AI tizimli asoslari
Klassik qidiruv va bilimlardan zamonaviy intellektual agentlargacha.
LYNQ Library · 32 kitob
Boshlash qulay bo‘lgan kitobni toping.
Nom, muallif, mavzu, universitet manbasi, kirish yoki daraja bo‘yicha qidiring. Katalog va o‘qish yo‘llari Academy ning amaldagi ma’lumotlaridan tuziladi.
University sources
10 manba hamkorlik da’vosiz.
Universitetlar syllabus, reading list yoki ochiq o‘quv materiallari manbasi sifatida ko‘rsatilgan. Bu akkreditatsiya, qo‘shma dastur yoki diplom haqidagi da’vo emas.
Muhim. Bu yerda nom yoki logotipdan foydalanish LYNQ universitet bilan hamkorligini anglatmaydi.
O‘qish yo‘llari
Qaysi kitobdan boshlashni bilmayapsizmi?
Maqsadni tanlang — kutubxona asoslardan murakkab materiallargacha haqiqiy ketma-ketlikni ko‘rsatadi.
Machine learning: kuchli poydevor
Ehtimollik, modellar, statistik o‘rganish va umumlashtirish nazorati.
Ehtimollik AI
Grafik modellar, Bayes xulosasi va noaniqlik bilan ishlash.
Deep learning bo‘shliqlarsiz
Avval matematik asoslar, keyin arxitekturalar va optimallashtirish.
Qaror qabul qilish va RL
MDP va qiymat funksiyalaridan policy methods va amaliy agentlargacha.
Machine learning nazariyasi
Sifat va umumlashtirish bo‘yicha qat’iy kafolatlar kerak bo‘lganlar uchun.
ML uchun matematika va statistika
Model, optimallashtirish va ehtimollik xulosasiga tayyorlov yo‘li.
NLP va til modellari
Asosiy NLP vazifasidan transformer model va baholashgacha.
Computer vision
Tasvir geometriyasi, deep learning va qayta yaratiladigan vision pipeline.
ML productionda
Ma’lumot, deployment, monitoring, ishonchlilik va ML tizimi hayot sikli.
Sababiy tahlil
Korrelyatsiyadan asoslangan sababiy xulosaga o‘tish.
32 kitob
Kerakli mavzuga kirish nuqtasini toping.
Qidiruv brauzerda lokal bajariladi; so‘rovlar hech qayerga yuborilmaydi. Alohida sahifa universitet manbalari va qonuniy kirishni saqlaydi.
Qidiruv, rejalashtirish, mantiq, ehtimollik xulosasi, machine learning va agentlar bo‘yicha keng tizimli darslik.
AI asoslariQidiruv va rejalashtirishBilim va mulohaza
Pattern recognition, chiziqli modellar, kernel’lar, grafik modellar va taxminiy xulosaga Bayescha kirish.
Machine learningEhtimollikGrafik modellar
Machine learning usullarining keng doirasiga yagona ehtimollik yondashuvi.
Machine learningEhtimollikGrafik modellar
Bayes tarmoqlari, Markov modellari, xulosa va grafik modellarda o‘rganishning fundamental bayoni.
EhtimollikGrafik modellarMachine learning
Bayes xulosasi, grafik modellar va machine learning bo‘yicha ixcham va chuqur kitob.
EhtimollikMachine learningGrafik modellar
Axborot, Bayes xulosasi, kodlash, neural networks va o‘rganish algoritmlarini bog‘laydi.
Axborot nazariyasiEhtimollikMachine learning
Statistik o‘rganish: chiziqli usullar, regularizatsiya, daraxtlar, boosting, SVM va unsupervised learning.
Machine learningStatistika
Machine learning’ni keyingi o‘rganish uchun ehtimollik va statistik xulosa bo‘yicha ixcham kurs.
StatistikaEhtimollik
Bilimlarni ifodalash, qidiruv, o‘rganish va intellektual tizimlarni qurishga klassik muhandislik yondashuvi.
AI asoslariQidiruv va rejalashtirishBilim va mulohaza
Hisoblash agentlari, qidiruv, mulohaza yuritish, noaniqlik va o‘rganish bo‘yicha ochiq darslik.
AI asoslariQidiruv va rejalashtirishBilim va mulohaza
Matematik asoslar, feedforward networks, regularizatsiya, optimallashtirish, CNN, sequence models va representation learning bo‘yicha ochiq kitob.
Deep learningMachine learningOptimallashtirish
Umumlashtirish, PAC-learning, Rademacher complexity, online learning va ML algoritmlarining nazariy asoslari.
