Жасалма интеллект

Жасалма интеллект

Жасалма интеллект (ЖИ, AI, жасалма акыл) - компүтердик системдердин (машинелердин) же програмдык камсыздоонун интеллекти.  Бул компүтердик илимдин акылдуу машиналарды өнүктүрүү жана жана изилдөө тармагы. ЖИ кишинин, деги эле тирүү жандыктардын интеллектинен өзүнчө айырмалап каралат. 

Учурда ЖИ өнөр жайда, мамлекеттик башкарууда жана илимде кеңири колдонула баштады. Алардын арасына Google Издөө сыяктуу интернеттен издөө системдери; Google Котормочу сыктуу которуу системдери; YouTube, Amazon, Netflix колдонгон сунуштоо системдери; сүйлөгөн сөзгө жооп берип иштеген Google Жардамчы, Siri жана Alexa жардамчы системдери; Open AI, Gemini  сыяктуу генеративдик (жаратуучу) ЖИ; ChatGPT, Midjourney  сыяктуу чыгармачылык куралдары; өзүн өзү башкарган автолор; шахмат сыяктуу стратегия оюндарын ойноо системдери кирет.

Алан Тюринг машине интеллектин олуттуу изилдеп баштаган алгачкы окумуштуу болгон.

Жасалма интеллект академиялык дисциплина катары 1956-жылы негизделген.

Midjourney деген эмне?

Midjourney (Миджорней) - табигый тилде жазылган тексттик талаптын (промпт, prompt) негизинде сүрөттөрдү жараткан эң атактуу генеративдик (жаратуучу) жасалма интеллект програмы жана кызматы.

Midjourney, Inc көз карандысыз изилдөө лабораториясы түзгөн жана уюштурган. 

Midjourney жасалма интелекттин дүркүрөп өсүшүнө алып келген технологиялардын бири. Midjourney атаандаштары болуп OpenAI'нин DALL-E жана Stability AI'нин Stable Diffusion програмдары саналат.

Midjourney  2022-жылдын 12-июлунда ачык бета версиясына чыккан. 2022-жылдын августунда компания таза пайда (profit, прибыль) таба баштаган. Midjourney кызматын колдонуу үчүн Discord вебкызматына катталыш керек. Учурда бул соцжеледе 20 млнго чукул аккаунт катталган.

Midjourney жараткан Théâtre D'opéra Spatial сүрөтү 2022-жылы Колорадо штатынын жарманкесинде санарип искусство сынагында биринчи орунду жеңип алган. 

Midjourney’ге бул сүрөттүн жаратуу талабын (промпт) жазган Жейсон Аллен, сүрөттү кендирге бастырып чыгарып, аны сынакка Жейсон М. Аллен Midjourney аркылуу деген ысым кошкон.

Генеративдик жасалма интеллект деген эмне?

Генеративдик жасалма интеллект (генеративдик ЖИ, жаратуучу ЖИ, GenAI же GAI) - жазылган талапка (промпт, prompt) жооп катары генеративдик моделдердин жардамы менен текст, сүрөт видео жана башка берилиштерди түзүүгө жөндөмдүү жасалма интеллект. Генеративдик ЖИ моделдери үйрөтүү үчүн киргизилген берилиштердин үлгүсүн жана түзүмүн изилдеп чыгып, анын негизинде үлгүгө окшош мүнөздөгү жаңы берилиштерди жаратат.

2020-жылдардын башында трансформерлерге негизделген терең нейрон тармактардын (deep neural networks) өнүгүшү генеративдик ЖИ системдердин дүркүрөп өсүп кетишине жол ачты. Мындай ЖИлердин арасында чоң тил моделдерин (LLM) колдонгон ChatGPT, Copilot, Gemini жана LLaMA сыяктуу чатботтор, Stable Diffusion, Midjourney жана DALL-E сыяктуу тексттен сүрөт жараткан жасалма интеллект системдери жана тексттен видео жараткан Sora сыяктуу системдер кирет.
OpenAI, Anthropic, Microsoft, Google жана Baidu жана башка компаниялар өздөрүнүн генеративдик ЖИ моделдерин иштеп чыгышкан.

