevel(), sort_index() - Irarxik indeksli ma'lumotlarda indekslar o'rnini almashtirish
11.06. 📔 Jupyter Notebook - 1
11.07. Ma'lumotlar to'plamlarini (sql uslubida) uyg'unlashtirish - .merge(), .join()
11.08. Ma'lumotlar to'plamlarini uyg'unlashtirish usullari sodda misol ko'rinishida
11.09. Ma'lumotlar to'plamlarini ulash - .concat()
11.10. Uzun ma'lumotlar to'plamidan - Keng ma'lumotlar to'plamiga
11.11. 📔 Jupyter Notebook - 2
11.12. 🔗AMALIYOT

11 Vizualizatsiya. Grafiklar

12.01. Kirish
12.02. matplotlib kutubxonasi bilan tanishuv
12.03. 📔 Jupyter Notebook. matplotlib
12.04. 🔗AMALIYOT. matplotlib
12.05. seaborn kutubxonasi. Chiziqli grafik.
12.06. 📔 Jupyter Notebook. seaborn lineplot
12.07. Ustunli grafik. sns.barplot()
12.08. Heatmap
12.09. 📔 Jupyter Notebook. barplot va heatmap
12.10. 🔗AMALIYOT. lineplot, barplot, heatmap.
12.11. Tarqoqlik grafigi (scatterplot)
12.12. Tarqoqlik grafigi (scatterplot). 2-qism
12.13. 📔 Jupyter Notebook. scatterplot
12.14. 🔗AMALIYOT. scatterplot
12.15. Taqsimot. Distribution.
12.16. Taqsimot. KDE
12.17. Taqsimot. CDE
12.18. 📔 Jupyter Notebook. Distribution
12.19. 🔗AMALIYOT. Taqsimot grafigi.
12.20. Subplot
12.21. 📔 Jupyter Notebook. subplot
12.22. 🔗AMALIYOT. subplot
12.23. BONUS. Lux
12.24. 📔 Jupyter Notebook. Lux
12.25. 🔗Erkin amaliyot
12.26. Qaysi grafikdan foydalanay?

12 Machine Learning

13.01. Machine Learning nima?
13.02. Supervised Learning
13.03. Unsupervised Learning
13.04. Semi-supervised & Reinforcement Learning
13.05. ML o'qitish usullari va qiyinchiliklari
13.06. Modelni sinash va natijalarni tasdiqlash
13.07. TEST. Machine Learning

13 ML. Loyiha qadamlari

14.01. ML Loyiha qadamlari
14.02. 1-QADAM. Analitik yondoshuv. Modelni baholash
14.03. 2-QADAM. Ma’lumotlarni o’rganish. DF bilan tanishuv.
14.04. 2-QADAM. Ma’lumotlarni o’rganish. Grafiklar.
14.05. 2-QADAM. Ma’lumotlarni o’rganish. Train va test set
14.06. 2-QADAM. Ma’lumotlarni o’rganish. Muvozanatli train/test set.
14.07. 2-QADAM. Ma’lumotlarni o’rganish. Korrelyasiya.
14.08. 2-QADAM. Ma’lumotlarni o’rganish. Yangi parametrlar.
14.09. 📋 Jupyter Notebook. Ma'lumotlarni o'rganish.
14.10. 3-QADAM. MLga tayyorgarlik. NaN qiymatlar.
14.11. 3-QADAM. MLga tayyorgarlik. NaN qiymatlarni almashtirish
14.12. 3-QADAM. MLga tayyorgarlik. Matnlar. SimpleEncoder
14.13. 3-QADAM. MLga tayyorgarlik. Matnlar. OneHotEncoder
14.14. 3-QADAM. MLga tayyorgarlik. Transformer yasaymiz.
14.15. 3-QADAM. MLga tayyorgarlik. Normalizasiya (MinMaxScaler)
14.16. 3-QADAM. MLga tayyorgarlik. Standartizasiya (StandardScaler)
14.17. 📋 Jupyter Notebook. MLga tayyorgarlik
14.18. 3-QADAM. MLga tayyorgarlik. Pipeline. Sonlar
14.19. 3-QADAM. MLga tayyorgarlik. Pipeline. Matnlar
14.20. 📋 Jupyter Notebook. Pipeline
14.21. 4-QADAM. Machine Learning
14.22. 5-QADAM. Modelni baholash
14.23. 5-QADAM. Modelni baholash. Random Forest
14.24. 5-QADAM. Modelni baholash. Cross-validation
14.25. 6-QADAM. Taqdimot. Modelni saqlab olish.
14.26. 📋 Jupyter Notebook. Machine Learning
14.27. 🔗AMALIYOT. Toshkent uy narxlarini bashorat qilish.
14.28. Amaliyot | Kredit berish holatlarini bashorat qilish