O‘rganish nazariyasiMachine learning
Regression, klassifikatsiya, model selection va taxminiy xulosa uchun gaussian processes’ning fundamental bayoni.
Machine learningEhtimollikGaussian processes
Umumlashtirish, overfitting, bias–variance, chiziqli modellar va learning theory asoslari bo‘yicha ixcham kurs.
Machine learningO‘rganish nazariyasi
Statistik pattern recognition va klassifikatorlarni loyihalash bo‘yicha klassik darslik.
Machine learningStatistika
Reinforcement learning bo‘yicha asosiy ochiq darslik: qiymat funksiyalari, temporal-difference learning, policy methods va approksimatsiya.
Reinforcement learning
PAC-learning, uniform convergence, convex learning, kernel’lar va online learning’ga formal kirish.
O‘rganish nazariyasiMachine learning
Bandit, MDP, dynamic programming, Monte Carlo va temporal difference bo‘yicha ixcham nazariy bayon.
Reinforcement learningO‘rganish nazariyasi
Statistik o‘rganish, regressiya, klassifikatsiya, resampling, regularizatsiya, daraxt va unsupervised learningga amaliy kirish.
Machine learningStatistika
Sababiy tahlilga amaliy kirish: potential outcomes, DAG, regression, matching, diff-in-diff va instrument.
Sababiy tahlilStatistika
Computer vision bo‘yicha tizimli bayon: tasvir, feature, alignment, recognition, 3D va computational photography.
Computer visionDeep learningOptimallashtirish
Qavariq optimallashtirish, duality, cheklov va yechim algoritmlari bo‘yicha fundamental kitob.
OptimallashtirishMachine learning
Ishonchli ma’lumot tizimlari arxitekturasi: storage, replication, partitioning, transaction, stream va consistency.
Ma’lumot tizimlariML tizimlari va production
Production ML amaliy arxitekturasi: ma’lumot, o‘qitish, deployment, monitoring, shift va feedback loop.
ML tizimlari va productionMa’lumot tizimlari
Deep learning, computer vision, NLP, attention va optimization bo‘yicha kodli interaktiv kitob.
Deep learningTabiiy tilni qayta ishlashComputer vision
Ma’lumot tayyorlash va klassik modeldan neyron tarmoq va deploymentgacha amaliy yo‘l.
Machine learningDeep learning
Modelni tushuntirish metodlari: feature effect, feature importance, surrogate model, SHAP va izohni baholash.
IzohlanuvchanlikMachine learning
Machine learning uchun matematik ko‘prik: chiziqli algebra, analitik geometriya, matritsa ajratish, vektor hisobi, ehtimollik va optimallashtirish.
Machine learningStatistikaOptimallashtirish
Katta ma’lumotlar bilan ishlash algoritmlari: similarity, streaming, graph mining, recommendation va clustering.
Machine learningMa’lumot tizimlari
Transformer model bilan amaliy ish: klassifikatsiya, NER, generation, multilingual va deployment.
Tabiiy tilni qayta ishlashDeep learningML tizimlari va production
Machine learningga zamonaviy ehtimollik nuqtayi nazari: Bayes modelidan neyron tarmoq va generativ yondashuvgacha.
Machine learningEhtimollikDeep learning
NLP bo‘yicha fundamental yo‘l: matn, ehtimollik, til modeli, klassifikatsiya, parsing, nutq va dialog.
Tabiiy tilni qayta ishlashDeep learningEhtimollik
Bu filtrlar bo‘yicha kitob topilmadi. So‘rov yoki filtrni o‘zgartiring.
Tanlov qanday tuziladi. Kutubxona ikki javondan iborat. Academic Core yetakchi universitetlarning rasmiy syllabus, reading list va o‘quv resurslariga tayangan. Applied Shelf esa fundamental bazani ML muhandisligi, ma’lumotlar, NLP, computer vision, causal inference va production tizimlari bo‘yicha zamonaviy amaliy kitoblar bilan to‘ldiradi. Har bir kitob uchun qonuniy original manba ko‘rsatilgan. LYNQ Academy noqonuniy nusxalarni joylashtirmaydi. Original tugmasi muallif sayti, ochiq o‘quv loyiha yoki nashriyot sahifasiga olib boradi. Ruscha va o‘zbekcha Study Edition — LYNQ yaratgan mustaqil o‘quv qo‘llanma, to‘liq kitob tarjimasi emas. Manbalar va intellektual huquqlar
O‘qishdan amaliyotga
Academy ichida o‘qish yo‘lingizni tuzing.
Kitoblarni saqlang, progressni belgilang va o‘qishni kurslar, amaliyot hamda Skills Passport bilan bog‘lang.
Bepul boshlash