Генеративдик AI програмдык камсыздоо иштеп чыгуу, саламаттыкты сактоо, каржы, көңүл ачуу, кардарларды тейлөө, сатуу жана маркетинг, искусство, жазуу, мода жана өнүм дизайны сыяктуу көптөгөн тармактарда колдонулат.
Ошо эле учурда генеративдик интеллектти киберкылмыш, алдоо, жалган (фейк) жаңылыктарды, дипфейктерди жаратуу максатында кыянат колдонуу же жумушсуздук жаратуу коркунучтары дагы талкуу жаратууда.
Генеративдик ЖИ системи берилиштер топтомун көзөмөлсүз же өзүн-өзү көзөмөлдөө тартибинде машиналык үйрөнүү жолу менен түзүлөт. Генеративдик ЖИ системинин дарамети аны үйрөтүү үчүн колдонулган берилиштер топтомунун модалдуулугуна же түрүнө байланыштуу болот.
Генеративдик ЖИ бир модалдык же мултимодалдык болушу мүмкүн.Бир модалдуу системдер берилиштердин бир гана түрүн, мултимодалдык системдер бир нече түрүн кабыл алышы мүмкүн. Мисалы, OpenAI’нин GPT-4 версиясына текст жана сүрөт киргизсе болот.

Жасалма интеллектин өнүгүшү чыгармалардын автордук укук маселесин дагы жаратууда. АКШнын автордук укук боюнча кеңсеси, жасалма интеллект тарабынан адамдын катышуусуз жаратылган эмгектер автордук укук менен корголбойт, анткени аларда кишинин катышуусу жетишсиз деп тапкан. Бирок бул эрежелер жаратуучу ЖИ үчүн такталышы керекпи же жокпу азырынча белгисиз.

OpenAI деген эмне?

OpenAI алгач 2015-жылы жасалма интеллекттин мүмкүнчүлүктөрдүн изилдеген коммерциялык эмес уюм катары негизделген. Уюмдун максаты - мамлекетке же корпорацияга эмес, коомдун жыргалчылыгы үчүн иштеген ачык компания түзүү болгон. Ачыктык жасалма интеллект аркылуу бийликти бир колдо топтоого жол бербөө үчүн керек деп эсептелген. Негиздөөчүлөрдүн катарында белгилүү инноватор Илон Маск дагы болгон. Ал 2019-ж. чейинки уюмга салынган 130 млн доллар инвестициянын чоң бөлүгүн берген.
2019-ж. тарта OpenAI коммерциялык уюмга айланган. 
Microsoft ага ошол эле жылы $1 млрд, 2023-жылы $10 млрд инвестиция кылган. Инвестициянын көбү Microsoft Azure кызматынын компүтердик ресурсу катары берилген.
2023-жылдын башында OpenAI командасы 375 адамды жумуш менен камсыз кылган стартапка айланды. Ал эми жаңы башталганда 9 гана кызматкери бар эле.
Учурда OpenAI 29 миллиард долларга бааланган АКШдагы эң баалуу стартаптардын бири. 
OpenAI ChatGPT кызматын ишке киргизгени менен кеңири таанымал болуп калды.

Машиналык үйрөнүү

Машиналык үйрөнүү (Machine Learning) – берилиштерден (data) алып үйрөнүп, алардын натыйжасын жалпылаштыруу аркылуу так жетектемеси жок тапшырмаларды аткарган статистикалык алгоритмдерди жана методдорду иштеп чыгуу жолдорун изилдеген жасалма интеллекттин бир тармагы. 
Кийинки учурда жасалма нейрон тармактарынын аткаруу дарамети мурунку ыкмаларды ашып түштү.
Машиналык үйрөнүү ыкмалары табигый тилди иштетүү, компүтердик көрүү, үн таануу, электрондук почтаны иргөө, айыл чарбасы жана медицина сыяктуу көптөгөн тармактарда колдонулат.
Машиналык үйрөнүү термини 1959-жылы IBM компаниясынын кызматкери жана компүтердик оюндар жана жасалма интеллект тармагынын пионери Артур Сэмүэл тарабынан киргизилген. Ал кезде бул терминге өзүн-өзү үйрөтүүчү компүтерлер деген синоним да колдонулган.

