Muxitdinova Munavvarxon Xayot qizining
fan doktori (DSc) dissertatsiyasi himoyasi haqida e’lon
I. Umumiy ma’lumotlar.
Dissertatsiya mavzusi, ixtisoslik shifri (ilmiy daraja beriladigan fan tarmog‘i nomi):
“Neyrotexnologiyalar va mashinali o'rganishdan foydalangan holda katta hajmdagi ma'lumotlar oqimlarini statistik tahlil qilish metodologiyasini takomillashtirish”, 08.00.16 – “Raqamli iqtisodiyot va xalqaro raqamli integratsiya”.
Dissertatsiya mavzusi ro‘yxatga olingan raqam:
Ilmiy maslahatchi: Shermuhamedov Abbas Tairovich, fizika-matematika fanlari doktori, professor.
Dissertatsiya bajarilgan muassasa nomi: Kadrlar malakasini oshirish va statistik tadqiqotlar instituti
IK faoliyat ko‘rsatayotgan muassasa nomi, IK raqami: Toshkent Xalqaro universiteti, DSc.22/29.12.2023.I.175.01
Rasmiy opponentlar: Abduraxmanov Qalandar Xodjaevich, iqtisodiyot fanlari doktori, akademik; To‘raev Shavkat Shuxratovich, iqtisodiyot fanlari doktori, professor; Xodiev Bahodir Yunusovich, iqtisodiyot fanlari doktori, professor.
Yetakchi tashkilot: Xalqaro Nordik universiteti
Dissertatsiya yo‘nalishi: nazariy va amaliy ahamiyatga molik.
II. Tadqiqotning maqsadi: murakkab ko‘p o‘lchovli ma’lumotlarni real vaqt rejimida qayta ishlash jarayonida statistik tahlil va prognozi imkoniyatlarini kengaytiradigan neyrotexnologiyalar va mashinaviy o‘qitish usullarini integratsiya qilish orqali katta ma’lumot oqimlarini tahlil qilishning innovatsion metodologiyasini ishlab chiqish hisoblanadi.
III. Tadqiqotning ilmiy yangiligi:
sunʼiy intellekt usullari yordamida statistika masalalarini hal qilishda modellarni samarali o‘qitish uchun optimallashtirish jarayoni tarkibiy qismlarining algoritmik sxemasi hamda katta ma’lumot oqimlarini statistik tahlil qilish metodologiyasi ilmiy jihatdan asoslab berilgan;
TensorFlow texnologiyasidan foydalangan holda ma’lumotlarni kompleks tahlil qilish va prognozi hamda mashinali o‘qitish modellarini yaratish uchun Python dasturiy tilida FlowPredict_TFpy.I.0 (Patent № DGU 48909) dasturiy freymvorki yaratildi va konseptual asoslar ishlab chiqilgan;
moslashuvchan oqim analizatori, gibrid statistik modul va neyron tarmoq optimallashtiruvchisini o‘z ichiga olgan yirik ma’lumotlar oqimlarini statistik tahlil qilishda metodologik struktura shakllantirilgan;
FlowPredict_TFpy.I.0 dasturi yordamida axborot-kommunikatsiya texnologiyalari sohasida ishlab chiqarish, savdo, xizmatlar, elektron tijorat va ommaviy axborot sohalari bo‘yicha modellar tizimi ishlab chiqilgan va prognoz ssenariylari amalga oshirilgan;
sun’iy intellekt g‘oya va tushunchalariga asoslangan statistik ma’lumotlarni tahlil qilish va qayta ishlashning ishda qo‘llanilgan usullari va vositalarining ijtimoiy-iqtisodiy samaradorligi tahlili taqdim etilgan.