14 Regressiya (Regression)

15.01. Kirish
15.02. Simple Linear Regression
15.03. Simple Linear Regression. Vazifa
15.04. 📋 Amaliyot. Simple Linear Regression
15.05. Simple LR. scikit-learn
15.06. 🗒️Jupyter Notebook. Simple Linear Regression
15.07. Amaliyot. scikit-learn Simple LR
15.08. 🗒️Jupyter Notebook. Amaliyot
15.09. Multiple Linear Regression
15.10. Multiple Linear Regression. Scikit-learn
15.11. 🗒️Jupyter Notebook. Multiple Linear Regression
15.12. Non-linear Regression
15.13. Polynomial Regression
15.14. curve_fit
15.15. 🗒️Jupyter Notebook. Non-linear regression
15.16. Underfitting va Overfitting

15 Klassifikatsiya (Classification)

16.01. Kirish
16.02. k-NN
16.03. Classificatorni baholash. Jaccard index
16.04. Classificatorni baholash. Confusion matrix (Precision, Recall)
16.05. k-NN. scikit-learn
16.06. k-NN. Eng yaxshi k tanlash
16.07. 🗒️Jupyter Notebook. k-NN
16.08. 💼 Portfolio uchun amaliyot. Diabet kasalligiga tashxis qo'yish.
16.09. Decision Tree Algoritmi
16.10. Decision Tree. Scikit-learn
16.11. Decision Tree. Grafik
16.12. Decision Tree. Hyperparameters
16.13. Random Forest
16.14. 🗒️Jupyter Notebook. Decision Tree
16.15. Logistic Regression
16.16. Qaysi modelni tanlaymiz?

16 Amaliyot: Customer churn

17.01. Customer churn nima?
17.02. Customer churn. Ma'lumotlar tahlili
17.03. Logistic regression, SVM. ROC curve
17.04. Decision Tree, Random Forest, XGBoost
17.05. 🗒️Jupyter Notebook. Customer churn

17 Unsupervised learning. Clustering

18.01. Klasterlash (Clustering) nima?
18.02. k-means algoritmi
18.03. 📔Amaliyot. k-means
18.04. 📔Amaliyot. Mijozlarni klasterlash
18.05. Ierarxik algoritm
18.06. 📔Amaliyot. Ierarxik algoritm
18.07. DBSCAN

18 Deep Learning

19.01. Deep Learning. Kirish
19.02. Tayyorgarlik ko'rish
19.03. Birinchi modelimizni quramiz (rasm klassifikatsiyasi)
19.04. Klassik dastur, ML va DL misollarini tahlil qilish
19.05. Test. DL haqida boshlang'ich test
19.06. Transfer Learning
19.07. TEST. Transfer Learning & Over/UnderFitting
19.08. 📔 Jupyter Notebook - DL#1
19.09. LOYIHA - 1 qism
19.10. LOYIHA - 2 qism
19.11. LOYIHA
19.12. Semantic Segmentation
19.13. Natural Language Processing (NLP)
19.14. Tabular
19.15. 📔 Jupyter Notebook - DL#3
19.16. LoanDecision
19.17. UnderHood. 1
19.18. UnderHood.2
19.19. UnderHood.3
19.20. Amaliyot | Tasvirlarda obyektni aniqlash (CIFAR-10 - Object Recognition in Images)
19.21. UnderHood-4(ML steps)
19.22. UnderHood-4(GD SGD MiniBatch)