Чоң тил модели

Чоң тил модели (large language model) – жалпы максаттагы тил түзүү жана табигый тилдеги классификация сыяктуу тапшырмаларды аткарганга жөндөмү менен белгилүү болгон тил модели.

Чоң тил модели мындай жөндөмдү документтердеги тексттердин статистикалык катнаштарын өзүн-өзү толук жана жарты көзөмөл тартибинде интенсивдүү эсептеп изилдөө көнүгүүлөрүү аркылуу калыптандырат.

Чоң тил моделин берилген тексттен кийинки келчү сөздү же токенди кайта-кайта таап сунуштоо аркылуу жаңы текст жаратуу, генеративдик жасалма интеллект калыптандыруу үчүн колдонсо болот.

Чоң тил моделдери - бул жасалма нейрон желелери. Алардын эң масштабдуу жана жөндөмдүүлөрү декодери гана бар трансформерге негизделген архитектурада курулган. Акыркы варианттары рекуренттик нейрондук желе жана Mamba сыяктуу башка архитектураларда курулуп чыгууда.

2020-жылга чейин конкреттүү тапшырманы аткарыш үчүн модели  ага ылайыктап тууралап чыгуу талап кылынчу. GPT-3 сыяктуу чоңураак моделдерде ошондой эле натыйжаларды талап (промпт) түзүү аркылуу алса болот. Алар табигый тил корпустарына мүнөздүү болгон синтаксисти, семантиканы жана андагы калпыстыктарды өздөштүрө алат деп эсептелет.

Чоң тил моделдеринин көрүнүктүү үлгүлөрү:

OpenAI – GPT-3.5, GPT-4

Google –  PaLM жана Gemini

xAI – Grok

Meta - LLaMA 

Anthropic – Claude 

Mistral AI

Трансформер

Трансформер - көп баштуу көңүл буруу механизмине негизделген, 2017-ж. Google иштеп чыккан терең үйрөнүү архитектурасы.

Мында кайталанма (рекурренттик) бирдиктер жок, андыктан рекурренттик нейрон архитектураларына караганда машыктырууга азыраак убакыт талап кылат. 

Трансформерлердин соңку версиялары Уикипедия корпусу жана Common Crawl сыяктуу чоң тил берилиштер топтомдорун (dataset) негизинде чоң тил моделдерин үйрөтүү үчүн кеңири колдонулат.

Текст токенге (сөздүн сандык көрсөтүлүшү), токендер сөз киргизүү таблицасына ылайык векторго айландырылат.

Бул архитектура азыр табигый тилди иштетүүдө жана компүтердик көрүүдө гана эмес, аудио жана мултимодалдык иштетүүдө да колдонулат. Ошондой эле машыктырылган генеративдик трансформерлер (GPT) жана коддоочуну трансформерге эки багытта көрсөтүү (BERT) сыяктуу алдын ала машыктырылган системдердин өнүгүшүнө алып келди.

Чоң тил моделдери трансформерлердин табигый тилдеги түрдүү тапшырмаларды жарактуу аткарууга жөндөмдүү экенин көрсөттү. 

Трансформелер аткарган тапшырмалар:

• Машиналык которуу

• Документтерди корутундулоо

• Документ түзүү

• Аталган объектти таануу

• Биологиялык ырааттуулук анализи

• Талаптардын негизинде компүтердик код жазуу

• Видеону түшүнүү

Датасет

Датасет (набор данных) - берилиштердин жыйындысы. Таблицалык берилиштерде, берилиштер жыйындысы берилиштер корунун бир же бир нече таблицасына туура келет. Мында таблицанын ар бир тилкеси өзүнчө бир өзгөрмө болот, ал эми ар бир сап берилиштер топтомунун бир жазуусуна (көрсөткүчүнө) туура келет. Берилиштер топтому ар өзгөрмөнүн көрсөткүчтөрүн тизмектейт. 

Датасет документтердин же файлдардын жыйындысынан дагы турушу мүмкүн. 