IV. Tadqiqot natijalarining joriy qilinishi. Neyrotexnologiyalar va mashinaviy o‘qitishdan foydalangan holda katta ma’lumotlar oqimlarining statistik tahlil metodologiyasini takomillashtirish bo‘yicha olingan ilmiy natijalar asosida:
sunʼiy intellekt usullari yordamida statistika masalalarini hal qilishda modellarni samarali o‘qitish uchun optimallashtirish jarayoni tarkibiy qismlarining algoritmik sxemasi hamda katta ma’lumot oqimlarini statistik tahlil qilish metodologiyasiga doir taklifi O‘zbekiston Respublikasi Milliy statistika qo‘mitasi amaliyotida foydalanilgan (O‘zbekiston Respublikasi Milliy statistika qo‘mitasining 2025-yil 23-apreldagi 01/3-16-05-2-sonli guvohnomasi). Natijada, optimallashtirish komponentlarini amalga oshirishda xuddi shunday aniqlik darajasini saqlab qolgan holda, o'qitish modellarining hisoblash xarajatlari o'rtacha 39% ga kamaytirishga erishilgan;
TensorFlow texnologiyasidan foydalangan holda ma’lumotlarni kompleks tahlil qilish va prognozi hamda mashinali o‘qitish modellarini yaratish uchun Python dasturiy tilida FlowPredict_TFpy.I.0 (Patent № DGU 48909) dasturiy freymvorki yaratilgan va unga doir ishlab chiqilgan konseptual asoslar O‘zbekiston Respublikasi Milliy statistika qo‘mitasi amaliyotida foydalanilgan (O‘zbekiston Respublikasi Milliy statistika qo‘mitasining 2025-yil 23-apreldagi 01/3-16-05-2-sonli guvohnomasi). Natijada, dasturiy freymvorkni joriy etish orqali ma’lumotlarni oldindan qayta ishlash, modellarni yaratish va baholash jarayonlari avtomatlashtirilib, tahlilchilarning vaqt sarfi o‘rtacha 5 kishi/soatga qisqarishiga erishilgan;
moslashuvchan oqim analizatori, gibrid statistik modul va neyron tarmoq optimallashtiruvchisini o‘z ichiga olgan yirik ma’lumotlar oqimlarini statistik tahlil qilishda shakllantirilgan metodologik strukturaga doir taklifi O‘zbekiston Respublikasi Milliy statistika qo‘mitasi amaliyotida foydalanilgan (O‘zbekiston Respublikasi Milliy statistika qo‘mitasining 2025-yil 23-apreldagi 01/3-16-05-2-sonli guvohnomasi). Natijada, taklif etilgan metodologiyaga asoslangan ma’lumotlarni tahlil qilishda mikroservis arxitekturasidan foydalangan holda kompleks yondashuvni ta’minlashga erishilgan;
FlowPredict_TFpy.I.0 dasturi yordamida axborot-kommunikatsiya texnologiyalari sohasida ishlab chiqarish, savdo, xizmatlar, elektron tijorat va ommaviy axborot sohalari bo‘yicha modellar tizimi ishlab chiqilgan va prognoz ssenariylari amalga oshirishga doir taklifi O‘zbekiston Respublikasi Milliy statistika qo‘mitasi amaliyotida foydalanilgan (O‘zbekiston Respublikasi Milliy statistika qo‘mitasining 2025-yil 23-apreldagi 01/3-16-05-2-sonli guvohnomasi). Natijada, 2024–2030 yillarda axborot iqtisodiyoti va elektron tijorat sohalarida yalpi qo‘shilgan qiymatning 30973,6 mlrd. so‘mga o‘sishi prognoz ko‘rsatkichlariga erishilgan;
sunʼiy intellekt g‘oya va tushunchalariga asoslangan statistik ma’lumotlarni tahlil qilish va qayta ishlashning ishda qo‘llanilgan usullari va vositalarining ijtimoiy-iqtisodiy samaradorligi tahliliga doir taklifi O‘zbekiston Respublikasi Milliy statistika qo‘mitasi amaliyotida foydalanilgan (O‘zbekiston Respublikasi Milliy statistika qo‘mitasining 2025-yil 23-apreldagi 01/3-16-05-2-sonli guvohnomasi). Natijada, neyrotexnologiyalar va mashinali o‘qitishdan foydalangan holda ishlab chiqilgan tarkibiy qismlarni joriy etish yordamida modellarni iqtisodiy baholashga hamda har bir tahliliy vazifani bajarish uchun sarflanadigan tahlilchilar vaqti qisqartirilishiga erishilgan.
