0:00:07.360,0:00:11.760
<i>Machine Learning</i>ning qanchalik yaxshi ishlashi siz unga shug‘ullanish uchun beradigan ma’lumotlaringizga bog‘liq.

0:00:11.800,0:00:15.820
Demak, yuqori sifatli ma’lumotlarni va ko‘p miqdorda ishlatish katta ahamiyatga ega.

0:00:16.760,0:00:21.960
Ammo ma’lumot muhim bo‘lsa, savol tug‘ilishi mumkin: shug‘ullanish uchun ma’lumot qayerdan keladi?

0:00:22.280,0:00:26.260
Odatda, komputerlar o‘rganish uchun ma’lumotlarni bizga hech qanday ta’sir ko‘rsatmasdan

0:00:26.260,0:00:27.860
siz va menga o‘xshagan odamlardan yig‘adi.

0:00:28.440,0:00:31.480
Video yozuvchi xizmat siz nimani ko‘rayotganingizni yozib olishi mumkin, shunda u siz keyingi

0:00:31.660,0:00:36.000
safar nimani ko‘rishni xohlashingizni tavsiya qilish uchun ma’lumotdagi ko‘rinishlarni tanib oladi.

0:00:37.420,0:00:43.200
Boshqa paytlarda, to‘gridan to‘g‘ri o‘zingizdan yordam so‘raladi, masalan, biron sayt sizdan ko‘cha belgilari va rasmlarini belgilashingizni so‘rashi mumkin.

0:00:43.780,0:00:49.280
Siz <i>Machine Learning</i>ni ko‘rishiga va hattoki kuni kelib mashina boshqarishiga ham yordam beruvchi[br]ma’lumotlar bilan ta’minlayapsiz.

0:00:52.320,0:00:56.440
Tibbiyot tadqiqotchilari komputerlarga qanday qilib kasalliklar uchun tashxis qo‘yishni va ularni

0:00:56.520,0:00:59.900
tanitishni o‘rgatish uchun tibbiyotga oid rasmlardan foydalana olishadi.

0:01:00.300,0:01:05.560
<i>Machine Learning</i>ga yuzlab va minglab rasmlar, u xastalikni to‘g‘ri aniqlashidan oldin

0:01:05.640,0:01:09.920
nimani izlashni biladigan biron shifokordan yo‘l-yo‘riq kerak bo‘ladi.

0:01:10.520,0:01:15.540
Hattoki minglab misollar bilan ham, komputer taxminlarida muammolar yuzaga kelishi mumkin.

0:01:15.880,0:01:20.660
Agar faqatgina erkaklardan rentgen ma’lumotlari olinsa, unda komputer tashxislari faqatgina erkaklar uchun o‘rinlidir.

0:01:21.880,0:01:26.300
Biron ayolga rentgen tashxisini o‘tkazish so‘ralganda, u kasallikni tanimasligi mumkin.

0:01:26.620,0:01:30.820
O‘rganish uchun berilgan ma’lumotdagi mana bu ko‘rinmas nuqta noto‘g‘ri fikrni yuzaga keltiradi.

0:01:31.260,0:01:36.420
Bu noto‘g‘ri ma’lumot boshqalaridan birinchilikka chiqib oladi yoki ularni istisno qiladi.

0:01:36.780,0:01:41.800
O‘rganish uchun ma’lumotlar qanday, kim tomonidan yig‘ilganiga va qanday qilib kiritilganiga

0:01:41.800,0:01:45.340
bog‘liq holda ma’lumot inson yondashuvini o‘z ichiga olishiga imkon bor.

0:01:45.880,0:01:50.700
Noto‘gri yondashilgan ma’lumotdan o‘rganish orqali, komputerga o‘rgatayotgan odamlar xabardor bo‘lish

0:01:50.780,0:01:54.320
bo‘lmasligiga qaramasdan, komputer noto‘g‘ri yondashilgan taxminlar qilishi mumkin.

0:01:54.760,0:01:58.400
O‘rganish uchun beriladigan ma’lumotlarni ko‘rib chiqishda o‘zingizdan ikkita savolni so‘rang:

0:01:58.640,0:02:01.600
Bu ma’lumot komputerga to‘g‘ri narsani o‘rgatish uchun yetarlimi?

0:02:02.320,0:02:06.860
Va, bu ma’lumot barcha mumkin bo‘lgan ssenariy va foydalanuvchilarni noto‘g‘ri yondashuvsiz namoyish qiladimi?

0:02:07.460,0:02:11.040
Bu yerda siz, inson o‘rganuvchi sifatida, muhim rol o‘ynaysiz.

0:02:11.160,0:02:14.500
Komputerga noto‘g‘ri yonbosilmagan ma’lumotni berish o‘zingizga bog‘liq.

0:02:14.500,0:02:18.160
Bu juda ko‘plab manbalardan tonnalab misollarni to‘plash deganidir.

0:02:19.300,0:02:22.580
Esingizda bo‘lsin, siz <i>machine learning</i> uchun ma’lumot terganingizda va tanlaganingizda,

0:02:22.580,0:02:26.660
siz aslida kod bilan emas, o‘rgatuvchi ma’lumot bilan algoritmni dasturlashtirayotgan bo‘lasiz.

0:02:27.100,0:02:29.780
Ma’lumotning o‘zi koddir.

0:02:30.180,0:02:34.680
Qancha yaxshi ma’lumot bilan ta’minlasangiz, komputer shuncha yaxshi o‘rganadi.