Ачык берилиштер (open data) дисциплинасында, берилиштер топтому ачык берилиштер репозиторийинде чыгарылган маалыматты өлчөө бирдиги болуп саналат.

Уикипедия корпусу жана Common Crawl сыяктуу чоң берилиштер топтомдору (dataset) жасалма интеллектте чоң тил моделдерин үйрөтүү үчүн кеңири колдонулат.

Жасалма нейрон желеси

Машиналык үйрөнүүдө, жасалма нейрон желеси (artificial neural network, искусственная нейронная сеть) –  жаныбарлардын мээсиндеги биологиялык нейрондордун туташуу жолдоруна окшоштуруп түзүлгөн модел.

Жасалма нейрондор желеси, жасалма нейрондор аталган жана өз ара туташкан бирдиктерден же түйүндөрдөн турат. Жалпы жонунан мээнин нейрондук моделин кайталайт. Алар мээнин синапстары сыяктуу эле учтары менен менен туташат. Жасалма нейрон туташкан нейрондордон сигналдарды кабыл алып, иштеп чыгып, сигналды андан ары туташкан башка нейрондорго өткөрөт. Нейрондорго жана учтарга салмак берилет. Үйрөнгөн сайын салмактын наркы өзгөрө берет. Туташууда салмак сигналдын күчүн жогорулатат же азайтат.

Эреже катары, нейрондор катмарларга бириктирилет. Ар катмар берилиштер менен түрдүү трансформацияларды аткарышы мүмкүн. Сигналдар биринчи катмардан (киргизүүчү катмар) акыркы катмарга (чыгаруучу катмар) же жашыруун катмарлар аталган бир нече ортоңку катмардан өтүшү мүмкүн.  2 же андан ашык жашыруун катмары бар желе - терең нейрон желеси деп аталат.

Жасалма нейрон тармактары берилиштер аркылуу үйрөтүү мүмкүн болгон болжолдуу моделдөө, башкарууну ылайыкташтыруу (adaptive control) жана жасалма интеллект маселелерин чечүү үчүн дагы колдонулат. Мындай желелер тажрыйбадан үйрөнүп, татаал жана байланышы жоктой көрүнгөн маалымат топтомдорунан тыянак чыгара алышат. 

Табигый тилди иштетүү

Табигый тилди иштетүү (Natural Language Processing) - бул компүтердик илимдердин жасалма интеллектти изилдөөгө багытталган тармагы.
Анын максаты компүтерлерге табигый тилди кишидей түшүнүп жана пайдаланууну үйрөтүү.
Ал машиналык үйрөнүү аркылуу текст же сүйлөө корпустары сыяктуу табигый тил берилиштер топтомдорун (dataset) иштетүүдө колдонулат. Аны менен компүтерлер документтин мазмунун, түзүлүшүн, контексттин түшүнүү сыяктуу жөндөмдөрдү калыптандыра алат. Бул максаттагы идеялар жана түшүнүктөр көбүн эсе лингвистикадан алынат. Үйрөтүлгөн технология документтен маалыматты жана маанилерди алып, категорияларга иргеп, документтерди иреттеп, жада калса, машине менен кишини сүйлөштүрө алат.
Табигый тилди иштетүү кыйынчылыктары көбүнчө айтылган сөздү таануу, табигый тилди түшүнүү жана табигый тил түзүүгө тиешелүү.

Жасалма интелекттүү виртуалдык жардамчылар

Жасалма интелекттүү (ЖИ) виртуалдык жардамчылар (ВЖ) адатта интернеттеги булут серверлеринде жайгашкан програмдар. ВЖ интернетке туташкан түзмөктөр жана колдонмолор аркылуу иштейт. 

Смартфондордо орнотулган жасалма интелектүү виртуалдык жардамчылар -  Google Assistant, Apple Siri, Microsoft Cortana жана Copilot, Amazon Alexa ж.б..
Виртуалдык жардамчылар үн аркылуу табигый тилди колдонуп, колдонуучулар менен маалымат алмаша алышат. Кыргыз тилинде айтылган сөздү түшүнгөн виртуалдык жардамчылар азырынча чыга элек.