19 Sertifikat uchun topshiriqlar

20.01. Kirish
20.02. Vazifalarni qanday topshiramiz?
20.03. Aviachipta narxini bashorat qilish
20.04. Aviakompaniya yo'lovchilarining qoniqishini bashorat qilish
20.05. Pnevmoniya tashxisi
20.06. Topshiriqlarni yuborish uchun qo'llanma

20 BONUS: SQL ma'lumotlar ombori

21.01. Kirish
21.02. Windowsga PostgreSQL o'rnatish
21.03. PostgreSQL bilan tanishamiz
21.04. Ma'lumotlar va Jadvallar
21.05. Ma'lumotlar ombori (DB) yaratish
21.06. Ma'lumot turlari
21.07. Foydali buyruqlar
21.08. Ma'lumot kirgazish
21.09. NULL va standart (default) qiymatlar
21.10. SELECT. Kirish
21.11. Taqqoslash operatorlari
21.12. Buyruqlarni jamlash
21.13. LIKE, BETWEEN, IN
21.14. ORDERBY, MIN, MAX, GROUPBY
21.15. UPDATE
21.16. DELETE
21.17. Jadval Dizayni
21.18. PRIMARY KEY
21.19. ALTER TABLE
21.20. SEPARATE TABLE
21.21. Jadvallar o'rtasidagi munosabat
21.22. Munosabat turlariga misol
21.23. Buyruqlarni jamlash
21.24. SQL va Python
21.25. So'ngso'z

21 BONUS: Videouchrashuvlar

22.01. Mohinur Abdurahimova - Mastering Kaggle
22.02. Adham Zokhirov - Data Cleaning for ML
22.03. Intro
22.04. Machine Learning sohasida Matematikadan foydalanish
22.05. Zarifjon Naxalov - "How does artificial intelligence learn?"
22.06. 27.03.2024 Pandas Kutubxonasi

22 Python asoslari

23.01. Brauzerda kod yozish (Repl.it)
23.02. print(), Arifmetik amallar va Sinteks
23.03. O'zgaruvchilar (Variables)
23.04. Matn bilan ishlash (Strings)
23.05. Sonlar bilan ishlash
23.06. Lists (Ro'yxatlar)
23.07. Ro'yxat bilan ishlash. O'zgarmas ro'yxatlar (Tuples)
23.08. for tsikli bilan tanishamiz
23.09. if-else shartlari va tarmoqlanish
23.10. if-elif-else
23.11. Lug'at (Dictionary)
23.12. Lug'at bilan ishlaymiz
23.13. Nesting
23.14. While tsikli
23.15. While, Ro'yxatlar va Lug'atlar
23.16. Funksiya
23.17. Funksiyadan qiymat qaytarish
23.18. Funksiyaga ro'yxat uzatish
23.19. Moslashuvchan funksiyalar
23.20. Modullar
23.21. Funksiya. So'ngso'z.
23.22. Kirish
23.23. Python tilini o'rnatamiz
23.24. Hello, World!
23.25. #25 Klass va Obyekt
23.26. GitHub Portfolio
23.27. Ko'p uchraydigan xatolar
23.28. Xatolar bilan ishlash
23.29. Python standart kutubxonasi
23.30. Python tashqi kutubxonasi. PyPi.org
23.31. Obyektga yo'naltirilgan dasturlash nima?

23 Kirish

24.01. Ommaviy oferta bilan tanishib chiqing
24.02. Yopiq guruhga kirish
24.03. Mohirdevga xush kelibsiz
24.04. Darslarni kompyuterda ko'rish
24.05. Darslarni telefonda ko'rish
24.06. Savol so'rash bo'yicha qo'llanma
24.07. Keling tanishamiz

24 BONUS: Audio module(NLP)

25.01. Introduction
25.02. What is an Audio?
25.03. Working with Audio using Python
25.04. Data Augmentation Theory Part
25.05. Data Augmentation Practise Part
25.06. Audio Feature Extraction Intro
25.07. Feature Extraction Practise
25.08. Voice Gender Classification Introduction
25.09. Collecting data and Extracting Features
25.10. Voice Gender Classification Modeling Part
25.11. Creating WEB UI without Frontend Skills
25.12. Introduction to STT
25.13. Simple STT project with Digits only
25.14. Plotting Spectrogram and Preparing Data
25.15. Modeling Part

Ommaviy ofertani ko'rish