Жасалма интелектүү виртуалдык жардамчылардын жардамы менен колдонуучулар маалыматка тез жана оңой тез жете алышат.
Жасалма интелекттүү виртуалдык жардамчыларды акылдуу динамиктерде, сааттарда, байланыш чаттарында, календарларда дагы кезиктирсе болот.

ВИ акылдуу үй жабдууларын, түрдүү кызматтар менен колдонмолорду, календарларды өз ара бириктирип башкара алышат.
ChatGPT чыгышы менен жазылган талаптарга (prompt) жооп берип иштеген генеративдик жасалма интеллект чатботтору абдан тез жайыла баштады.

Чоң берилиштер Big Data

Чоң берилиштер (Big data, большие данные) - жаңы үлгүлөрдү, тренддерди жана ассоциацияларды табуу үчүн изилдегенге жарактуу берилиштер топтомдору. Жакшы аныктамаларадын бири – бул аз өлчөмдө колдонгондо маани бербей турган берилиштердин чоң топтомдору. Чоң берилиштерди талдоо маселелерине берилиштерди топтоо, сактоо, талдоо, издөө, бөлүшүү, айландыруу, визуалдаштыруу, талап берүү, жаңыртуу, маалыматтын купуялуулугу жана берилиш булактары кирет.

Чоң берилиштер көлөмү, ылдамдыгы жана түрдүүлүгү менен аныкталат.

1. Көлөмү

Берилиштердин көлөмүн билдирет. Чоң берилиштер чоң көлөмдөгү берилиштер менен иш алып барат.

2.Ылдамдык

Берилиштерди кабыл алуу ылдамдыгын билдирет. Чоң берлиштер чоң көлөмдө агылат.

3. Түрдүүлүк

Түрдүүлүк берилиштер форматтарынын көптүгүн билдирет. Чоң берилиштер түзүмү бар, жарым түзүмдүү же такыр эле түзүмү жок жана  сан, текст, сүрөт, аудио жана башка форматтарда болушу мүмкүн.

Чоң берилиштердин өсүшү

Өркүндөп жаткан маалымат технологиялары эбегейсиз зор көлөмдөгү берилиштерди чогултууга, сактоого жана мурда болуп көрбөгөндөй сапатта талдоого мүмкүнчүлүк ачты. Миллиарддаган колдонуучулар күнүгө TikTok сыяктуу соцжелелерде отурганда, Google аркылуу бир нерсе издегенде же онлайн соода кылганда берилиштердин көлөмүн тынымсыз өстүрүп жаткан болот.

Чоң берилиштер булактары:

Акылдуу түзмөктөр (буюмдар интернети): Интернетке туташкан акылдуу үй системдери, робот чаң соргучтар, акылдуу тв, мобилдик түзмөктөр жана фитнес трекерлер ж.б.  Социалдык медиа: Жактыруулар, бөлүшүүлөр, билдирүүлөр, комментарийлер, постту карап канча убакыт сарптайсыз — бул берилиштер киши жүрүм-туруму жөнүндө терең маалымат берет. Вебсайттар: Барактарга кирүүлөр, убакыт өткөрүү , көп басылган шилтемелер жана башка көптөгөн кыймыл-аракеттер катталып турат. Бизнес транзакциялар: Кардарлардын жеке маалыматтары, баа, сатып алуу убактысы, төлөм ыкмалары жана башка маалыматтар болушу мүмкүн. Машинелер: Интернетке туташпаса дагы, жол камералары, сенсорлор жана медициналык жабдуулар ж.б. машинелер берилиштерди жаздыра алышат. Медициналык тейлөө: Саламаттыкты сактоо системинде маалымат жык. Саламаттык сактоо жазуулары, камсыздандыруу жана бейтаптын тарыхы ж.б. Өкмөт: автотрафик берилиштери, айыл чарба түшүмдүүлүгү, аба ырайын көзмөлдөө системдери, демография.

Чоң берилиштер кандай колдонулат?

Мисалы, бизнес кардарлардын каалоолорун жакшыраак түшүнүү жана таасирдүү бизнес стратегияларын иштеп чыгуу үчүн чогулткан берилиштерди талдай алат. Саламаттыкты сактоо системиндеги чоң берилиштер оорулардын жалпы белгилерин табуу үчүн колдонулушу мүмкүн. Бийлик органдары трафик берилиштерин жаңы жолдорду пландаштыруу же кылмыштуулуктун деңгээлине же терроризм коркунучуна көз салуу үчүн колдонушу мүмкүн.

Берилиш талдоочу (Data analyst)

Берилиштерди талдоо - бул бизнес чечимдердин сапатын жакшыртуу  үчүн берилиштерден маани издөө процесси.

Берилиштерден маани издеген адис дата аналитик же берилиш талдоочу деп аталат. Ал бизнестин суроолоруна жооп берүү же көйгөйлөрдү чечүү үчүн берилиштер топтомун чогултат, тазалайт, чечмелейт жана маалымат берет. Бүгүнкү күнү берилиш талдоочулар бизнес, каржы, илим, медицина, өкмөт органдарында иштешет.

Дата аналитик эмне иш кылат?

Берилиш чогултуу: Адатта аналитик берилиштерди өзү чогултат. Бул сурамжылоо жүргүзүү, вебсайт колдонуучулардын мүнөздөмөлөрүн чогултуу же берилиш топтомдорун сатып алуу болушу мүмкүн.

Берилиштерди тазалоо: Чийки берилиштер кайталанмаларды, каталарды камтышы мүмкүн. Берилиштерди тазалоо програмдык тилдердин жардамы менен электрондук таблицадагы берилиштердин сапатын камсыздоону билдирет. Бул чечимдердин сапатын шарттайт.

Берилиштерди үлгүлөө: Берилиштер корунун түзүмү аныктоо жана долбоорлоо. Берилиштердин кайсы түрлөрүн чогултуу жана сактоо чечилип, берилиш категорияларынын өз ара байланыштары түзүлүп, берилиштердин иш жүзүндө көрүнүшү аныкталат.

Берилиштерди чечмелөө: Берилиштерден коюлган талаптарга жооп бере алуучу үлгүлөрдү, тренддерди жана маанилерди табуу.

Сунуштоо: Изилдөө натыйжаларын билдирүү, иштин негизги бөлүгү болуп саналат. Бул диаграммалар жана графиктер менен визуалдаштыруу, отчет жазуу жана кызыкдар тараптарга маалымат берүүнү камтыйт.

Дата аналитиктер кандай програмдарды колдонушат?

Берилиштерди талдоо процессинде талдоочулар өз иштерин так жана натыйжалуу аткаруу үчүн көп түрдүү куралдарды колдонушат. Мындай куралдардын айрымдары:

Microsoft Excel, Google Sheets, SQL, Tableau, R же Python, SAS, Microsoft Power BI, Jupyter Notebooks

Берилиш талдоочунун айлыгы 

Glassdoor маалыматы боюнча, АКШда берилиш талдоочунун орточо жылдык кирешеси 2021-жылдын декабрында 69,517 долларды түзгөн.

Microsoft Copilot

Microsoft Copilot — Microsoft иштеп чыккан чатбот. 2023-жылдын февралында ишке киргизилген. Чоң тил моделинин негизинде ал булактарга шилтеме жасоого, поэму жаратууга жана ыр жазууга жөндөмдүү. Copilot Microsoftтун Cortana кызматын ордуна келген. Copilot алгач Microsoft Bing жана Microsoft Edge үчүн орнотулган функция катары Bing Chat аталышы менен киргизилген. 2023-жыл ичи Microsoft түрдүү чатботторун Copilot брендине бириктирип баштаган. Copilot Microsoft’тун Prometheus (Прометей) моделин колдонот. OpenAI’нин GPT-4 фундаменталдык чоң тил моделине негизделген. Кошумча туураланып, Көзөмөлдөнгөн жана күчөтүлгөн үйрөтүү ыкмалары менен дагы кошумча туураланган. Чатботтун сүйлөшүү интерфейс стили ChatGPT’иге окшош. Copilot көптөгөн тилдерде жана диалектилерде баарлаша алат. Microsoft Copilotтун акысыз версиясында бир нече баштапкы чатбот орнотулган. Алардын арасында Copilot стандарт чатботу жана тексттик талаптардын негизинде сүрөт жаратуучу Microsoft Designer бар. Андан сырткары “Саякат пландагыч”, “Жардамчы ашпоз” жана “Фитнесс Тренер” бар.

Берилиштерди изилдөөчү

Берилиштер илими (дата илими) - чоң берилиштер топтомдорунан билим өндүрүүгө жана андан алган билимдерин жана түшүнүктөрдү маселе чечүүгө колдонууга багытталган илимдин орток тармагы. Берилиштерден билим жараткан адис – берилиштерди изилдөөчү. Мындай адистердин АКШда орточо айлыгы $10К+. Берилиштерди изилдөөчү болуп иштөө интеллектуалдык оор иш болгону менен аны тандап алгандарга технологиялык жетишкендиктердин алдыңкы сабында болгонго мүмкүнчүлүк берет. Берилиштерди изилдөө көмпүтердик илим, статистика, маалымат илими, математика, маалыматтарды визуалдаштыруу, берилиштерди визуалдаштыруу, берилиштерди үндөштүрүү, берилиштерди интеграциялоо, графикалык дизайн, татаал системдер, байланыш жана бизнес жөндөмдөрдү камтыйт. Уюмдардын чечим кабыл алуусунда маанилүү орунду ээлеген чоң берилиштердин (Big Data) талаптын дүркүрөп өсүшү менен берилиштерди изилдөөчүлөргө болгон талап дагы өсүп бара жатат. Чоң Берилиштер тууралуу эмки чыгарылаштардын биринде кенен айтып беребиз. Биз менен болуңуз. Берилиштерди изилдөөчүлөр алардын командасына берилүүчү суроолорду жана берилиштерди колдонуп ал суроолорго кандай жооп берүү керектигин аныкташат.

Берилиштерди изилдөөчүлөр төмөнкү иштерди аткарышы мүмкүн:

• Берилиштер топтомдорунан түшүнүк жараткан үлгүлөрдү жана тренддерди табуу

• Натыйжаларды болжолдоо үчүн алгоритмдерди жана берилиштер моделдерин түзүү

• Берилиштердин же өнүм сунуштарынын сапатын жакшыртуу үчүн машиналык үйрөнүү ыкмаларын пайдалана билүү

• Башка кызматкерлерге, топторго жана жетекчилерге сунуштарды берүү

• Маалыматтарды талдоодо Python, R, SAS же SQL сыяктуу берилиш талдоо куралдарын колдоно билүү

• Берилиштер илиминдеги инновацияларда алдыда болуу

Берилиш изилдөөчүлөр менен берилиш талдоочулардын айырмасы? Берилиш изилдөөчүлөр менен берилиш талдоочулардун иши окшош көрүнүшү мүмкүн. Бирок берилиш изилдөөчүлөр көбүрөөк жоопкерчиликке ээ болушат жана жалпысынан берилиш талдоочуларга караганда квалификациясы жогору бааланат. 

Датасет

Датасет (набор данных) - берилиштердин жыйындысы. Таблицалык берилиштерде, берилиштер жыйындысы берилиштер корунун бир же бир нече таблицасына туура келет. Мында таблицанын ар бир тилкеси өзүнчө бир өзгөрмө болот, ал эми ар бир сап берилиштер топтомунун бир жазуусуна (көрсөткүчүнө) туура келет. Берилиштер топтому ар өзгөрмөнүн көрсөткүчтөрүн тизмектейт. 

Датасет документтердин же файлдардын жыйындысынан дагы турушу мүмкүн.

Ачык берилиштер (open data) дисциплинасында, берилиштер топтому ачык берилиштер репозиторийинде чыгарылган маалыматты өлчөө бирдиги болуп саналат.

Уикипедия корпусу жана Common Crawl сыяктуу чоң берилиштер топтомдору (dataset) жасалма интеллектте чоң тил моделдерин үйрөтүү үчүн кеңири колдонулат.